ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA"

Transkripsi

1 ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI JAKARTA Abstras Multolnertas adalah suatu onds dalam regres lner berganda dmana antar varabel bebas salng berorelas. Masalah multolnertas ada regres lner berganda mengabatan enguan hotess arameter berdasaran metode uadrat terecl memberan hasl yang tda vald. Indas masalah multolnertas daat ddetes dengan fator nflas ragam. Analss omonen utama bertuuan menghaslan varabel-varabel baru (omonen utama) yang salng ortogonal dan meredus dmens data. Ten yang dgunaan untu meregresan omonen utama dengan varabel ta bebas melalu metode uadrat terecl dsebut regres omonen utama. Kata unc : multolnertas, regres lner berganda, analss omonen utama, regres omonen utama.. PENDAHULUAN Analss regres lner adalah ten statsta yang daat dgunaan untu menelasan engaruh varabel bebas (ndeendent varable) terhada varabel ta bebas (deendent varable). Salah satu asums yang harus denuh untu melauan enguan hotess terhada arameter ada analss regres lner berganda adalah tda teradnya orelas antar varabel bebas (multolner). Ja antarvarabel salng berorelas tngg, enguan hotess arameter berdasaran metode uadrat terecl (least square method) memberan hasl yang tda vald, dantaranya varabel-varabel bebas yang seharusnya berengaruh sgnfan terhada varabel ta bebas aan dnyataan sebalnya (tda nyata secara statst), tanda oefsen regres dugaan yang dhaslan bertentangan dengan onds atual, enduga oefsen regres bersfat tda stabl sehngga mengabatan sultnya menduga nla-nla varabel ta bebas yang tentunya aan mengabatan tda auratnya ada eramalan (Myers, 99). Konds n mendorong untu dembangannya suatu cara atau ten yang daat dgunaan untu mengatas masalah multolnertas ada analss regres lner berganda. Salah satu solus yang daat dgunaan adalah dengan menggunaan analss omonen utama (rncal comonent analyss). Melalu enggunaan analss omonen utama n aan dhaslan varabel-varabel baru yang meruaan ombnas lner dar varabel-varabel bebas asal dan antarvarabel baru n bersfat salng bebas. Varabel-varabel yang baru n dsebut omonen utama, dan selanutnya dregresan dengan varabel ta bebas. Tuuan dar enulsan aer n yatu Menga analss regres omonen utama sebaga salah satu solus untu menangan multolnertas antar varabel bebas ada analss regres lner berganda, dan memberan lustras eneraan analss regres omonen utama.. LANDASAN TEORI. Revew Matrs Defns. Matrs X beruuran dataan matrs ortogonal a X X= XX = I Defns n memunya dua abat. Pertama, bentu matrs ortogonal adalah erseg (square). Kedua, arena X X = XX = I, maa suatu matrs X dataan matrs ortogonal a X = X. Defns. Msal matrs A beruuran, dan elemen dar A untu bars dan olom dnyataan dalam tr( A ) = a. Trace dar matrs A ; tr( A ) adalah umlah dar elemen dagonalnya yang ddefnsan a = Matemata UNJ

2 Msal A adalah matrs beruuran dan x adalah vetor ta nol beruuran. Nla egen dar matrs A yang dnotasan oleh adalah suatu nla yang memenuh ersamaan berut : A I =. Untu menentuan vetor egen yang bersesuaan dengan suatu nla egen, maa nla egen yang telah deroleh dsubttus e ersamaan Ax = x. Defns.4 Msal A adalah matrs smetr beruuran, maa deomoss setral matrs r A dberan oleh : A = e e = PΛP () = dengan adalah nla egen e-, dan e adalah vetor egen e- dar matrs A beruuran, P adalah suatu matrs yang elemen-elemennya vetor egen beruuran, dan Λ adalah matrs dagonal yang meml nla egen ada dagonal utamanya. Defns.5 Msal matrs A beruuran m, maa sngular value decomoston untu A ddefnsan sebaga berut : A = U Λ V ( m ) ( m m) ( m ) ( ) dengan U adalah matrs beruuran m m yang olom-olomnya adalah vetor egen yang salng ortogonal dar AA, V adalah matrs beruuran yang olom-olomnya adalah vetor egen yang salng ortogonal dar A A, dan Λ adalah matrs dagonal beruuran m dengan elemen dagonal utama ; =,,,mn( m, ) ada sel (, ), dan elemen ada selan dagonal bernla nol.. Analss Regres Lner Berganda Analss regres lner berganda meruaan analss regres yang melbatan lebh dar satu varabel bebas ( X, X,, X ) dan memunya hubungan lner dengan varabel ta bebas ( ). Model regres lner berganda yang melbatan buah varabel bebas adalah : β + β X + β X + + β X + ε () = Dalam notas matrs menad : = Xβ + ε (3) dengan adalah vetor beruuran n yang elemen-elemennya meruaan nla-nla amatan dar varabel ta bebas, X adalah matrs rancangan (desgn matrx) yang beruuran n ( + ), β adalah vetor yang beruuran ( + ) yang elemen-elemennya berua arameter (oefsen) regres, ε adalah vetor galat beruuran n, dmana galat dasumsan E( ε ) =, dan var( ε ) = σ ; =,,, n. Pendugaan arameter regres β dengan menggunaan metode uadrat terecl berdasaran model = Xβ + ε adalah dengan memnmuman umlah uadrat galat (JKG) dmana JKG drumusan sebaga berut : JKG = εε = ( Xb) ( Xb ) Ja X adalah matrs rancangan beruuran n ( + ) yang bersfat full ran dengan + n, maa enduga uadrat terecl untu b adalah ˆ β = b = ( X'X ) X' Rumusan hotess untu mengu arameter regres secara arsal adalah sebaga berut : H : = β artnya oefsen regres e- tda sgnfan atau varabel bebas e- tda berengaruh nyata terhada H : β artnya oefsen regres e- sgnfan atau varabel bebas e- berengaruh nyata terhada Statst u yang dgunaan untu mengu arameter regres secara arsal adalah : ˆ β ˆ thtung ( β ) = (4) var( ˆ β ) t ( ˆ β ) > t α, maa H dtola yang artnya varabel bebas e- berengaruh nyata Ja htung ( n ); /

3 terhada. Selang eercayaan untu β dengan tngat eercayaan ( α )% adalah ˆ β ± t var( ˆ β ) (5) ( n ); α /.3 Multolnertas Multolnertas adalah suatu onds dmana terad orelas antara varabel bebas atau antar varabel bebas tda bersfat salng bebas. Besaran (quantty) yang daat dgunaan untu mendetes adanya multolner adalah fator nflas ragam (Varance Inflaton Factor / VIF). VIF dgunaan sebaga rtera untu mendetes multolner ada regres lner yang melbatan lebh dar dua varabel bebas. Nla VIF lebh besar dar mengndasan adanya masalah multolner yang serus (Ryan, 998). VIF untu oefsen regres- ddefnsan sebaga berut : VIF = dengan : R adalah oefsen determnas antara X dengan varabel bebas lannya ada ersamaan/model dugaan regres; dmana =,,,..4 Analss Komonen Utama Analss omonen utama meruaan ten statst yang daat dgunaan untu menelasan strutur varans-ovarans dar seumulan varabel melalu beberaa varabel baru dmana varabel baru n salng bebas, dan meruaan ombnas lner dar varabel asal. Selanutnya varabel baru n dnamaan omonen utama (rncal comonent). Secara umum tuuan dar analss omonen utama adalah meredus dmens data dan untu ebutuhan nterretas..4. Komonen utama yang Dbentu Berdasaran Matrs Kovarans Msal Σ meruaan matrs ovarans dar vetor aca X = [ X, X, X ] dengan asangan nla egen dan vetor egen yang salng ortonormal adalah (, e),(, e ),,(, e ). dmana, maa omonen utama e- ddefnsan sebaga berut : W = e X = e X + e X + + e X, =,,, (7) R dmana W adalah omonen ertama yang memenuh masmum nla e Σ e =. W adalah omonen edua yang memenuh ssa eragaman selan omonen ertama dengan memasmuman nla e Σe =. W adalah omonen e- yang memenuh ssa eragaman selan W, W,, W dengan memasmuman nla e Σe =. Urutan W, W,, W harus memenuh ersyaratan. Sementara tu, roors total varans yang delasan omonen utama e- adalah : Proors total varans oulas yang = = (8) delasan oleh omonen utama e tr( Σ ) dengan =,,,.4. Komonen utama yang Dbentu Berdasaran Matrs Korelas Selan berdasaran matrs ovarans, omonen utama uga daat dbentu berdasaran matrs orelas. Hal n dlauan a varabel-varabel bebas yang damat memunya erbedaan range yang sangat besar. Komonen utama e- ; W yang dbentu berdasaran varabel-varabel yang telah dbauan Z = ( Z, Z,, Z ) dengan cov( Z) = ρ ddefnsan sebaga berut : W = e Z + e Z + + e Z =,,, (9) Sementara tu, roors total varans yang daat delasan oleh omonen utama e- berdasaran varabel bebas yang telah dbauan ddefnsan sebaga berut : Proors total varans oulas yang = = (4) delasan oleh omonen utama e tr( ρ) dengan adalah nla egen dar ρ, dan =,,, (6)

4 .4.3 Krtera Pemlhan Komonen Utama Salah satu tuuan dar analss omonen utama adalah meredus dmens data asal yang semula terdaat varabel bebas menad omonen utama (dmana < ). Krtera emlhan yatu :. Proors umulatf eragaman data asal yang delasan oleh omonen utama mnmal 8%, dan roors total varans oulas bernla cuu besar (Johnson, ).. Dengan menggunaan scree lot yatu lot antara dengan, emlhan nla berdasaran scree lot dtentuan dengan melhat leta teradnya beloan dengan menghaus omonen utama yang menghaslan beberaa nla egen ecl membentu ola gars lurus (Rencher, 998). 3. REGRESI KOMPONEN UTAMA Cara embentuan regres omonen utama melalu analss omonen utama ada dua cara. Pertama, embentuan omonen utama berdasaran matrs ovarans (eragam). Kedua, embentuan omonen utama berdasaran matrs orelas. Kedua cara tersebut dgunaan tergantung ada onds range amatan ada varabel bebas. 3. Regres omonen utama yang dbentu berdasaran matrs ovarans Msal matrs P adalah matrs ortogonal dengan memenuh ersamaan P P = PP = I. Karena W X P, maa roses ersamaan regres lner berganda menad regres omonen utama yatu : = c = Xβ + ε c = X PPβ ' + ε c = Wα + ε Model regres omonen utama yang telah dredus menad omonen adalah α + Wα + ε (6) dengan c = X meruaan matrs yang elemen-elemennya durang dengan rataannya (centered) yang mensyaratan rataan nol dan varans σ, adalah varabel ta bebas, α adalah nterse, adalah vetor yang elemen-elemennya adalah beruuran n, W adalah suatu matrs beruuran n yang elemennya terdaat omonen utama, adalah vetor galat beruuran n. α adalah vetor oefsen omonen utama beruuran 3. Regres omonen utama yang dbentu berdasaran matrs orelas (5), dan ε Persamaan regres omonen utama berdasaran matrs orelas ada dasarnya hamr sama dengan ersamaan regres omonen utama berdasaran matrs orelas yatu varabel X, X,, X dgant dengan varabel bau Z, Z,, Z. Umumnya roses untu memeroleh ersamaan regres omonen utama berdasaran matrs orelas memunya roses yang sama ada enurunan ersamaan regres omonen utama berdasaran matrs ovarans yatu ada formula (), dan (), maa model regres omonen utama berdasaran matrs orelas adalah sebaga berut : = α + Wα + ε (73) dengan adalah varabel ta bebas, α adalah nterse, adalah vetor yang elemen-elemennya adalah beruuran n, W adalah suatu matrs beruuran n yang elemennya terdaat omonen utama, dmana W = ZP, α adalah vetor oefsen omonen utama beruuran, dan ε adalah vetor galat beruuran n. 3.3 Pendugaan Koefsen Regres Komonen Utama Msal oefsen a, a,, a meruaan enduga regres omonen utama dar oefsen α, α,, α. Pendugaan oefsen dengan masmum lelhood menghaslan dugaan yang sama ada uadrat terecl, namun untu memenuh asums normal, endugaan oefsen menggunaan masmum lelhood. Prosedur menduga oefsen α ' = ( α, α,, α ) dengan metode masmum lelhood yatu dengan cara mengalan fungs denstas f ( ε ), mengambl nla logartma ( ln ), dan dturunan terhada

5 a = (,,, ), emudan dsamaan dengan nol. Pendugaan oefsen regres omonen utama yang a a a deroleh dar masmum lelhood adalah sebaga berut : n ln L( ε ( /, ε,, ε n; σ ) σ )[( Wa) ( Wa)] ln e = (84) a a = πσ dan hasl dar (4) adalah a = ( W W) W (95) Msal a = ( a, a,, a ) meruaan enduga oefsen regres omonen utama dengan omonen, maa enyederhanaan ada (5) yatu : a = ( W W ) W (6) = Λ ( X P ) ( ) c dengan Λ meruaan matrs dagonal yang memunya elemen dagonal utama (( n ) ),(( n ) ),,(( n ) ), dan P adalah matrs beruuran yang elemen-elemennya meruaan vetor egen, dmana masng-masng vetor egen e, e,, e beruuran. Ja menggunaan regres omonen utama berdasaran matrs orelas, maa endugaan arameter (oefsen) α adalah sebaga berut : a = Λ (( ZP ) ) dan a = (7) 3.4 Transformas Komonen Utama Transformas omonen utama meruaan varabel baru ( W ) yang terdaat dalam regres omonen utama dubah sedeman sehngga menad varabel asal ( X ). Hasl transformas omonen utama menad varable X c yang memunya oefsen regres f : W X c = + c + α Xβ ε = (( n ) m ) m m c m= b e e X dan b = β yatu : Hasl transformas varable X c menad varable X yang memunya oefsen regres f : Xc X = ξ + β X + β X + + β X = β X ξ β yatu : Hasl transformas omonen utama menad varable Z yang memunya oefsen regres f : W Z α Zβ ε = + + = (( n ) m ) m m c m= b e e Z dan b = Hasl transformas verabel Z menad varable X yang memunya oefsen regres γ yatu : f : Z X / g = V b dan g / = b V X β yatu : 3.5 Nla Esetas dan Varans Penduga Koefsen Regres Komonen Utama Nla esetas bas enduga oefsen regres omonen utama yatu m= + (( n ) ) e e X. Sementara tu, Nla varans regres omonen utama adalah m m m c dmana nla cov( W, W ) = ;, =,,, dan. Sementara tu nla varans ˆ σ (( n ) ) ˆ β adalah

6 ˆ σ e m ˆ σ em n, dan nla varans enduga ˆ γ m= adalah. m ˆ σ ( n ) m= m 3.6 Ilustras Regers Komonen Utama Penyelesaan lustras regres omonen utama menggunaan data rodu domest regonal bruto (PDRB) seluruh wlayah rons d Indonesa. Data seunder untu lustras n deroleh dar badan usat statst (BPS) Jaarta bagan neraca regonal yang daat dlhat ada. Data danalss dengan menggunaan rogram matlab vers 6. yang algortma rogramnya, dan mcrosoft excel Analss dengan Regres Lner Berganda Berdasaran ada lamran F, model regres lner berganda dengan menggunaan metode uadrat terecl untu menduga oefsen regres adalah ˆ = 5..5 X X +.9 X 7.74 X.98 X X X X 8.3 X 9 Adanya geala multolnertas daat dersa dengan matrs orelas, nla VIF, dan melauan u arsal ada tabel 3. : Tabel 3.: U Sgnfans Koefsen Regres Komonen Utama Beberaa ndas adanya multolnertas yatu ada varabel ( X dan X 6 ) yang tda sgnfan t ( ˆ β ).8, dan nla VIF lebh besar dar ada tabel 3. (Ryan, 998). htung Varabel Koefsen SE.Koefsen T-htung VIF X X X X X X X X X Penyelesaan dengan Regres Komonen Utama Nla egen, roors total varans, roors total varans umulatf, dan graf scree lot yatu : Tabel 3.: Nla egen, roors total varans, roors varas umulatf Nla egen Proors Total Varans Proors Varans Kumulatf Gambar 3.: Scree lot omonen utama

7 Berdasaran tabel 3., omonen yang daat mewal dar 9 omonen ada 8 omonen utama sesua dengan rtera 8% dar roors umulatf eragaman, aan teta ontrbus roors eragaman 5, 6,, 9 hanya menelasan.8%,.8%,.5%,.9%,.4%. In berart omonen e-5 sama e-9 tda ut dsertaan dalam model arena nla eragaman data asal yang daat delasan oleh omonen utama bernla relatf ecl (Johnson, 998). Sesua gambar scree lot ada gambar 3. menelasan bahwa omonen yang dlbatan dalam model hanya 4 omonen arena setelah beloan e-4, graf scree lot membentu ola lner yang artnya omonen yang membentu ola tersebut tda dsertaan dalam model. U hotess secara arsal enduga oefsen regres omonen utama e-,,3,4 sesua formula ( ) = ( n ) ( ) a Λ ZP adalah : Tabel 3.3: U sgnfans oefsen regres omonen utama Komonen Utama Koefsen Standar Error T-htung VIF W W W W Komonen utama e-4 tda sgnfan ( t ˆ htung ( α ).5) ada tabel 3.5, sehngga hanya omonen utama e-,,3 yang dlbatan dalam model. Adaun model regres omonen utama dengan 3 omonen adalah : ˆ = W W W 3 dmana a = = Model regres lner berganda yang melbatan varabel Z yang meruaan hasl transformas dar varabel W (ada 3.6) sebaga varabel bebas adalah : ˆ = Z Z +.539Z.48Z +.54Z.37Z +.68Z +.483Z +.689Z dma na b = a = , dan nla T-htung dar masng=masng varabel bebas yatu , ,.658, , , -.774, , 7.565, Karena masng-masng nla t ˆ β, maa semua htung ( ).8 varabel bebas Z berengaruh nyata terhada. Ja regres lner berganda yang terdaat varabel Z dtransformas menad varabel X sebaga varabel bebasnya, maa model regresnya adalah : ˆ = X + X + X X + X X X +.4 X +.8 X dmana masng-masng enduga oefsen regres ( g, g,, g ) deroleh dar formula g = b V / X. / g = V b, dan Perbandngan Regres Lner Berganda dan Regres Komonen Utama Salah satu rtera untu membandngan suatu model regres adalah dengan menggunaan standar error (Feedulegn, ). Untu membandngan model regres lner berganda dan regres omonen utama, aan dlhat nla standar error enduga oefsen dar masng-masng model tersebut. Nla standar error dar metode uadrat terecl dan metode omonen utama adalah sebaga berut: Tabel 3.8: Perbandngan standar error metode uadrat terecl dan omonen utama Varabel Kuadrat Terecl Komonen Utama Koefsen Standar Error Koefsen Standar Error X x -7.67x X 4.8x -7.63x X 3.9x -7.7x X x -6.6x X x x X 6.6x -7.x X x x X 8 5.9x -7.45x X x x

8 Berdasaran tabel 3.8, nla enduga oefsen standar error alng ecl adalah metode omonen utama ada regres omonen utama darada metode uadrat terecl ada regres lner berganda. Secara vsual, erbandngan standar error enduga oefsen regres lner berganda dan regres omonen utama adalah :. 4E -6. E -6. E E E -7 Regr es L n er Ber ganda Regr es Komonen Utama 4. E -7. E -7. E + X X X 3 X 4 X 5 X 6 X 7 X 8 X 9 V a r a b e l Gambar 3.: Graf standar error regres lner berganda dan regres omonen utama Berdasaran gambar 3., lot standar error enduga oefsen regres omonen utama berada d bawah lot standar error enduga oefsen regres lner berganda. Hal n daat menunuan hasl rosedur untu menduga omonen utama lebh teat dan dercaya (relable) terhada varabel-varabel bebas darada metode uadrat terecl (Feedulegn, ). 4. KESIMPULAN Berdasaran lustras ada sub bab 3.6, analss dengan regres omonen utama cuu efetf dalam mengatas multolnertas. In dtunuan ada tabel 3. dmana nla VIF masng-masng omonen utama bernla satu, dan a dlauan u arsal ada tabel 3.3, nla T-htung masng-masng varabel Z lebh besar dar T-tabel (bernla.8) artnya masng-masng varable berengaruh nyata terhada. Perbandngan regres omonen utama dengan regres lner berganda menggunaan rtera standar error enduga oefsen. Karena standar error enduga oefsen regres omonen utama bernla ecl, maa hasl rosedur untu menduga omonen utama ada regres omonen utama lebh teat dan dercaya (relable) darada metode uadrat terecl. 5. DAFTAR PUSTAKA Feedulegn, B.D., Colbert,J.J., Hcs, Jr.R.R. & Schucers, M.E.. Cong wth Multcollnearty: An Examle on Alcaton of Prncal Comonents Regresson n Dendroecology. 3 Setember 6, l. WIB. Johnson, R.A. & Wchern, D.W.. Aled Multvarate Statstcal Analyss, 5th edton. Pearson Educaton Internatonal. Myers, R.H. & Mlton, J.S. 99. A Frst Course In The Theory Of Lner Statstcal Models. PWS-KENT Publshng Comany, Boston. Rencher, A.C Multvarate Statstcal Inference and Alcaton. Wley-Interscence Publcaton, Brgham.

ABSTRAK ANALISIS KOMPONEN UTAMA

ABSTRAK ANALISIS KOMPONEN UTAMA JURNAL MATEMATIKA DAN PEMBELAJARANNYA 03 VOLUME, NO.. ISSN 303-099 ABSTRAK ANALISIS KOMPONEN UTAMA Marana, Dosen Penddkan Matematka Fakultas Tarbyah dan Keguruan, IAIN Ambon 0854435773, E-mal: anastt_0@yahoo.com

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

KOMPONEN UTAMA UNTUK PENGENDALIAN KUALITAS SECARA STATISTIK. Nunik Nurhasanah 1, Diah Safitri 2

KOMPONEN UTAMA UNTUK PENGENDALIAN KUALITAS SECARA STATISTIK. Nunik Nurhasanah 1, Diah Safitri 2 Komonen Utama...(Nun Nurhasanah) KOMPONEN UAMA UNUK PENGENDALIAN KUALIAS SECARA SAISIK Nun Nurhasanah, Dah Saftr Alumn Program Stu Statsta FMIPA UNDIP Staf Pengaar Program Stu Statsta FMIPA UNDIP Abstract

Lebih terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

ANALISIS PEUBAH GANDA (MULTIVARIATE ANALYSIS

ANALISIS PEUBAH GANDA (MULTIVARIATE ANALYSIS ANALISIS PEUBAH GANDA (MULTIVARIATE ANALYSIS Pengantar Analss Peubah Ganda Dr.Ir. I Made Sumertajaya, MS Deartemen Statstka-FMIPA IPB Emal : kulah_ag@yahoo.com Password: akmade Mater APG No I II III IV

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion 7 Otmum Smlex.(Ruslan et al.) Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron ) Ruslan,

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation) Otmas Bobot Portofolo dan Estmas VaR * (Portfolo Weghted Otmzaton and VaR Estmaton) Suono, Subanar & Ded Rosad 3 Jurusan Matemata FMIPA UNPAD Bandung, e-mal : fsuono@yahoo.com Jurusan Matemata FMIPA UGM

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3) Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

Regresi Linear Sederhana dan Korelasi

Regresi Linear Sederhana dan Korelasi Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar

Lebih terperinci

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Unverstas Padjadjaran, 3 November 00 (M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Anndya Aprlyant Pravtasar

Lebih terperinci

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA

ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Analss Klaster (Aan Rosatun) ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Aan Rosatun Tat Wdharh, Dah Saftr Staf Nusantara Sat Motor Jaarta Staf Pengaar Prod Statsta

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

Perbandingan Metode Partial Least Square (PLS) dengan Regresi Komponen Utama untuk Mengatasi Multikolinearitas

Perbandingan Metode Partial Least Square (PLS) dengan Regresi Komponen Utama untuk Mengatasi Multikolinearitas Statstka, Vol. No., 33 4 Me 0 Perbandngan Metode Partal Least Square (PLS) dengan Regres Komponen Utama untuk Mengatas Multkolneartas Nurasana, Muammad Subanto, Rka Ftran Jurusan Matematka FMIPA UNSYIAH

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL -6 98:. eguh d. AAR UADRA ESEMBLE ALMA FILER (A-EnF PADA ESIMASI POSISI ROBO MOBIL. eguh, Subchan,*,. endro, A. Erna, S.P. Dd 2, dan M. omarudn 3 Insttut enolog Seuluh oember 2 Polten Eletrna eger Surabaya

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

ESIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS

ESIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 1109-1116 Onlne d: http://eournal-s1.undp.ac.d/ndex.php/gaussan ESIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD,

Lebih terperinci

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

Analisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah

Analisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah ELECTRANS, Jurnal Ten Eletro, Komputer dan Informata http://eournal.up.edu/ndex.php/electrans Analss aras Parameter Bacpropagaton Artfcal Neural Networ dan Prncpal Component Analyss Terhadap Sstem Pengenalan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

PENGGUNAAN KRITERIA rcp PADA PEMILIHAN PEUBAH BEBAS TERBAIK JIKA TERDAPAT MULTIKOLINEARITAS

PENGGUNAAN KRITERIA rcp PADA PEMILIHAN PEUBAH BEBAS TERBAIK JIKA TERDAPAT MULTIKOLINEARITAS PENGGUNAAN KRIERIA rp PADA PEMILIHAN PEUBAH BEBAS ERBAIK JIKA ERDAPA MULIKOLINEARIAS Harm Sugart (harm@mal.ut.a.d) Unverstas erbuka ABSRAC Some roedures an be used for seletng ndeendent varables, one of

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN EORI.. Regres... Pengertan Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan kta meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu atau lebh peubah bebas

Lebih terperinci

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression JURNAL SAINS DAN SENI POMIS Vol., No., (3) 337-35 (3-98 Prnt) D-48 Pemodelan Baya Langsung Proyek Perusahaan Jasa Konstruks P. dengan Multvarate Regresson Sulstanngrum, Irhamah, dan Muhammad Mashur Jurusan

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

PERBANDINGAN ROTASI FAKTOR DALAM ANALISIS FAKTOR PENILAIAN SIKAP

PERBANDINGAN ROTASI FAKTOR DALAM ANALISIS FAKTOR PENILAIAN SIKAP PERBANDINGAN ROTASI FAKTOR DALAM ANALISIS FAKTOR PENILAIAN SIKAP (Tess) Oleh DWI MARDIANI MAGISTER MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR LAMPUNG 016 ABSTRACT

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT)

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT) Evaluas Tngkat Valdtas Metode Penggabungan Reson (Indeks Penamlan Tanaman, IPT) 1 Gust N Adh Wbawa I Made Sumertajaya 3 Ahmad Ansor Mattjk 1 Mahasswa S3 Pascasarjana Statstka IPB,3 Staf Pengajar Deartemen

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

I BBB TINJAUAN PUSTAKA

I BBB TINJAUAN PUSTAKA I BBB TINJAUAN PUTAKA. Pendahuluan Dalam enulsan mater okok dar skrs n derlukan beberaa teor-teor yang mendukung, yang menjad uraan okok ada bab n. Uraan dmula dengan membahas dstrbus varabel acak kontnu,

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305 JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan

Lebih terperinci