JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)"

Transkripsi

1 URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D6 Aalss Regres Logst Ordal utu Megetahu Tgat Gaggua Tuagrahta d Kabuate Poorogo Berdasara Fator-Fator Iteral Peebab Tuagrahta Eva Arum Setar da Mutah Salamah urusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Seuluh Noember (ITS) l. Aref Rahma Ham, Surabaa 60 Idoesa e-mal: mutah_s@statsta.ts.ac.d Abstra Tuagrahta adalah ods ag meggambara ecerdasa metal d bawah ormal dega IQ (Itellectual Queto) teruur urag dar 70 da berdama ada emamua emeuha ebutuha dasar. Aa tuagrahta meuua etdamamua adatas erlau ag mucul sebelum usa 8 tahu. Poorogo adalah salah satu wlaah dega eada tuagrahta tgg d awa Tmur sela Surabaa, Bauwag, da Malag. Keada tuagrahta d Poorogo meuua egata dar 0,4% d tahu 00 mead 0,% ada tahu 0. Lma desa d Kabuate Poorogo ter-betag d lereg eguuga dega maortas edudu mederta eterbelaaga metal. Tuagrahta dategora bertgat atu, debl (rga), mbsl (sedag), da dot (berat). Gaggua tuagrahta dsebaba oleh fator teral ada ods re-atal, atal, da os-atal. Alas metode regres logst ordal ada asus tuagrahta d Poorogo memula bahwa ertologa elahra, berat ba lahr, da rogram atau tumbuh embag ba/balta berera dalam tgat gaggua tuagrahta dar seorag ederta. Proses elahra dbatu meds da berat lahr ormal ada seorag ederta tuagrahta meurua reso utu megalam gaggua ag lebh berat. Sedaga ederta gaggua tuagrahta berat aa bereluag lebh tgg utu medaata rogram atau tumbuh embag ba/balta dbadga ederta gaggua ag lebh redah. Kata Kuc debl, dot, mbsl, regres logst ordal, tuagrahta. T I. PENDAHULUAN UNAGRAHITA adalah stlah dua edda utu ods ecerdasa metal d bawah ormal (retardas metal) []. Hal terad abat dsfugs susua saraf usat sehgga ecerdasa teletual atau IQ (Itellectual Queto) teruur d bawah 70. IQ redah berdama ada e-mamua memeuh ebutuha dasar []. Tuagrahta me-uua etdamamua adatas erlau ag mucul sebelum usa 8 tahu []. Cr umum aa tuagrahta dar seg ecerdasa: aastas belaar terbatas ada hal abstra (lebh baa belaar bua dega egerta); seg sosal: tda daat bergaul/berma dega tema sebaa, esulta merawat/meolog dr, beromuas, da beradatas de-ga lguga; gaggua fugs metal: sult memusata erhata, mudah lua, meghdar dr dar erbuata ber-r; doroga emos: arag meml rasa bagga, tag-gug awab, eghaata, ada gologa berat hamr tda bsa meghdar bahaa da memertahaa dr [4]. Keada tuagrahta tgg d awa Tmur terdaat d Poorogo, Surabaa, Bauwag, da Malag. Persetase ederta tuagrahta d Poorogo tahu 00 meumbag 0,0005% terhada eada Nasoal da meuru mead 0,0005% ada tahu 0 [5]. Namu, eada tuagrahta d Poorogo meuua egata atu dar 0,4% ada 00 mead 0,% ada tahu 0 [6]. Lma desa d Poorogo meruaa wlaah lereg eguuga dega maortas edudu mederta eterbelaaga metal, atu Desa Krebet da Sdoharo (Kecamata ambo), Desa Karagatha da Pada (Kecamata Balog), da Desa Daaa (Kecamata Badega) [7]. Tuagrahta dategora sebaga tgata atu, debl (rga), mbsl (sedag), da dot (berat) [8]. Gaggua tu-agrahta dtau dar fator-fator teral ada ods re-atal, atal, da os-atal [9]. Regres logst ordal d-alasa sebaga aalss tgat gaggua tuagrahta berdasara rwaat eturua, usa bu saat haml, testas emersaa ehamla, status esehata bu (teraar/tda terhada suatu eat sebelum da selama ehamla), er-tologa elahra, berat ba lahr, rogram emataua tumbuh embag ba/balta, da status gz balta. a fator-fator beregaruh terhada tgat gaggua tua-grahta daat ddetfas maa daat dambl tdaa re-vetf gua megedala eada tuagrahta d Poorogo. II. TINAUAN PUSTAKA A. U Ideedes dalam Tabel Kotges Dua Dmes Tabel otges adalah te eusua data utu melhat hubuga atar beberaa varabel ategoral bersa-la omal atau ordal. Tabel R C terdr dar varabel Y de-ga ategor dataa dalam R bars da varabel X de-ga ategor dataa dalam C olom. Tabel otges dua dmes beruura RC bers freues egamata dar ombas ategor edua varabel [0]. Notas ag dguaa dalam tabel otges dua dmes adalah sebaga berut: : freues egamata ada bars e-r da olom e-c r+ : total maral ada varabel bars +c : total maral ada varabel olom ++ : total freues egamata Freues egamata dasumsa berdstrbus multomal dega uura samel da robabltas. a edua varabel deede, freues haraa adalah m.

2 URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D64 m () Persamaa () dguaa a robabltas oulas tda detahu. Probabltas dtasr dar freues egamata. r c () ˆ r da ˆ c Freues haraa sel e- dar dua varabel deede: m ˆ r ˆ c () r c m dmaa, : robabltas egamata ada bars e-r da olom e-c r+ : robabltas egamata ategor Yr +c : robabltas egamata ategor Xc U deedes dguaa utu megetahu sgfas hubuga dua varabel []. Hotess ag dguaa atu: H 0 : = r+ +c (Tda ada hubuga atara dua varabel ag damat/salg deede) H : r+ +c (Ada hubuga atara dua varabel ag damat/salg deede) Statst u Ch-Square adalah sebaga berut: R C m (4) χ = r c m Keteraga: : observas ada varabel e r da c m : freues haraa a H 0 bear Krtera eutusa H 0 dtola ada taraf sgfas α a χ htug > χ (α,db), dmaa deraat bebas db=(r-)(c-). B. Regres Logst Ordal Regres logst ordal meruaa metode statsta ag dguaa utu megaalss varabel reso bersala ordal dega tga ategor atau lebh da varabel redtor ag daat bersfat ategor mauu otu []. Model regres logst ordal adalah model logt umulatf. Msal Y adalah varabel reso bersala ordal meml ategor dega varabel redtor sebaa, eluag umulatf P(Y ) ddefsa sebaga berut: e α (5) PY e α dmaa =(,,..., ) meruaa la egamata e- (=,,...,) dar seta varabel redtor []. Model regres logst ordal adalah sebaga berut: PY (6) Logt PY l α P Y dmaa α adalah arameter terse da =(,,..., ) adalah oefse regres. Fugs lasfas dar ategor reso terbetu seumlah -. a ( )=P(Y ) meataa eluag ategor reso e- ada varabel redtor ag dataa dalam vetor maa la ( ) deroleh dega ersamaa berut: γ P Y (7) r c Aabla terdaat tga ategor reso (=,,) maa la eluag masg-masg ategor reso adalah: e α e α P Y PY PY e α e α e α e α PY PY e α e α e α e α e α e α e α C. Peasra Parameter (8) (9) (0) Peasra arameter regres logst ordal dlaua dega metode Mamum Lelhood Estmato (MLE) da dselesaa dega metode teras umer Newto- Rahso. Lagah awal dalam metode MLE adalah membuat fugs lelhood dar regres logst ordal utu samel dega deede observas (, ) sebaga berut: lθ () θ 0 α T α α adalah arameter ag destmas dega cara memasmuma fugs lelhood. Selauta dlaua trasformas l ada fugs lelhood berut: Lθ llθ l l l l l l l l l- Hasl eurua arsal () bersfat oler sehgga dguaa metode Newto-Rahso dalam eelesaa []. Persamaa utu medaata tasra arameter adalah: t t t t θ θ Hθ gθ () H(θ) adalah matrs osgular dega eleme-eleme matrs ag meruaa turua arsal edua dar fugs l-lelhood terhada arameter ag destmas, g(θ) adalah vetor dega eleme turua arsal ertama dar fugs l-lelhood terhada arameter ag destmas, da t adalah baaa teras (t=0,,,...). Sarat erlu agar vetor θ me-masmuma () adalah H(θ) harus deft egatf. Iteras Newto Rahso aa berhet a θ (t+) - θ (t) ε, dmaa ε meruaa suatu blaga ag sagat ecl. ()

3 URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D65 Hθ da g Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ Lθ θ D. U Sereta Lθ Lθ Lθ Lθ Lθ T Pegua sereta dlaua gua megetahu sgfas arameter terhada model secara bersama-sama, dlaua dega lelhood rato test []. Hotess eguaa: H 0 : = =...= =0 H : alg sedt ada satu 0, =,,..., Statst u ag dguaa adalah G atu: G l dmaa, ˆ ˆ ˆ ˆ ˆ ˆ - (4) ; ; ; - Statst u G megut dstrbus Ch-square dega deraat bebas baaa arameter dalam model. Krtera eutusa tola H 0 ada taraf sgfas α a G >χ (α,), dega adalah umlah varabel redtor dalam model. E. U Parsal Pegua arsal dlaua gua megetahu sgfas varabel redtor terhada model dega Wald test []. Hotess ag dguaa adalah: H 0 : =0 H : 0, =,,..., Statst u ag dguaa adalah: (5) ˆ W SE ˆ dmaa ˆ meruaa easr arameter dar, ˆ Var SE (6) ˆ Var ( ˆ ) adalah eleme dagoal e-(+-) matrs Var ( θˆ ) ag beruura (+-) (+-) da adalah umlah ategor varabel reso. Krtera eutusa tola H 0 ada taraf sgfas α a W >Z α/. F. Odds Rato Odds rato (ψ) meelasa beraa al lat eaa/eurua eluag Y= terhada Y=0 sebaga referes, a la varabel bebas () berubah sebesar la tertetu atu =a terhada =b [] sebagamaa ersamaa berut: a a a,b ab P Y P Y 0 (7) OR ψ P Y b P Y 0 b Nla odds rato selalu ostf. Hubuga atara odds rato (ψ) da arameter model () adalah: ψ e a b (8) ab a ψ< maa edua varabel terdaat hubuga egatf. a ψ> maa edua varabel terdaat hubuga ostf. G. Tuagrahta Tuagrahta adalah oss eterbelaaga metal (retardas metal) ag dlasfasa mead tga gologa [8]: a. Tuagrahta rga(debl). Usa metal dewasa setara usa 8-0 tahu 9 bula. Retag IQ atara Pada usa - 5 tahu sult dbedaa dega aa ormal. Kadagadag merea meuua sedt esulta sesormotor. D ahr usa remaa, sult megut edda lauta (memerlua edda husus). b. Tuagrahta moderate(imbsl). Retag IQ atara Usa metal dewasa setara usa 5 tahu 7 bula-8 tahu bula. Pada usa -5 tahu bsa belaar beromuas, esadara sosal buru, erembaga motor tda terlalu ba, bsa daar merawat dr sedr, da bsa megelola dra dega egawasa orag dewasa. c. Tuagrahta berat(idot). Usa metal saat dewasa setara aa usa tahu bula-5 tahu 6 bula. Retag IQ atara 5-9. Perembaga motor buru, bcara mm, basaa sult dlath agar bsa merawat dr sedr (harus dbatu), sergal tda ua etramla omuas. H. Peebab Tuagrahta Tuagrahta dsebaba oleh fator-fator teral atu geet, ermasalaha re-atal, atal, os-atal [9]. Permasalaha ods re-atal melut erembaga a da tubuh bu, atu eturua, usa bu saat haml, testas emersaa ehamla, da status teraar eat/tda ada bu haml [9]. Kods atal melut ahr ehamla (setelah mggu e-8) hgga eoatal (4 mggu ehdua), atu erto-loga elahra, berat bada ba lahr, da ba teraar eat/tda hgga 4 mggu setelah elahr-a [9]. Permasalaha ods os-atal melut masa ba hgga aa-aa (usa lebh dar 4 mggu sama usa sebe-lum megalam ubertas atau ±0 tahu) seert rogram atau tumbuh embag ba/balta, da status gz ag dtau dar es maaa ag dosums eluarga [9]. A. Sumber Data III. METODOLOGI PENELITIAN Data bersumber dar Das Kesehata Kabuate Poorogo da emertah Desa Daaa, Krebet, Sdoharo, Pada, da Karagatha, da hasl surve ada ederta tuagra-hta terlh sebaga ut eelta, atu merea ag belum berusa 8 tahu da sama tahu 0 teatat sebaga war-ga d desa tersebut. Iformas deroleh melalu wawacara eada eluarga/tooh masaraat ag megetahu rwaat ederta dega membaga uesoer. Peetua umlah aggota samel total ut eelta dlaua dega rumus Taro Yamae da Slov seert ersamaa berut []: N (9) Nd Keteraga: = umlah aggota samel N = umlah oulas d = ress (msal 0%, 5%, dst)

4 URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D66 Poulas ut eelta ada 8 ederta da la ress ag dguaa adalah 0%. umlah samel terlh adalah: , ,,8 umlah aggota samel berstrata dtetua dega roortoal radom samlg da aggotaa dlh secara aca. Rumus aloas roorsoal adalah: N s s N (0) Keteraga: s = umlah aggota samel meurut stratum N s = umlah aggota oolas meurut stratum umlah ut samel d masg-masg desa deroleh dar rumus aloas roorsoal dega a atu, Desa Krebet dar 4 ederta terlh 5, Desa Sdoharo dar 64 eder-ta terlh 7, Desa Pada dar 5 ederta terlh, Desa Karagatha dar 4 ederta terlh 6, da Desa Daaa dar 9 ederta terlh 8. B. Varabel Peelta Peelta megguaa tgat gaggua tuagrahta sebaga varabel reso (Y) dega tga ategor tgata, Y 0=Rga (Debl), Y =Sedag (Imbsl), Y =Berat (Idot). Varabel redtor (X) daat dlhat ada Tabel berut. Tabel. Varabel Predtor Peelta Fator-fator ada ods re-atal Fator-fator ada ods atal Fator-fator ada ods os-atal C. Metode Aalss Varabel Rwaat Keturua (X) Usa Ibu Saat Haml (X) Itestas Pemersaa Kehamla (X) Status esehata Ibu (X4) Pertologa Kelahra (X5) Berat Ba Lahr (X6) Program Patau Tumbuh Kembag Ba/Balta (X7) Sala/Kategor Nomal 0 = tda = ada Raso Raso Nomal 0 = sehat = sat Nomal 0 = teaga meds = sela teaga meds Nomal 0 = ormal = redah Nomal 0 = megut = tda megut Lagah-lagah dalam aalss data eelta adalah:. Metrasformas formas ualtatf mead uattatf.. Melaua terretas araterst ederta tuagrahta.. Melaua aalss regres logst ordal, a. Melaua estmas arameter. b. Megu arameter secara sereta da arsal. c. Membagu model logt. d. Melaua treretas fator-fator ag memegaruh tgat gaggua tuagrahta. 4. Mear esmula fator-fator doma ag beregaruh terhada asus tuagrahta d Poorogo. IV. HASIL DAN PEMBAHASAN A. Aalss Karaterst Aalss araterst meggambara ods ederta tuagrahta secara umum. Pederta tuagrahta d Poorogo sebaa 50% adalah dot. Sedaga 9,% da 0,69% adalah mbsl da debl. Pederta dot sebaa 6% terda-at d Desa Sdoharo ag meruaa wlaah dega er-setase tertgg dbadg desa laa. Pederta mbsl se-baa 47% terdaat d Desa Sdoharo ag meruaa er-setase tertgg dbadga ada ategor ag sama d wlaah desa la. Pederta debl dega ersetase tertgg atu 4% terdaat d Desa Krebet. Observas ederta debl, mbsl, da dot secara lega haa teramat d Desa Sdoharo da Desa Krebet. Sedaga ederta tuagrahta d Desa Pada haa teramat ada satu ategor atu debl. Tabel. Karaterst Pederta Tuagrahta dega Fator-Fator Peebab Varabel X Tgat Gaggua Tuagrahta (%) Debl Imbsl Idot Total (%) X Tda (0) 0,4,07 0,69 4,0 Ada () 0,4 7,4 9, 56,89 X4 Sehat (0),07,07,76 56,89 Teraar () 8,6 7,4 7,4 4,0 X5 Meds (0) 5,5 7,4 7,4 50,00 Selaa () 5,7,07,76 50,00 X6 Normal (0),79 5,5 0,69 50,00 Redah () 6,90,79 9, 50,00 X7 Megut (0),45 0,4,0 44,8 Tda () 7,4 8,97 8,97 55,8 Maortas ederta meml rwaat eluarga tuagrahta, ods bu sehat, da tda megut rogram atau tumbuh embag ba/balta seert ada Tabel. Kelahra ederta dtolog meds dega ag selaa meml ersetase sama, ods berat ba lahr ormal da redah uga meml ersetase ag sama. Usa bu saat megadug ederta alg baa adalah 6 tahu atu,79%. Usa 9 tahu da 0 tahu mead ersetase terbaa edua da etga atu,07%. Ibu dar ederta tuagrahta medaata fasltas elaaa ese-hata selama erode ehamla mesu cuu sederhaa. Ibu ag mamu meala emersaa dega ba atu 4 al emersaa haa 4,48%. Maortas bu melaua al emersaa dega ersetase sebesar 6,%. Tabel. U Ideedes Varabel Reso dega Varabel Predtor Varabel Ch-Square -value Keteraga X 0,96 0,865 Tda Ada Hubuga X4,609 0,7 Tda Ada Hubuga X5 6,5 0,044 Ada Hubuga X6,54 0,40 Tda Ada Hubuga X7 7,958 0,087 Ada Hubuga Tabel meuua bahwa tgat gaggua tuagrahta berhubuga dega era eolog saat roses elahra da rogram atau tumbuh embag ba/balta. Teaga meds ag meolog roses elahra aa meguaaa eagaa ceat da ama aabla elahra tda dalam ods ormal. Peeleggaraa rogram atau tumbuh embag ba/balta d lma desa tersebut mash dfousa ada warga ag ormal (tda cacat) da cacat berat. Sehgga bag warga dega ategor cacat rga atau sedag luut dar emataua da urag medaat erhata. B. U Sereta U sereta dlaua dega memasua semua varabel redtor dalam egua Lelhood Rato Test ada α=0,. H 0 : = =...= 7=0 H : alg sedt ada satu =0, =,,...,7

5 URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D67 Tabel 4. U Sereta Taha Awal Test Ch-Square df -value Lelhood Rato 0,89 8 0,0074 Hasl Lelhood Rato adalah 0,89 da -value 0,0074, la eluag lebh ecl dar α seert ada Tabel 4. Ke-smulaa, secara sereta ada varabel redtor ag sg-fa beregaruh. Selauta dlaua u arsal utu medetes varabel beregaruh dalam model. C. U Parsal Pegua arsal dlaua utu megetahu varabel redtor beregaruh dalam model ada taraf sgfas 0, dega Wald test. Hotess eguaa adalah: H 0 : =0 H : 0, =,,...,7 Tabel 5. U Parsal Regres Logst Ordal Varabel df Wald -value Keutusa Iterse (0) 0,684 0,44 Gagal Tola H0 Iterse (),4656 0,64 Gagal Tola H0 X 0,0680 0,794 Gagal Tola H0 X,477 0,55 Gagal Tola H0 X 0,094 0,868 Gagal Tola H0 X4 0,46 0,77 Gagal Tola H0 X5 5,748 0,065 Tola H0 X6 7,057 0,0079 Tola H0 X7 6,0960 0,05 Tola H0 Varabel beregaruh terhada tgat gaggua tuagrahta adalah ertologa elahra, berat ba lahr, da rogram atau tumbuh embag ba/balta. Ketgaa meml -value lebh ecl dar 0, seert ada Tabel 5. Varabel ertologa elahra da berat ba lahr meruaa fator ag dtau ada ods atal, sedaga varabel rogram atau tumbuh embag ba/balta adalah fator ag dt-au ada ods osatal. Tabel 6. U Sereta Setelah Dlaua Metode Bacward Elmato Test Ch-Square df -value Lelhood Rato 7,887 0,0005 Model regres logst ordal dbagu dar varabel ag sgfa beregaruh. Seles varabel dlaua dega bacward elmatos. Hasl u seretaa ada Tabel 6 meuua bahwa la Lelhood Rato sebesar 7,887 dega -value lebh ecl dar 0, da dsmula bahwa secara sereta ada varabel redtor ag sgfa beregaruh. Selauta dlaua u arsal. Tabel 7 meuua bahwa ertologa elahra, berat ba lahr, da rogram atau tumbuh embag ba/balta beregaruh ata ada taraf sgfas 0, sehgga etga varabel meetua tgat gaggua tuagrahta. Selaut-a melaua estmas arameter dega metode MLE. Tabel 7. Aalss Mamum Lelhood Estmates da U Parsal Setelah Dlaua Metode Bacward Elmato Varabel Estmas Parameter df Wald Ch-Square -value Iterse (0) -,886 4,406 0,057 Iterse () 0,4407 0,5576 0,455 X5 -,048 4,57 0,0 X6 -,405 5,77 0,06 X7,5646 6,665 0,0098 Estmas arameter ada Tabel 7 meuua bahwa seluruh varabel redtor sgfa berdasara la Wald ch-square da -value ada taraf sgfas 0,. Dega dema daat dbagu model regres logst ordal berdasara varabel ertologa elahra, berat lahr ba, da rogram atau tumbuh embag ba/balta. D. Model Regres Logst Ordal Model logt dsusu berdasara arameter sgfa ag dhasla dega hasl sebaga berut: Logt Y,886,048,405,5646 Logt Y 0,4407,048,405, Fugs eluag utu seta ategor reso adalah: Peluag reso debl: ˆ Y e,886,0485,4056,56467 e,886,0485,4056,56467 Peluag reso mbsl: ˆ Y Y e 0,4407,0485,4056,56467 e 0,4407,0485,4056,56467 e,886,0485,4056,56467 e,886,0485,4056,56467 Peluag reso dot: ˆ Y Y e 0,4407,0485,4056,56467 e 0,4407,0485,4056,56467 e 0,4407,0485,4056,56467 Cotoh alas model regres logst ordal a detahu ederta dega ods elahra tda dtolog teaga meds, berat lahr redah, da tda megut rogram atau tumbuh embag ba/balta maa eluag ada seta ategor reso adalah: Peluag megalam debl adalah: e,886,048,405,5646 ˆ 0,088 e,886,048,405,5646 Peluag megalam mbsl: e 0,4407,048,405,5646 ˆ e 0,4407,048,405,5646 e,886,048,405,5646 e,886,048,405,5646 0,649 0,088 0,766 Peluag megalam dot adalah: ˆ 0,6467 e 0,4407,048,405,5646 Pederta ag elahraa dtolog sela teaga meds, berat ba lahr redah, da tda megut rogram atau tumbuh embag ba/balta memua eluag tertgg mederta dot atu 0,6467. Nla eluag utu seta om-bas ategor varabel redtor terhada tgat gaggua tuagrahta dsaa dalam Tabel 8 berut. Tabel 8. Kombas Kategor Varabel Predtor da Nla Peluag Reso Tgat No Gaggua Tuagrahta Prob. Debl Prob. Imbsl Prob. Idot Dugaa Kategor Reso ,6 0,9 0,96 Imbsl 0 0 0,5686 0,8 0,86 Debl 0 0,44 0,404 0,54 Imbsl ,06 0,6 0,740 Idot 5 0,088 0,649 0,6467 Idot 6 0 0,099 0,087 0,8975 Idot ,076 0,44 0,68 Idot 8 0 0,8 0,4069 0,099 Imbsl Kods ederta dega ertologa elahra dbatu meds, berat lahr ormal, da tda megut rogram atau tumbuh embag ba/balta dagga sebaga ods terba bag ederta tuagrahta. Sedaga ods ela-

6 URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D68 hra tda dbatu meds, berat lahr redah, da megut rogram atau tumbuh embag dagga sebaga ods alg arah bag ederta tuagrahta. E. Fator-Fator ag Megata Reso Nla odds rato utu masg-masg varabel dhtug agar daat detahu reso ada seta ategor tgat gag-gua tuagrahta. Tabel 9. Estmas Odds Rato Kategor Varabel Estmas Tt Batas Kofdes Wald (95%) Batas Bawah Batas Atas X5() terhada X5(0) 0,00 0,099 0,908 X6() terhada X6(0) 0,45 0,078 0,77 X7() terhada X7(0) 4,78,458 5,680 Berdasara Tabel 9 detahu bahwa ecederuga ederta dega roses elahra dbatu teaga meds utu megalam tgat gaggua lebh redah adalah, (/0,) al dbadga roses elahra tda dbatu tea-ga meds. Kecederuga ederta ag megalam berat la-hr ormal utu megalam tgat gaggua ag lebh redah adalah 4,08 (/0,45) al dbadg ag mega-lam berat lahr redah. Sedaga ederta gaggua tua-grahta berat bereluag 4,78 al lebh besar utu meda-at rogram emataua tumbuh embag ba/balta dba-dga ederta dega gaggua ag lebh redah. Hal dmuga area eagaa ederta dot dlau-a lebh tesf dbadga ederta debl atau mbsl. V. KESIMPULAN DAN SARAN Kesmula ag deroleh dar hasl aalss data da embahasa ada eelta adalah sebaga berut: Pederta tuagrahta d Poorogo terbaa ada ategor dot (50%) dega sebara terbaa d Desa Sdoharo. Maortas ederta meml rwaat eluarga tuagrahta, dla-hra dar bu ag megadug ada usa 6 tahu, dega emersaa ehamla al, ods bu sebelum/ selama ehamla adalah sehat, da tda megut rogram atau tumbuh embag ba/balta. Kelahra ederta d-tolog meds dega ag tda meml ersetase ber-mbag, seert ada berat lahr redah dega ormal. Varabel beregaruh sgfa terhada tgat gaggua ederta tuagrahta (α=0,) ada ods atal adalah ertologa elahra da berat ba lahr, sedaga ada ods os-atal adalah rogram atau tumbuh embag ba/balta. Model logt ag terbetu adalah: Logt Y,886,048,405,5646 Logt Y 0,4407,048,405, Pera meds da elahra ormal meurua reso utu megalam gaggua tuagrahta berat, sedaga ederta gaggua tuagrahta berat beresemata lebh besar utu medaata rogram atau tumbuh embag ba/ balta dbadga ederta gaggua ag lebh redah. Sara utu eelta selauta adalah megdetfas fator-fator eebab tgat gaggua tuagrahta dega taua ods ag lebh luas sela fator teral ada ods re-atal, atal, da os-atal. Sela tu, Pemertah Kabuate Poorogo daat meau embal rogram em-berdaaa eadag cacat d lma wlaah desa dega megotmala emafaata ol esehata utu memfas-ltas da memba rogram laaa esehata bag bu da balta sehgga detes ecacata hususa utu ederta tuagrahta daat dtaga sea d. DAFTAR PUSTAKA [] Effed, M. (006). Pegatar Psoedagod Aa Berelaa. aarta: PT. Bum Asara. [] Gredaus, D. E., & Pratt, H. D. (005). Sdromes ad Dsorders Assocated wth Metal Retardato. Ida oural of Pedats, 7, [] Ctoo, & Surato, S. (00). Ba Dr Aa Tuagrahta. Das Pedda Provs awa tegah: Kara Ilmah dsamaa ada Pelatha Guru Pembmbg Khusus BP Dsus Provs awa Tegah. [4] Astat. (00, auar). Meuu Kemadra Aa Tua Grahta. Dambl embal dar htt://btagbagsau.com Se, Februar 05. [5] BPS. (00). Sesus Pedudu 00 Idoesa. Dambl embal dar Bada Pusat Statsta Idoesa: Se, Februar 05. [6] PDA. (0). Poorogo Dalam Aga 0. Poorogo: Bada Perecaaa da Pembagua Daerah Kabuate Poorogo. [7] ear. (Rabu, Februar 0). Kamog Idot d awa Tmur dalam Radar Poorogo. Poorogo, awa Tmur, Idoesa. [8] Semu, Y. (006). Kesehata Metal. Yogaarta: Peerbt Kasus. [9] Armatas, V. (009). Metal Retardato: Defto, Etolog, Edemolog ad Dagoss. oural of Sort ad Health Reseah, (): -. [0] Agrest, A. (996). Categoal Data Aalss. New Yor: oh Wle & Sos, Ic. [] Agrest, A. (00). Categoal Data Aalss. New Yor: oh Wle & Sos, Ic. [] Hosmer, D. W., Lemeshow, S., & Sturdvat, R. X. (0). Aled Logstc Regresso. New Yor: oh Wle & So, Ic. [] Rduwa, & Egos, A. K. (0). Cara Megguaa da memaa Path Aalss (Aalss alur). Badug: Alfabeta.

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311 JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,

Lebih terperinci

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion)

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion) Jural EKSPONENSIALVolume Nomor September 00 ISSN 085-789 Pemlha Model Regres Terba Megguaa Aae s Iformato Crtero (The Best Regresso ModelSelecto UsgAae s Iformato Crtero) M. Fathurahma Staf Pegaar Program

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa

Lebih terperinci

KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK) DI SURABAYA UTARA. Oleh : Lina Firdausiyah ( )

KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK) DI SURABAYA UTARA. Oleh : Lina Firdausiyah ( ) KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK DI SURABAYA UTARA Oeh : La Frdausah (36 Pembmbg : Prof. Dra. Susat Luwh, M.Stat, PhD. da Wbawat, S.S., M.S. ABSTRAK Keas Laaa Khusus (KLK merupaa saah satu

Lebih terperinci

Analisis Aliran Daya

Analisis Aliran Daya Darublc www.darublc.cm Aalss Alra Daa udarat udrham Dalam aalss ragaa lstr, dlaua dealsas. umber dataa sebaga sumber tegaga deal atau sumber arus deal, da beba dataa sebaga medas dega araterst ler. umber

Lebih terperinci

PENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford

Lebih terperinci

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner.

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner. 1 PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENDERITA PENYAKIT KAKI GAJAH (FILARIASIS DI PROVINSI NANGROE ACEH DARUSSALAM (NAD DENGAN REGRESI LOGISTIK BINER 1 Wdh Au Octava, Ir. Sr Pgt Wuladar, M.S 1 Mahasswa,

Lebih terperinci

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b] Jural Sas da Matemata Vol (3): 58-63 () Fuctoally Small Rema Sums Fugs Tertegral Hestoc-uford ada [a,b] Solh, Sumato, St Khabbah 3,,3 Program Stud Matemata, FSM UNIP Jl Prof Soedarto, SH Semarag, 575 E-mal:

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur SEMINAR HASIL TUGAS AKHIR GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Std Kass : Ides Pembaga Masa d Pros Jawa Tmr Oleh : Ney Ptr Pradta (307 00 055) Dose Pembmbg : Dr. Prhad M.Sc GEOGRAPHICALLY

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model Jural ILMU DASAR Vol. No.. 0 : 97-0 97 Estmas da Statstk Uj ada Model robt Ber Bvarat Estmato ad Statstcal est Bvarate Bar robt Model Vta Ratasar, urhad, Isma & Suhartoo Mahasswa S-3 Statstka FMIA IS,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, ) LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH. Elen Dwi Pradewi 1, Sudarno 2

KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH. Elen Dwi Pradewi 1, Sudarno 2 Kaa Estmas-M (Ele) KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH Ele Dw Pradew, Sudaro Alum Program Stud Statsta FSM Uverstas Dpoegoro

Lebih terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang Latar Belaag PENDAHULUAN Seta egara memuya mata uag sebaga alat tuar. Pertuara barag dega uag yag terad d dalam eger tda aa membula masalah meggat la barag sudah dsesuaa dega la uag yag berlau. Masalah

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

PENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

PENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA EAKIR RAIO ROORI AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG ACAK BERTRATA Devr Maulaa *, Arsma Ada, Haosa rat Maasswa rogram Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu egetaua Alam Uveras Rau

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC

Lebih terperinci