Pemeriksaan Ketepatan Fungsi Hubung dalam Analisis Data Biner
|
|
- Fanny Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Statstka, Vol. 9 No., Me 009 Pemerksaan Ketepatan Fungs Hubung dalam Analss Data Bner Nusar Hajarsman Program Stud Statstka Fakultas MIPA Unsba Mahasswa Sekolah Pascasarjana Insttut Pertanan Bogor nrsman@yahoo.co.uk Rngkasan Dalam pemodelan data bner atau bnomal ada sejumlah cara dmana model dugaan tdak layak. Yang palng pentng dar semua tu adalah komponen sstematk lnear dar model tdak dnyatakan dengan tepat. Sebaga contoh msalnya model tdak menyertakan suatu varabel penjelas yang memang seharusnya berada d dalam model, atau mungkn satu atau dua varabel penjelas perlu dtransformas sebelumnya. Kedua, transformas dar peluang respons yang dgunakan mungkn tdak tepat; msalnya mungkn saja bahwa transformas dar peluang respons yang telah dgunakan adalah transformas logstk padahal seharusnya menggunakan transformas log-log komplementer. Ketga, data mungkn bers suatu data penclan yang mengakbatkan data tdak cocok terhadap model dugaan. Teknk yang dgunakan untuk memerksa kelayakan model n dsebut juga sebaga proses dagnosa. Pada makalah n pembahasan akan lebh dfokuskan pada pemerksaan ketepatan fungs hubung dalam pemodelan data bner. Kata Kunc: data bner, model lnear terampat, devans, fungs hubung, model logt, model probt, model log-log komplementer, log-lkelhood.. Pendahuluan Dalam berbaga bdang peneltan yang menggunakan prosedur statstka, sepert dalam bdang agronom, pertanan, sosal dan ekonom, poltk, kesehatan, bolog, dan teknk, data yang damat dbuat pada unt percobaan yang mengambl nla salah satu dar dua kategor yang mungkn. Sebaga contoh, suatu benh akan berkecambah atau gagal berkecambah d bawah konds percobaan tertentu; suatu peralatan lstrk yang dproduks oleh sebuah pabrk elektronk dapat cacat atau tdak cacat; seorang pasen dalam percobaan klns dapat dnyatakan sembuh atau sakt setelah dber sejumlah perlakuan; atau serangga dapat dnyatakan bertahan hdup atau mat setelah dber sejumlah doss nsektsda. Data semacam tu dkatakan sebaga data bner dan dua kategor yang mungkn untuk masng-masng observas secara umum dnyatakan dengan stlah sukses atau gagal. Dalam beberapa stuas, peneltan tdak hanya dfokuskan pada respons dar satu unt percobaan tertentu (benh, pasen, alat lstrk, dan serangga tetap pada segugus unt percobaan yang telah dber perlakuan yang sama. Jad, msalnya segugus benh dapat dpaparkan pada konds yang dtentukan oleh kelembaban dan suhu, kemudan propors dar benh yang berkecambah akan dcatat. Demkan juga bag respons ndvdu dar masngmasng pasen dalam percobaan klns yang menerma perlakuan sama, serta mempunya karakterstk yang mrp berdasarkan faktor-faktor demografs (umur atau jens kelamn, dapat dkombnaskan untuk mendapatkan propors dar pasen yang dnyatakan sembuh. Data sepert n dsebut juga sebaga data bner terkelompok (grouped bnary data serta mewakl banyaknya perstwa sukses dar banyaknya unt percobaan yang dlakukan. Data berbentuk propors sepert n serngkal dmodelkan dengan menggunakan dengan menggunakan dstrbus bnomal sedangkan data bner tu sendr dasumskan mempunya dstrbus Bernoull (Collet, 003. Terdapat beberapa model yang dapat dgunakan untuk memodelkan data respons bnomal, dantaranya yatu: model logstk, model probt, dan model log-log komplementer. Setelah model dcocokan ke data pengamatan dar varabel respons bner atau bnomal, maka langkah pentng selanjutnya adalah melakukan pemerksaan kelayakan model dugaan. Ada sejumlah cara dmana model dugaan tdak layak. Yang palng pentng dar semua tu adalah komponen sstematk lnear dar model tdak dnyatakan dengan tepat. Sebaga contoh 55
2 56 Nusar Hajarsman msalnya model tdak menyertakan suatu varabel penjelas yang memang seharusnya berada d dalam model, atau mungkn satu atau dua varabel penjelas perlu dtransformas sebelumnya. Kedua, transformas dar peluang respons yang dgunakan mungkn tdak tepat; msalnya mungkn saja bahwa transformas dar peluang respons yang telah dgunakan adalah transformas logstk padahal seharusnya menggunakan transformas log-log komplementer. Ketga, data mungkn bers suatu data penclan yang mengakbatkan data tdak cocok terhadap model dugaan. Teknk yang dgunakan untuk memerksa kelayakan model n dsebut juga sebaga proses dagnosa. Pada makalah n pembahasan akan lebh dfokuskan pada pemerksaan ketepatan fungs hubung dalam pemodelan data bner. Sebagamana yang telah dketahu bahwa d dalam pemodelan data bner atau bnomal, suatu fungs tertentu dar peluang respons, yang dkenal sebaga fungs hubung, adalah menghubungkan ke kombnas lenar dar varabel penjelas dalam model. Transformas logstk adalah salah satu yang palng banyak dgunakan, akan tetap perlu dngat bahwa belum tentu transformas logstk n akan cocok untuk berbaga kasus. Dalam hal n harus pula dpertmbangkan apakah perbedan transformas akan membawa pada model yang lebh sederhana atau suatu model yang memberkan kecocokan yang lebh bak. Sebaga contoh, msalnya model logstk lnear dengan segugus vaabel penjelas bukan merupakan model yang cocok terhadap data yang damat, tetap bsa saja model probt atau log-log komplementer. Alternatfnya, komponen lnear, katakan saja model log-log komplementer memerlukan bentuk yang lebh sederhana darpada komponen yang dalam model logstk. Dalam keadaan demkan, maka akbatnya penentuan atau pemlhan fungs hubung yang memada dlakukan bersamaan dengan penentuan struktur lnear dar model. Dengan demkan setap stud yang berhubungan dengan kelayakan suatu fungs hubung selalu ddasarkan pada segugus varabel penjelas yang tetap (fxed. Dalam makalah n akan dbahas mengena berbaga metode untuk memerksa kelayakan model yang dfokuskan pada pemlhan suatu fungs hubung dalam memodelkan data bner.. Model untuk Respons Bner Pada bagan n akan dbahas tentang model lner umum yang mana varabel-varabel responnya dukur dengan skala bner. Sebaga contoh, msalnya hdup atau mat, hadr atau tdak hadr, sehat atau sakt, dan lan-lan. Secara umum kejadan-kejadan tu dnyatakan dalam bentuk sukses dan gagal untuk dua buah kategor. Selanjutnya, akan ddefnskan varabel acak sebaga berkut: Y jka varabel responnya menyatakan sukses, 0 jka varabel responnya menyatakan gagal, dengan P(Y dan P(Y 0. Jka terdapat n varabel Y,..., Yn yang salng bebas dengan j P(Yj, maka peluang bersamanya adalah: n n n y j y j j j y ( j exp j log log j j + j j ( j... ( dmana bentuk tersebut merupakan anggota dar keluarga dstrbus eksponensal. Untuk kasus dmana j semuanya bernla sama, maka akan ddefnskan R n Y j j, yatu banyaknya perstwa sukses dalam n buah percobaan. Varabel acak R tersebut mempunya dstrbus bnomal b(n,, yatu dengan fungs masa peluangnya sebaga berkut: n r PR ( r ( r n r, (r 0,,..., n... ( Dengan demkan, maka E(R n dan Var(R n(. Secara umum maka kta perhatkan N buah varabel yang salng bebas R, R,..., RN menurut banyaknya perstwa sukses dalam N sub kelompok atau strata yang berbeda (lhat Tabel. Jka R b(n,, maka fungs log-lkelhoodnya adalah: Statstka, Vol. 9, No., Me 009
3 Pemerksaan Ketepatan Fungs Hubung 57 N n l(,..., N; r,..., rn rlog + nlog ( + log r... (3 Dalam hal n dstrbus dar Pers. ( dan ( merupakan kasus khusus dar Pers. (3. Tabel. Frekuens Untuk N Dstrbus Bnomal Sub kelompok atau strata... N Sukses R R... RN Gagal n R n R... nn RN Total n n... nn Model-model yang dbahas dalam makalah n merupakan kasus khusus dar model lner umum, suatu model yang dperkenalkan oleh Nelder dan Wedderburn (97. Model lner umum n dspesfkaskan oleh tga buah komponen, yatu: komponen acak, komponen sstematk, dan fungs penghubung. Komponen acak adalah suatu komponen yang mengdentfkaskan dstrbus peluang dar varabel respon, dmana komponen n akan bers pengamatan tak bebas Y (Y,..., YN dar dstrbus dalam keluarga eksponensal. Yatu, masng-masng pengamatan Y mempunya fungs denstas peluang atau fungs masa peluang dalam bentuk: f(y;θ a(θ b(y exp[yq(θ]... (4 Keluarga n menyangkut beberapa dstrbus pentng sebaga kasus khusus, termasuk dstrbus bnomal dan Posson. Nla parameter θ dalam Pers. (4 dapat bervaras untuk,,..., N, bergantung pada nla dar varabel-varabel penjelasnya. Sedangkan bentuk Q(θ dsebut sebaga parameter alamah dar dstrbus tu sendr (Agrest, 990. Komponen sstematk dar model lner umum akan menghubungkan vektor η (η,..., ηn kepada sekumpulan varabel penjelas melalu model lner: ( g η Xβ... (5 dmana X adalah matrks model (kadang-kadang dsebut juga matrks rancangan yang bers nla-nla varabel-varabel penjelas untuk N buah pengamatan, dan β adalah vektor dar parameter-parameter d dalam model. Vektor η dsebut sebaga predktor lner. Salah satu kekurangan dar model lnear semacam n adalah bahwa penduga dar kadangkadang akan berada dluar nterval [0, ]. Agar supaya masalah tersebut tdak terjad, maka basanya akan dgunakan fungs dstrbus kumulatf: x T F( x g x β f( y dy ( Dmana f(y merupakan fungs kepekatan peluang dar varabel acak y. Fungs kepekatan peluang yang bas dgunakan dalam menganalss data bner adalah dstrbus normal, logstk, serta log-log komplementer. Ketga dstrbus n akan dbahas pada sub bagan berkut n.. Model Probt Jka dstrbus normal dgunakan sebaga fungs kepekatan peluang, sehngga bentuk dstrbus peluang kumulatfnya dnyatakan sebaga berkut: x y μ F( x exp σ σ x μ Φ σ dy... (6 Statstka, Vol. 9, No., Me 009
4 58 Nusar Hajarsman dmana Φ menyatakan dstrbus peluang kumulatf untuk normal baku N(0,, sehngga dperoleh: g( Φ ( β0 + βx... (7 dmana g( merupakan fungs penghubungnya, serta β 0 μ / σ dan β / σ. Fungs hubung g adalah nvers fungs peluang normal kumulatf Φ -. Pada saat dstrbus kepekatan peluang yang dgunakan adalah normal, maka model yang relevant untuk masalah n dsebut sebaga model probt. Probt dar peluang ddefnskan untuk setap x,,,..., k sebaga suatu nla dar s sedemkan rupa sehngga s y X exp dy, dmana s σ Φ ( s μ. Model Logt Dstrbus logstk mempunya fungs kepekatan sebaga berkut: βexp( β0 + βy f( y + exp( β0 + βy dan ( β0 + βx ( β β x x exp ( x f( y dy + exp (8... (9 Defns alternatf dar F(x adalah ( x + exp + ( β β x 0 Yang akan menghaslkan bentuk logt sebaga berkut: ( x ( x ln β0 + βx λ... (0... ( Untuk,,..., k, yang selanjutnya drujuk sebaga fungs logstk. Fungs hubung yang bersesuaan yang dberkan oleh fungs logt adalah: ( x ( x g( ln Dar persamaan d atas jelas bahwa odds untuk respons sukses adalah ( x ( x β0 β ( β0 βx e ( e exp + + Secara umum dapat dtulskan bahwa T T xβ β + β x + β x + + βkxk x... (... (3 λ x β... (4 dmana: Pers. (4 dgambarkan sebaga model regres logstk lnear sebab model tersebut sepert model regres basa untuk kasus dmana varabel penjelasnya berbentuk kuanttatf, selan tu Pers. (4 akan sepert model ANOVA jka varbel penjelasnya berbentuk kategork. Dalam hal n serngkal bentuk d atas dsebut sebaga model logt. Statstka, Vol. 9, No., Me 009
5 Pemerksaan Ketepatan Fungs Hubung 59.3 Model Log-log Komplementer Model lannya yang juga dapat dpandang untuk memodelkan data doss-respons adalah model log-log komplementer dan model log-log. Model log-log komplementer kadang-kadang dsebut juga sebaga model nla-ekstrem (Lawal, 003 dan dcrkan oleh dan ( ( f ( y βexp β0 + βy exp β0 + βy ( x ( x exp exp β + β 0 Suatu transformas dalam bentuk [ ] β0 β... (5... (6 ln ln( + x... (7 Akan mentransformaskan (x ke dalam bentuk model lnear. Fungs hubung ln[ ln( ] dsebut juga sebaga fungs log-log komplementer. Menurut Lawal (003 model n basanya lebh banyak dgunakan dbandngkan model probt dan logt untuk yang bernla mendekat 0 atau. 3. Pemerksaan Model untuk Respons Bner Pada bagan n akan dbahas mengena suatu prosedur yang dapat dgunakan untuk menentukan apakah suatu transformas tertentu mampu dengan layak menggambarkan peluang respons sebenarnya. Prosedur n juga dapat dgunakan untuk memberkan suatu ndkas bahwa transformas tertentu merupakan transformas yang palng tepat. Msalkan bahwa suatu fungs hubung tertentu dgunakan dalam memodelkan segugus data bner yang bergantung pada beberapa parameter, dmana suatu nla yang berbeda dar parameter n akan membawa pada fungs hubung yang berbeda pula. Msalkan α0 adalah nla dar parameter tersebut yang dgunakan dalam memodelkan segugus data bner, maka fungs hubung untuk peluang respons ke-,,,..., n, dapat dnyatakan oleh ( ; g α 0 η... (8 dmana η merupakan komponen lnear dar model untuk pengematan ke-. Dmsalkan pula bahwa fungs hubung yang tepat (walaupun pada dasarnya belum dketahu adalah g(, α. Keluarga dar fungs hubung yang dusulkan oleh Aranda-Ordaz (98, dmana g ( α ( α ; log α adalah berguna untuk pemodelan data bner dan bnomal. Pada saat α, maka dperoleh g ; log ( α yang merupakan transformas logstk dar. Kemudan jka α 0, maka α {( } / α log(... (9 sehngga dperoleh g(, α log{ log( } yang merupakan fungs hubung log-log komplementer. Dalam banyak kasus, fungs hubung yang dhpotesskan, g(, α0 adalah fungshubung logt, yatu dalam hal α0. Fungs g(, α dapat ddekat oleh perluasan deret Taylor dar fungs d sektar α0, yatu: g ( ; α g( ; α + ( α α 0 0 g ( ; α α α 0 Model yang tepat kemudan dapat dtentukan melalu model: Statstka, Vol. 9, No., Me 009
6 Nusar Hajarsman g ( ; α η + γz... (0 0 dmana γ α0 - α dan ( α 0 z g ; α / α. Model n menggunakan fungs yang dhpotesskan dan termasuk nla z sebaga varabel penjelas tambahan Z. Sebelum model dalam Pers. (0 dcocokan, maka nla Z harus dtentukan terlebh dahulu. Nla Z n bergantu pada yang dtaksr oleh p, yatu dugaan dar peluang respons untuk pengamatan ke- dan dperoleh melalu pencocokan model dalam Pers. (8 dmana pemlhan fungs hubung awal yang dgunakan. Untuk fungs hubung yang dgunakan dalam Pers. (9, nla dar varabel z adalah log ( p ( p α z α dan dalam kasus khusus dmana α, yatu jka fungs hubung logt adalah yang dhpotesskan, maka persamaan d atas menjad: { log( } z + p p... ( Apabla γ 0, maka α α0 dan fungs hubung yang dhpotesskan adalah benar. Akbatnya, suatu uj hpotess bahwa γ 0 dalam Pers. (0 tdak lan adalah untuk menguj kelayakan fungs hubung. Hpotess n dapat duj dengan cara melhat pengurangan dalam devans dengan menambahkan Z ke dalam model. Apabla pengurangan dalam devans n relatf besar dbandngkan dengan ttk persentase dar dstrbus χ dengan derajat bebas satu, maka kta dapat memutuskan bahwa fungs hubung awal yang dplh tdak tepat. Prosedur n drujuk sebaga uj kecocokan fungs hubung (Collet, 003. Dalam prakteknya, uj kecocokan fungs hubung n mempunya keterbatasan. Salah satunya adalah ketka menghadap suatu gugus data yang besar, maka dperlukan suatu fungs hubung lannya, msalnya fungs hubung probt. 4. Contoh Aplkas Dalam data boassay, varabel responsnya dapat bercaras sesua dengan kovarat yang membentuk suatu doss. Contoh sejens yang melbatkan respons bner dberkan dalam Tabel, dmana R adalah banyaknya serangga yang mat setelah dber obat pembasm hama selama 5 jam dalam berbaga macam konsentras (data dar Dobson, 00. Gambar menunjukkan propors p r/n yang dplot terhadap doss x. Tabel. Data Kematan Serangga Doss x Banyak serangga yang damat, n Banyaknya serangga yang mat, y Data tersebut kemudan akan dmodelkan melalu tga jens fungs penghubung, yatu logt, probt, dan log-log komplementer. Proses pendugaan parameter dlakukan secara teratf dengan menggunakan metode Fsher-Scorng. Hasl analss yang dtamplkan d sn adalah proses teras, nla devans, dugaan untuk propors dan respons, penduga parameter, serta resdu untuk masng-masng dar fungs penghubung yang dgunakan. Untuk model logstk lnear kta mengambl Statstka, Vol. 9, No., Me 009
7 Pemerksaan Ketepatan Fungs Hubung 6 ( β0 + βx ( β β x exp + exp + 0 sehngga fungs penghubungnya adalah logt yang ddefnskan sebaga logartma dar odds (/, yatu: logt( log β0 + βx. Dar (8.3 dketahu fungs log-kemungknannya, yatu: N β0+ βx l r β0 βx n ( e n ( + log + + log r dan skor terhadap β dan β adalah U U l β l 0 β β0+ βx e r n + e β e rx nx + e β0+ βx (r - n 0+ βx β0+ βx x(r - n Dengan cara yang sama akan dperoleh matrks nformas sebaga berkut: I n n x ( n x ( ( ( n x. Gambar. Plot antara doss dan propors kematan serangga Penduga kemungknan maksmum dperoleh melalu penyelesaan persamaan teratf I (m b (m I (m b (m + U (m (dar (4.7 dmana m menyatakan proses teras ke-m dan b [b0 b] T adalah vektor (0 (0 penduganya. Dengan nla awal b b 0 hasl proses etrasnya dtunjukkan dalam Tabel bersama-sama dengan frekuens taksran n, matrks penduga varans-kovarans [I(b] - dan statstk raso log-kemungknan. rˆ ˆ Statstka, Vol. 9, No., Me 009
8 6 Nusar Hajarsman Galat baku penduga b0 -.7 dan b 34.7 masng-masng dberkan oleh (6.80 / 5.8 dan ( /.9. D bawah hpotess nol bahwa model logstk lnear dapat menggambarkan data, maka D mempunya pendekatan dstrbus χ, sebab terdapat N 8 kelompok doss dengan p buah parameter. Tetap dketahu bahwa dar tabel dstrbus dengan taraf kepercayaan 5% adalah.59 yang menunjukkan bahwa model tdak menggambarkan data dengan bak. 6 χ 6 Tabel 3. Nla penduga parameter untuk fungs hubung logt, probt, dan log-log komplementer Model Estmate Standard Error Ch-square p-value Logt B < B < Probt B < B < Clog-log B < B < Dengan menggunakan prosedur GENMOD dalam sstem SAS, model probt Φ(β0 + βx dan model log-log komplementer ( exp( exp(β0 + βx juga dpaka untuk mencocokan data. Hasl-hasl pendugaan model dan nla devans untuk setap fungs hubung masng-masng dsajkan dalam Tabel 3 dan Tabel 4. Sedangkan nla dugaan untuk peluang respons dan dugaan untuk varabel responsnya untuk setap fungs hubung dsajkan dalam Tabel 5. Tabel 4. Nla devans, ch-kuadrat Pearson, dan log-lkelhood untuk model logt, probt, dan log-log komplementer LOGIT PROBIT CLOG-LOG Df value Value/df df value Value/df df value Value/df Devans Pearson Log-lk Dantara model-model tersebut ternyata model logt dengan bentuk lnear tdak cocok terhadap data. Kecocokan model terhadap data n mungkn bsa dtngkatkan dengan cara menambahkan bentuk kuadratk ke dalam model. Akan tetap, dalam contoh n akan dperhatkan apakah kecocokan model yang hanya bers bentuk lnear dapat dtngkatkan dengan cara menggant fungs hubungnya. Persamaan model regres logt dugaan dberkan oleh ( ˆ logt x dmana ˆ adalah dugaan peluang respons dan x adalah doss obat untuk kelompok ke-. Dar Tabel 4 terlhat bahwa devans untuk model n adalah.56 pada derajat bebas sebesar 6. D sn fungs hubung yang dhpotesskan adalah fungs logt, dan untuk mengetahu apakah fungs hubung tersebut cukup tepat untuk menggambarkan peluang responsnya, maka varabel Z dtambahkan ke dalam model, dmana nla ke- dar Z dberkan dalam Pers. (. Pada saat Z dsertakan ke dalam model regres logt, maka dperoleh nla devans sebesar pada derajat bebas 5. Pengurangan devans sebesar setelah dmasukan varabe Z ke dalam model adalah sgnfkan pada taraf sgnfkans sebesar 5%. Hal n mempunya makna bahwa fungs hubung logt tdak tepat dgunakan untuk data tersebut. Statstka, Vol. 9, No., Me 009
9 Pemerksaan Ketepatan Fungs Hubung 63 Tabel 5. Nla dugaan peluang respons dan dugaan varabel respons No. x n y LOGIT PROBIT CLOG-LOG ph Yhat ph yhat ph yhat Koefsen z dalam model n, ˆ γ, adalah,.3, sehngga parameter dalam fungs hubung yang umum yang dberkan dalam Pers. (9 dduga oleh: ˆ α ˆ γ 0.3 Yang tdak berbeda dengan nol. Hal n mempunya makna bahwa model dengan fungs hubung log-log komplementer relatf lebh bak darpada model logt. Namun demkan, hasl d atas mash belum memuaskan karena belum dbandngkan dengan fungs hubung lannya, sepert fungs hubung probt. 5. Kesmpulan Setdaknya ada dua alasan pentng mengapa model regres logstk lebh banyak penggunaannya dbandngkan model probt dan model log-log komplementer untuk analss data bner. Pertama, model logstk mempunya nterpretas yang jelas dalam bentuk logartma dar odds raso. Interpretas sepert n akan sangat bermanfaat untuk analss data dalam stud epdemolog ataupun percobaan-percobaan klns. Kedua, model yang berdasarkan pada transformas logstk cukup tepat dgunakan untuk analss data yang dkumpulkan secara retrospektf sebagamana dalam stud kasus-kontrol (case-control study. Namun demkan, tdak semua data mampu dcocokan dengan tepat melalu model logt n. Oleh karena tu, pemerksaan secara seksama terhadap model yang sedang dcocokan perlu dlakukan. Berbaga metode untuk pemerksaan dalam analss data bner atau bnomal telah banyak dbahas oleh Collet (003. Namun dalam makalah n hanya dtunjukkan pada pemerksaan ketepatan fungs hubung dalam analss data bner. Lebh khusus lag, pemerksaan ketepatan fungs hubung n hanya dlakukan untuk fungs hubung logt dan log-log komplementer. Perlu kranya untuk mengembangkan metode n pada kasus yang lebh umum, dmana semua fungs hubung lannya (sepert fungs hubung denttas atau probt dapat dtangan. Daftar Pustaka []. Agrest, A. (990. Categorcal Data Analyss. New York: John Wley and Sons. []. Atkn, M., D. Anderson, B. Francs, and J. Hnde. (989. Statstcal Modellng n GLIM. Oxford: Clorendeon Press. [3]. Baker, R.J., and J.A. Nelder. (978. Generalzed Lnear Interactve Modelng (GLIM. Release 3. Oxford: Numercal Algorthms Group. [4]. Collet, D. (003. Modelng Bnary Data. Second Edton. London: Chapman and Hall. [5]. Cox, D.R. (970. The Analyss of Bnary Data. London: Methuen. [6]. Cox, D.R. and Oakes, D. (984. Analyss of Survval Data. London: Chapman and Hall. [7]. Dodson, A. (00 An Introducton to Generalzed Lnear Models. Second Edton. London: Chapman and Hall. [8]. Draper, N.R., and H. Smth. (98. Appled Regresson Analyss. nd Ed. New York: John Wley and Sons. [9]. Hosmer, D.W. and S. Lemeshow (989. Appled Logstc Regresson. New York: John Wley and Sons. [0]. Klenbaum, D.G., (994. Logstc Regresson: A Self-Learnng Text, New York: Sprnger- Verlag. []. Lawal, B. (003 Categorcal Data Analyss Wth SAS And SPSS Applcatons. London: Lawrence Erlbaum Assocates. Statstka, Vol. 9, No., Me 009
10 64 Nusar Hajarsman []. McCullagh, P., and J.A. Nelder (983. Generalzed Lnear Models. Second Edton. New York: Chapman and Hall. [3]. Myers, R.H. (990. Classcal and Modern Regresson Wth Applcatons. Boston: PWS-KENT Publshng Company. [4]. Nelder, J.A., and R.W.M. Wedderbun. (97. Generalzed Lnear Models. Journal of Royal Statstcal Socety, Seres A 53: [5]. Santner, T.J., and D.E. Duffy. (989. The Statstcal Analyss of Dscrete Data. New York: Sprnger-Verlag. Statstka, Vol. 9, No., Me 009
ANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPendekatan Fungsi Quasi-Likelihood dan Implementasinya dalam Sistem SAS
Statstka, Vol. 0 No., 5 6 Me 00 Pendekatan Fungs Quas-Lkelhood dan Implementasnya dalam Sstem SAS NUSAR HAJARISMAN Jurusan Stattka, Unverstas Islam Bandung Jalan Purnawarman 69 Bandung 406. E-mal: nrsman@yahoo.co.uk
Lebih terperinciBAB 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 terperinciPenaksiran Parameter Model Regresi Beta untuk Memodelkan Data Proporsi
Statstka, Vol. 1 No. 1, 9 18 Me 01 Penaksran Parameter Model Regres Beta untuk Memodelkan Data Propors Nusar Hajarsman Jurusan Statstka, Unverstas Islam Bandung Jl. Purnawarman No. 63 Bandung 40116, Jawa
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB 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 terperinciNirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK
PERBANDINGAN MODEL REGRESI LOGISTIK DAN ZERO-INFLATED POISSON (ZIP) UNTUK MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELANGSUNGAN HIDUP PENDERITA PENYAKIT DEMAM BERDARAH (DBD) RS WAHIDIN SUDIROHUSODO
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
Lebih terperinciBAB 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 terperinciSELANG 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 terperinciAnalisis 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 terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 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 terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB 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 terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB 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 terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciMODEL REGRESI LINEAR DALAM PRESPEKTIF MODEL LINEAR TERAMPAT 1. Setiawan 2
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 MODEL REGRESI LINEAR DALAM PRESPEKTIF MODEL LINEAR TERAMPAT Setawan Jurusan Statstka FMIPA Insttut Teknolog Sepuluh Nopember,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
Lebih terperinciANALISIS 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 terperinciberasal dari pembawa muatan hasil generasi termal, sehingga secara kuat
10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciBAB 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 terperinciBAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan
BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,
Lebih terperinciESTIMASI 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 terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciBAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi
BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinci2. ANALISIS DATA LONGITUDINAL
. ANALISIS DATA LONGITUDINAL Data longtudnal merupakan salah satu bentuk data berkorelas. Pada data longtudnal, peubah respon dukur pada beberapa ttk waktu untuk setap subyek. Dalam stud longtudnal dmungknkan
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB 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 terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciPemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan
Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciRegresi 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 terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka
Lebih terperinciIII. 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciINFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER
Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciCorresponding Author:
Perbandngan Fungs Ketahanan Hdup Dengan Metode Non Parametrk Menggunakan Uj Gehan Dan Uj Cox-Mantel (Lvng wth Securty Functon Comparson Method Usng Non Paremetrk Gehan test and Cox-Mantel Tes Ans Sept
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciPROSEDUR MENGGUNAKAN STRATIFIED RANDOM SAMPLING METHOD DALAM MENGESTIMASI PARAMETER POPULASI
JEMI, Vol 1, No 1, Desember 2010 PROSEDUR MENGGUNAKAN STRATIFIED RANDOM SAMPLING METHOD DALAM MENGESTIMASI PARAMETER POPULASI Des Rahmatna, SPd, MSc (Unverstas Martm Raja Al Haj) ABSTRAKSI Peneltan n dmaksudkan
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinciAnalisis Regresi 2. Mendeteksi pencilan dan penanganannya
Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 2009 BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro
Lebih terperinciSTATISTICAL 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 terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres 1 Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya E[Y x] E[Y x] y b
Lebih terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
Lebih terperinciANALISIS 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinci