PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC) oleh NURUL KUSTINAH M
|
|
- Devi Setiawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC) oleh NURUL KUSTINAH M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2012
2 SKRIPSI PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC) yang disiapkan dan disusun oleh NURUL KUSTINAH M Pembimbing I dibimbing oleh Pembimbing II Dra. Yuliana Susanti, M.Si Bowo Winarno, S.Si, M.Kom NIP NIP telah dipertahankan di depan Dewan Penguji pada hari Senin, 2 Januari 2012 dan dinyatakan telah memenuhi syarat. Anggota Tim Penguji Tanda Tangan 1. Dra. Respatiwulan, M.Si 1. NIP Drs. Siswanto, M.Si 2. NIP Surakarta, 2 Januari 2012 Disahkan oleh Fakultas Matematika dan Ilmu Pengetahuan Alam Dekan Ketua Jurusan Matematika Ir. Ari Handono Ramelan, MSc., PhD NIP Irwan Susanto, DEA NIP ii
3 ABSTRAK Nurul Kustinah, PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC). Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret. Pemilihan model regresi linear terbaik adalah memilih model regresi linear yang memiliki kecocokan dengan data. Terdapat beberapa kriteria sebagai tolak ukur untuk menilai suatu kecocokan model dengan data, salah satu satunya adalah BIC. BIC merupakan metode pemilihan model terbaik dari beberapa kandidat model. Kriteria pemilihan model dengan menggunakan BIC didasarkan pada teorema Bayesian dan metode MLE. Tujuan dari penelitian ini adalah mengkaji ulang metode BIC dan menerapkannya dalam pemilihan model regresi terbaik. Berdasarkan hasil penelitian menunjukkan bahwa BIC memiliki bentuk umum yaitu = 2ln + ln. Dalam memilih model regresi terbaik dengan BIC dilakukan dengan memilih model dengan nilai BIC terkecil yang didapat dari =ln2 +ln + ln +1. Kata kunci: regresi linear, teorema Bayesian, MLE, BIC. iii
4 ABSTRACT Nurul Kustinah, THE BEST SELECTION REGRESSION MODEL WITH BAYESIAN INFORMATION CRITERION (BIC). Faculty of Mathematics and Natural Sciences. Sebelas Maret University. The best regression model selection is method for selection the most appropriate fit between the regression model and the data. There are several criterias as a benchmark to evaluate the suitability of the model with data, one of them is BIC. BIC is a method in model selection to choose the best of several candidate models. Criteria for model selection using BIC is based on Bayesian theorem and MLE. The aims of this research are to review the BIC and apply it in the best regression model selection. Based on the results, BIC has the general form = 2ln + ln. In selecting the best regression model with BIC performed by selecting the model with the smallest BIC value obtained from =ln2 +ln + ln +1. Keywords: linear regression, Bayesian theorem, MLE, BIC. iv
5 MOTO Sesungguhnya sesudah kesulitan itu ada kemudahan. (QS. Alam Nasyrah: 6) Dan Dia mendapatimu sebagai seorang yang bingung, lalu Dia beri petunjuk. (QS: Ad-Duhaa ayat 7) Jangan pernah menghindar dan selalu berkata tidak, majulah ke depan, hadapi hidupmu dan berkatalah, ya, aku bisa! v
6 PERSEMBAHAN Alhamdulillahirobbil aalamiin... Karya ini kupersembahkan untuk Ibu dan Bapak tercinta Yang tiada henti mendoakan aku Kakakku Mas Rochim dan mbak Ita Adikku Tirta dan Riyanti Kak Gilang dan keluarga atas semua fasilitasnya Valui Aditya dengan bantuan laptopnya Damar, Bili, Uswa, Desi, Umi, Siti & Ahmad yang memberi semangat vi
7 KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas segala rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini. Selain itu, penulis mengucapkan terima kasih kepada seluruh pihak yang telah membantu dalam penyusunan skripsi ini. 1. Dra. Yuliana Susanti, M.Si dan Bowo Winarno, S.Si, M.Kom selaku Dosen Pembimbing I dan Dosen Pembimbing II yang telah memberikan bimbingan kepada penulis. 2. Endah Krisna Murti yang telah memberi bantuan diskusi materi kepada penulis. 3. Semua pihak yang telah membantu sehingga skripsi ini dapat selesai. Semoga skripsi ini bermanfaat untuk semua pihak. Surakarta, 2 Januari 2012 Penulis vii
8 DAFTAR ISI Halaman JUDUL... i PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv MOTO... v PERSEMBAHAN... vi KATA PENGANTAR... vii DAFTAR ISI... viii DAFTAR GAMBAR... ix DAFTAR TABEL... xi BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Tujuan Penelitian Manfaat Penelitian... 2 BAB II LANDASAN TEORI Tinjauan Pustaka Probabilitas Bersyarat Estimasi Maksimum Likelihood Distribusi Prior dan Distribusi Posterior Teorema Bayes Faktor Bayes Uji Asumsi Klasik Analisis Model Regresi Kerangka Pemikiran BAB III METODE PENELITIAN BAB IV PEMBAHASAN Bayesian information criterion(bic) viii
9 4.2 BIC dalam Regresi Contoh Aplikasi pemilihan Model Regresi Terbaik dengan BIC BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN ix
10 DAFTAR GAMBAR Halaman Gambar 2.1 Gambar 4.1 Pola plot residu terhadap... Plot probabilitas dari residu Gambar 4.2 Plot residu dengan x
11 DAFTAR TABEL Halaman Tabel 4.1 Hasil Uji Multikolinearitas Tabel 4.2 Hasil Uji F Tabel 4.3 Hasil Uji t Tabel 4.4 Nilai BIC dari model xi
12 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah teknik statistik yang digunakan untuk menyelidiki dan memodelkan hubungan antara variabel-variabel yang terdiri dari variabel independen dan variabel dependen. Model regresi adalah suatu cara untuk mengetahui kecenderungan perubahan variabel dependen Y yang berubah sesuai perubahan variabel independen X. Model regresi dapat digunakan untuk beberapa tujuan antara lain untuk deskripsi data, estimasi dan prediksi. Penerapan dari regresi sangat banyak dan dapat ditemukan hampir disetiap bidang ilmu pengetahuan. Penerapan regresi diantaranya dapat ditemukan dalam analisis runtun waktu, ilmu ekonomi, biologi, dan ilmu sosial (Sembiring,1995). Pada analisis regresi hubungan antara variabel dependen (Y) dan beberapa variabel independen (X) dapat dinyatakan dengan suatu model regresi linear yaitu = , dengan adalah banyaknya variabel independen, adalah parameter dan adalah sesatan random dengan asumsi ~ (0; ), untuk =1,2,, (Neter dan Wasserman, 1996). Ada beberapa metode pemilihan model regresi terbaik, diantaranya adalah metode Akaike s Information Criterion (AIC) dan Bayesian Information Criterion (BIC). BIC merupakan salah satu kriteria pemilihan model terbaik dimana konsep dari metode ini dikemukakan oleh Schwarz (1978). Perumusan BIC menggunakan teorema Bayesian untuk menentukan probabilitas posterior. Estimasi parameter dalam model regresi menggunakan MLE. Kemudian BIC digunakan untuk pemilihan model regresi. Hasil pemilihan model dengan BIC cukup akurat karena jumlah parameter dalam model diperhatikan. Dalam penelitian ini, penulis mengkaji ulang metode BIC dan menerapkannya dalam regresi linear. 1
13 2 1.2 Perumusan Masalah Berdasarkan uraian dalam latar belakang masalah, dapat dirumuskan permasalahan yaitu bagaimana menurunkan ulang metode BIC dan penerapan BIC dalam pemilihan model regresi terbaik. 1.3 Tujuan Penelitian Tujuan yang ingin dicapai adalah menjelaskan metode BIC dan menerapkan BIC dalam regresi linear. 1.4 Manfaat Penelitian Memberikan pemahaman yang lebih tentang BIC untuk pemilihan model regresi terbaik dan sebagai bahan referensi penelitian yang akan datang.
14 BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka Pada bagian pertama dari bab ini diberikan tinjauan pustaka yang terdiri dari definisi maupun teorema sebagai dasar pengertian untuk mempermudah pembahasan selanjutnya. Pada bagian kedua dari bab ini disusun kerangka pemikiran yang menjelaskan alur dalam penulisan skripsi ini. Berikut ini akan diberikan beberapa definisi dan pengertian yang mendukung pemilihan model regresi terbaik berdasarkan metode BIC Probabilitas bersyarat Pengertian tentang probabilitas bersyarat peristiwa A jika diketahui B telah terjadi ditulis sebagai pada dua kejadian independen dan fungsi likelihood diberikan pada definisi dan teorema berikut menurut Bain dan Engelhardt(1992). Definisi 2.1. Diberikan suatu percobaan dengan S sebagai ruang sampel dan A 1, A 2, A 3,,A n merupakan kejadian asing yang mungkin terjadi. Sebuah fungsi yang mengawankan nilai real dari P(A) dengan setiap kejadian A disebut probabilitas dari A, dinotasikan P(A), jika memenuhi : 1. 0 untuk setiap himpunan bagian 2. P (S) = = Probabilitas terjadinya suatu peristiwa A, bila diketahui peristiwa B telah terjadi disebut probabilitas bersyarat dan dinotasikan. Definisi 2.2 S suatu ruang sampel dan A, B adalah peristiwa-peristiwa di dalam S. Probabilitas bersyarat P(A B) didefinisikan sebagai =. 3
15 4 Definisi 2.3. S adalah suatu ruang sampel dari suatu percobaan. A 1, A 2,..., A k adalah peristiwa-peristiwa di dalam S, sedemikian hingga = untuk setiap dan =. Dikatakan bahwa A 1, A 2,..., A k membentuk partisi dalam S. Teorema 2.1. (Teorema Probabilitas Total). Jika A=[ A 1, A 2,..., A k ] adalah partisi S dan B sebarang peristiwa anggota S, maka P(B)=P(B A 1 )P(A 1 )+P(B A 2 )P(A 2 )+... +P(B A k )P(A k ) Estimasi Maksimum Likelihood Pengertian tentang estimasi maksimum likelihood yang diberikan pada definisi berikut menurut Bain dan Engelhardt(1992). Definisi 2.4. Fungsi kepadatan bersama dari n variabel random,,, pada,,, dilambangkan dengan,,, ; dengan dimana adalah ruang parameter yang tidak diketahui dinyatakan dengan fungsi likelihood. Untuk,,, yang tetap fungsi likelihood adalah fungsi dari dan dinotasikan. Jika,,, mewakili sampel random dari, maka, = ; = ; ; ;. Definisi 2.5. Misalkan =,,, ; dengan, adalah fungsi kepadatan bersama dari variabel random,,. Untuk himpunan pengamatan,,,, suatu nilai dalam yang memaksimumkan disebut sebagai estimator maksimum likelihood dari. Secara sistematis ditulis,,,, ; =,,, ;. Memaksimumkan log lebih mudah dibandingkan memaksimumkan sehingga dapat ditulis sebagai, log,,, ; =,,, ;.
16 5 Apabila Ω adalah interval terbuka dari L( yang differensiabel dan diasumsikan maksimum pada Ω, maka estimator maksimum likelihood dari diperoleh dengan menyelesaikan persamaan =0. Jika terdapat lebih dari satu penyelesaian untuk maka dicari penyelesaian yang memaksimumkan L( dengan membandingkan penyelesaian untuk yang telah diperoleh. Kemudian dicari turunan kedua dari L(. Bila nilainya negatif maka penyelesaian untuk tersebut merupakan estimator maksimum. Kegunaan MLE dalam mendapatkan estimator parameter dari suatu distribusi dapat digunakan untuk menyusun suatu matriks yang disebut matriks informasi Fisher. Invers dari matriks ini disebut matriks invarian-kovarian. Untuk menentukan variansi dan kovariansi yang asimtotik dari estimator maka dikonstruksikan sebuah matriks informasi I dengan elemen ke- adalah : I = log ; Invers matriks, I adalah matriks varian-kovarian dari. Var =I dan cov, =I Distribusi Prior dan Distribusi Posterior Definisi distribusi prior dan distribusi posterior di bawah ini menurut Larson (1974). Deinisi 2.6. Distribusi prior dari suatu parameter merupakan fungsi kepadatan probabilitas yang menggambarkan tingkat keyakinan nilai. Sebagaimana ditulis oleh Larson, distribusi prior tersebut diperoleh sebelum melakukan analisis data. Definisi 2.7. Fungsi kepadatan posterior untuk merupakan fungsi kepadatan probabilitas bersyarat diberikan nilai sampel y, sehingga
17 6 =,. Secara umum, distribusi posterior menggambarkan tingkat keyakinan terhadap kemungkinan nilai parameter setelah diberikan nilai sampel Teorema Bayes Percobaan awal yang telah dilakukan akan berpengaruh terhadap hasil percobaan sekarang. Untuk menghitung probabilitas kejadian sekarang dengan syarat kejadian awal dijelaskan dalam teorema Bayes. Teorema 2.2 di bawah ini diambil dari Bain dan Engelhardt (1992), sedangkan teorema 2.3 dan teorema 2.4 diambil dari Walpole dan Myers (1995). Teorema 2.2. Jika A dan B adalah dua kejadian sebarang, maka = +. Akibatnya jika A dan B adalah kejadian yang saling asing, maka = sehingga = +. Selanjutnya jika,,, saling asing, maka = Teorema 2.3. Misal kejadian,,, merupakan kejadian yang saling asing dari ruang sampel S dengan 0 untuk =1,2,,. Maka untuk setiap kejadian A anggota S, = =. Teorema 2.4. Misal kejadian,,, merupakan kejadian yang saling asing dari ruang sampel S dengan 0 untuk =1,2,,. Misalkan A suatu kejadian sebarang dalam S dengan 0, maka = =, untuk =1,2,,. Teorema 2.4 disebut sebagai teorema Bayes. Teorema Bayes memberikan aturan untuk menghitung probabilitas bersyarat peristiwa diberikan A, jika masingmasing probabilitas tak bersyarat dan probabilitas bersyarat A yang diberikan diketahui. Untuk selanjutnya, disebut probabilitas prior, disebut sebagai fungsi likelihood dan disebut fungsi probabilitas posterior.
18 Faktor Bayes Dari sampel random ={,,, } diberikan model, yaitu : {,,, }. Misalkan bahwa ( ) adalah fungsi kepadatan dari data dan merupakan fungsi kepadatan priornya, dimana parameter tidak diketahui serta Θ, untuk i=1, 2,...,. Jika distribusi prior dari model-model tersebut adalah,,, maka distribusi posteriornya adalah dengan = =. adalah distribusi marginal dari data sampel pada model. Jadi rasio probabilitas posterior untuk 2 model dan adalah = = = dengan adalah faktor Bayes untuk model dan dari data sampel, ditulis =. Faktor Bayes sangatlah berhubungan dengan distribusi prior, hal ini dikarenakan faktor Bayes didefinisikan dengan rasio dari distribusi marginal yang bergantung pada nilai-nilai absolut dari prior-prior (Kass and Raftery, 1995).
19 Uji Asumsi Klasik Normalitas Gujarati (1995) menjelaskan bahwa pada regresi linear klasik diasumsikan bahwa tiap didistribusikan secara normal dengan ~ 0,. Salah satu cara untuk menguji asumsi kenormalan adalah dengan uji Kolmogorov-Smirnov. Pengujian hipotesis yang digunakan adalah sebagai berikut : a. : Data berdistribusi normal Data tidak berdistribusi normal b. Tingkat signifikasi c. Daerah kritis: ditolak jika > d. Statistik uji =, =1,2,,. dengan, : fungsi distribusi frekuensi kumulatif relatif dari distribusi teoritis di bawah. : distribusi frekuensi kumulatif pengamatan sebanyak sampel. e. Kesimpulan : Jika ditolak maka data tidak berdistribusi normal Heteroskedastisitas Uji heterokedastisitas bertujuan untuk mengetahui apakah variansi konstan. Pendeteksian kesamaan variansi dapat dilakukan dengan membuat plot sisa terhadap. Plot yang diperoleh seharusnya tidak menghasilkan pola tertentu dan terkumpul di sekitar garis lurus yang melalui titik nol. Montgomery dan Peck (1992) menggambarkan beberapa plot sisa terhadap sebagai berikut
20 9 (a) (b) (c) (d) Gambar 2.1 Pola plot residu terhadap Jika hasil plot mirip pola pada Gambar 2.1a maka berarti asumsi homogenitas variansi dipenuhi karena titik tersebar. Pada Gambar 2.1b menunjukkan bahwa titik tersebar dengan variansi tidak konstan (heteroskedastisitas). Pola pada Gambar 2.1c seharusnya tidak akan muncul kecuali kalau ada kesalahan dalam perhitungan. Pola Gambar 2.1d menunjukkan model yang digunakan kurang tepat, atau perlu dilakukan transformasi Mutikolinearitas Menurut Montgomery dan Peck (1992), salah satu cara mendeteksi adanya multikolinearitas dalam model adalah dengan nilai tolerance dan VIF (Variance Inflation Factors). Matriks = adalah matriks untuk mendeteksi adanya multikolinearitas dengan merupakan diagonal matriks yang dapat ditulis 1 = = 1
21 10 dengan adalah nilai koefisien determinasi atau ketika yang diregresikan dengan variabel bebas selain. adalah faktor perubahan variansi dalam variabel bebas ke-j. Nilai >10 menunjukkan multikolinearitas yang kuat Autokorelasi Autokorelasi adalah suatu keadaan kesalahan gangguan dari periode tertentu berkorelasi dengan kesalahan gangguan dari periode sebelumnya. Jika kesalahan gangguan periode dengan 1 berkorelasi maka terjadi korelasi tingkat pertama. Autokorelasi dapat dideteksi dengan berbagai cara antara lain dengan uji Durbin Watson. Langkah-langkah pengujian autokorelasi dengan Durbin Watson adalah sebagai berikut (Gujarati, 1995): 1. Melakukan regresi kuadrat terkecil biasa dan memperoleh residu 2. Menghitung nilai (statistik Durbin Watson ), dengan = 3. Mencari nilai (batas bawah Durbin Watson) dan (batas atas Durbin Watson) untuk ukuran sampel dan banyaknya variabel independen tertentu. 4. Jika adalah tidak terdapat autokorelasi positif, maka jika < : menolak > : tidak menolak : pengujian tidak meyakinkan 5. Jika adalah tidak terdapat autokorelasi negatif, maka jika >4 : menolak <4 : tidak menolak 4 4 : pengujian tidak meyakinkan 6. Jika adalah tidak terdapat autokorelasi positif atau negatif, maka jika < : menolak >4 : menolak < <4 : tidak menolak : pengujian tidak meyakinkan 4 4 : pengujian tidak meyakinkan
22 Analisis Model Regresi Uji Serempak (Uji F) Menurut Supranto (1995) uji serempak dilakukan untuk mengetahui apakah variabel independen berpengaruh secara bersama-sama terhadap variabel dependen. Sebelum pengujian hipotesis akan dicari perumusan terlebih dahulu dengan, : Rataan Kuadrat Regresi : Rataan Kuadrat Sisa = / 1 / = Pengujian hipotesis yang digunakan adalah sebagai berikut : a. : = = = =0 (variabel independen secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variabel dependen) 0, untuk =1,2,, (variabel independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen) b. Tingkat signifikasi c. Daerah kritis: ditolak jika >,, d. Statistik uji = e. Kesimpulan : Jika ditolak maka variabel independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen Uji Parsial (Uji t) Menurut Supranto (1995) uji parsial dilakukan untuk mengetahui pengaruh variabel independen secara individual terhadap variabel dependen, dengan menganggap variabel independen lainnya konstan. Pengujian hipotesis yang digunakan adalah sebagai berikut : a. : =0, untuk =1,2,, (tidak ada pengaruh yang signifikan antara variabel independen ke-j terhadap variabel dependen)
23 12 0, untuk =1,2,, (ada pengaruh yang signifikan antara variabel indenpenden ke-j terhadap variabel dependen) b. Tingkat signifikasi c. Daerah kritis, ditolak jika > /, atau < /, d. Statistik uji dengan, = = koefisien regresi independen = sesatan standar dari koefisien regrsi. e. Kesimpulan : Jika ditolak maka ada pengaruh yang signifikan antara variabel independen ke-j terhadap variabel dependen. 2.2 Kerangka Pemikiran BIC merupakan suatu metode pemilihan model dengan menerapkan beberapa teorema Bayesian dan MLE dalam penurunan rumusnya. Selanjutnya hasil penurunan rumus yang diperoleh diterapkan dalam regresi linear. Rumus yang diperoleh untuk regresi diterapkan untuk menentukan model terbaik pada suatu data. Data diregresikan dengan regresi linear kemudian sesatan model diuji dengan asumsi klasik regresi linear yaitu normalitas, tidak terdapat multikolinearitas, tidak terdapat heteroskedastisitas dan tidak terdapat autokorelasi. Kemudian model dipilih sebagai model terbaik menurut metode BIC.
24 BAB III METODE PENELITIAN Pada penelitian ini, metode yang digunakan adalah studi literatur dan penerapan kasus, dengan pengumpulan bahan melalui buku-buku referensi dan karya ilmiah yang meliputi hasil-hasil penelitian dan jurnal. Adapun langkah penelitian sebagai berikut. 1. Menurunkan rumus Bayesian Information Criterion (BIC) sehingga diperoleh bentuk umum BIC. 2. Menentukan rumus BIC berdasarkan bentuk umum yang diperoleh pada langkah nomor 1 untuk memilih model regresi terbaik. 3. Menentukan data yang digunakan kemudian uji residu data dengan uji asumsi klasik regresi linear 4. Pilih model regresi terbaik dengan metode BIC, dimana nilai BIC dihitung dengan cara a. Hitung nilai dari masing-masing kombinasi model b. Hitung nilai ln dari masing-masing kombinasi model c. Hitung nilai ln2 d. Hitung nilai BIC dari masing-masing kombinasi model yang diperoleh dari =ln2 +ln + ln +1 e. Pilih model dengan nilai BIC terkecil sebagai model terbaik 13
25 BAB IV PEMBAHASAN BIC merupakan metode pemilihan model terbaik dari beberapa kandidat model. Konsep BIC pertama kali diperkenalkan oleh Schwarz (1978), BIC yang dikembangkan oleh Schwarz ini menggunakan beberapa teorema Bayesian, sehingga BIC dikenal juga dengan Schwarz s Bayesian Information Criterion (SBIC) dan ada juga yang menyebutnya dengan Schwarz Bayesian Criterion (SBC). Metode pemilihan model dengan menggunakan BIC didasarkan pada metode MLE dan teorema Bayesian. Dalam memilih model terbaik dengan metode BIC dipilih model dengan nilai BIC terkecil. Semakin kecil nilai BIC semakin baik modelnya. Hal ini dikarenakan dengan meningkatnya akan meningkatkan nilai BIC. Oleh karena itu, dipilih nilai BIC terkecil (Fathurahman, 2009). 4.1 Bayesian Information Criterion (BIC) BIC adalah metode pemilihan model dari beberapa kandidat model. Bentuk umum BIC dicari untuk n data sampel =,,,, berdasarkan data sampel tersebut akan dipilih suatu model terbaik dari l model yang mungkin yaitu,,,, dimana,,, dan 1,2,,. Model digambarkan dengan probabilitas, dimana Θ adalah vektor parameter dari dan merupakan fungsi likelihoodnya dengan adalah estimasi maksimum likelihood dari parameter. Misalkan adalah prior diskrit pada model,,, dan adalah prior untuk parameter dari model. Dengan menerapkan teorema Bayes, joint posterior dari dan dapat ditulis menjadi :, = 14
26 15 dimana merupakan distribusi marginal dari. Berdasarkan data sampel, probabilitas posterior model dapat ditulis = (4.1). Dalam pemilihan model dengan aturan Bayes, akan memilih model yang memberikan probabilitas posterior terbesar. Meminimumkan nilai 2ln sebagai lawan memaksimumkan. Sehingga diperoleh 2ln =2ln 2ln 2ln g. Karena nilai suatu konstanta tetap untuk model, maka untuk tujuan model seleksi bentuk 2 dapat disederhanakan, sehingga diperoleh 2ln ) 2ln( ) 2ln g = (4.2). Pada bentuk L g, dengan mengambil ekspansi deret taylor orde ke-2 dari log Likelihood di sekitar, bentuk ln dapat ditulis ln ln + ln ln =ln [ Ι, ] (4.3) dengan Ι, =. Ι, merupakan rata-rata pengamatan matriks informasi Fisher. Dengan mengubah bentuk persamaan (4.3) ke dalam bentuk anti ln menjadi L exp [ Ι, ] (4.4) Dari persamaan (4.4) maka bentuk g (4.2) dapat ditulis menjadi dalam persamaan ( ) 0 g( ) = 0 ( ) exp { 1 ( 2 ) [ Ι (, )] ( )}g( ) (4.5).
27 16 Karena g =1 maka persamaan (4.5) dapat ditulis menjadi g θ k = exp Ι, g = exp 1 2 Ι, = 2π nι θ sehingga = 2π n [Ι, ] = 2ln 2ln g = 2ln 2ln{ 2π n [Ι, ]} = 2ln 2ln +p ln ln2π+lnι, (4.6). Karena bentuk 2ln, ln2π dan ln Ι, suatu konstanta tetap untuk model, persamaan (4.6) dapat disederhanakan menjadi dengan, : fungsi maksimum likelihood : jumlah parameter model : banyaknya data. 2ln + ln = 2ln + ln (4.7) Model yang dipilih dengan persamaan (4.7) adalah model yang memberikan nilai BIC minimum (Cavanaugh, J.2005).
28 BIC dalam Regresi Metode BIC didasarkan pada metode MLE. Metode MLE ini digunakan untuk mencari fungsi maksimum likelihood dari model. Sebelum melakukan pemilihan model dalam kasus regresi linear dengan metode BIC, residu data harus memenuhi asumsi klasik regresi linear. Untuk mendapatkan model terbaik perlu dilihat semua kombinasi yang mungkin dari variabel independen yang berpengaruh terhadap model dan variabel dependennya. Dari kombinasi yang diperoleh tersebut dipilih model terbaik. Kombinasi yang paling baik untuk dijadikan model regresi terbaik dapat dilihat dari nilai BIC yang diperoleh. Nilai BIC yang dipilih adalah nilai BIC terkecil diantara beberapa kombinasi tersebut. Nilai BIC terkecil yang dimiliki model berarti variansinya juga terkecil diantara model yang lain. Ini berarti bahwa residu model yang dipilih kecil sehingga model cukup akurat. Untuk menentukan nilai BIC dalam model regresi linear perlu diketahui rumus yang digunakan. Penurunan rumus tersebut dapat diketahui berdasarkan penjelasan di bawah ini. Bentuk dalam persamaan (4.7) disubtitusikan dengan fungsi maksimum likelihood untuk regresi linear yaitu,, sehingga diperoleh = 2ln,, + ln (4.8) dengan,,, : fungsi maksimum likelihood : banyaknya parameter : banyaknya data. Karena residu data mengikuti distribusi normal maka dapat dituliskan bentuk umum fungsi likelihoodnya, sebagai berikut,, = (4.9)
29 18 Selanjutnya persamaan (4.7) diubah ke dalam bentuk ln sehingga ln,, = 2 ln 2 2 ln 1 2 ln,, = ln 1 2 ln,, = ln 2 ln 2 + (4.10) dimana Y adalah vektor 1 dan adalah matriks. Kemudian untuk memperoleh, dicari turunan pertama dari bentuk ln,, terhadap sama dengan nol, maka diperoleh = =0 = 1 2 [ 2 +2 ]=0 1 [ ]=0 = Kemudian mengalikan kedua ruas dengan diperoleh =. Sehingga diperoleh persamaan untuk sebagai berikut =. Kemudian untuk memperoleh, dicari turunan pertama dari bentuk ln,, terhadap sama dengan nol, maka diperoleh ln = [ ]=0 1 2 [ ]= 2 [ ]= (4.11) Sehingga diperoleh persamaan untuk sebagai berikut = [ ].
30 19 Persamaan (4.10) disubtitusikan ke dalam persamaan (4.8), maka diperoleh = 2 2 ln 2 2 ln ln = ln2 + ln + [ 2 + ]+ ln (4.12) Dengan mensubtitusikan persamaan (4.11) ke dalam persamaan (4.12), maka diperoleh = ln 2 + ln + + ln = ln2 + ln + ln + = ln2 +ln + ln +1 (4.13) Karena konstan maka untuk pemilihan model persamaan (4.13) dapat disederhanakan menjadi =ln2 +ln + ln +1 (4.14) Model yang baik adalah model yang memiliki nilai variansi yang kecil. Sehingga dalam menentukan model terbaik dengan BIC dipilih model yang memiliki nilai BIC yang terkecil sesuai persamaan (4.14). 4.3 Contoh Aplikasi Pemilihan Model Regresi Terbaik dengan BIC Metode BIC dapat diterapkan dalam regresi linear. Sebagai penerapan dari metode BIC digunakan data dari Badan Pusat Statistik tahun 2009 dengan produksi padi sebagai, jumlah benih sebagai, luas panen sebagai, dan produktivitas padi sebagai, yang dapat dilihat pada lampiran 1. Data diuji apakah ada pelanggaran asumsi klasik yaitu normalitas, tidak terdapat multikolinearitas, tidak terdapat heteroskedastisitas dan tidak terdapat autokorelasi. Data diregresikan dengan regresi linear biasa, diperoleh persamaan = (lampiran5). Kemudian residu dari persamaan regresi linear tersebut diuji memenuhi asumsi normalitas, multikolinearitas heteroskedastisitas dan autokorelasi.
31 20 1. Asumsi Normalitas Pengujian kenormalan digunakan untuk mengetahui apakah residu berdistribusi normal atau tidak. Plot kenormalan untuk residu dari model produksi padi disajikan pada gambar 4.1. Probability Plot of RESI1 Normal Percent Mean E-11 StDev N 33 KS P-Value RESI Gambar 4.1 Plot probabilitas dari residu Gambar 4.1 terlihat bahwa pola penyebaran residu mengikuti garis lurus, ini berarti asumsi kenormalan pada residu dipenuhi. Untuk menguji kenormalan dapat juga digunakan uji Kolmogorov-Smirnov sebagai berikut a. residu berdistribusi normal residu tidak berdistribusi normal b. Tingkat signifikasi = 0.05 c. Daerah kritis, ditolak jika p-value < = 0.05 d. Statistik uji Dari Gambar 4.1 terlihat bahwa p-value = e. Kesimpulan Karena nilai p-value = 0.095> 0.05 maka tidak ditolak yang berarti residu berdistribusi normal.
32 21 2. Uji Multikolinearitas Uji multikolinieritas bertujuan untuk mengetahui apakah terdapat korelasi antara variabel independen dalam model regresi. Berdasarkan perhitungan nilai VIF sesuai lampiran 2 didapatkan, Tabel.4.1 Hasil Uji Multikolinearitas No Variabel VIF Kesimpulan Tidak terdapat multikolinearitas Tidak terdapat multikolinearitas Tidak terdapat multikolinearitas Berdasarkan tabel 4.1 diperoleh nilai VIF semua variabel independen kurang dari 10 sehingga asumsi tidak terdapat multikolinearitas terpenuhi. 3. Uji Heteroskedastisitas Versus Fits (response is y) Residual Fitted Value Gambar 4.2. Plot residu dengan Berdasarkan gambar 4.2 menunjukkan plot tidak membentuk pola tertentu sehingga asumsi tidak terdapat heteroskedastisitas terpenuhi. 4. Uji Autokorelasi Autokorelasi diartikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu. Uji non autokorelasi dapat dideteksi dengan uji Durbin Watson (d).
33 22 a. =0, artinya tidak ada autokorelasi 0, artinya ada autokorelasi b. Tingkat signifikasi = 0.05 c. Daerah kritis: Pada =3 dan =33 serta = 0.05 diperoleh nilai = 1.26 dan = 1.65 sesuai lampiran 4, sehingga 4 =2.74 dan 4 =2.35 d. Statistik Uji Berdasarkan uji Durbin Watson (d) didapatkan nilai =1.724 sesuai lampiran 3. e. Kesimpulan Karena = < =1.724<4 =2.3455, maka dapat disimpulkan asumsi tidak terdapat autokorelasi terpenuhi. Selanjutnya dilakukan pengujian parameter yaitu uji simultan dan uji parsial. Uji simultan untuk model dengan tiga variabel independen yaitu,, dan adalah a. =0, =1,2,3 (variabel independen, dan secara simultan tidak berpengaruh terhadap variabel dependen Y) b. 0, =1,2,3.(variabel independen, dan secara simultan berpengaruh terhadap variabel dependen Y) c. Tingkat signifikasi = 0.05 d. Daerah Kritis, ditolak jika >,, e. Statistik Uji Dari tabel 4.2 terlihat bahwa = f. Kesimpulan Karena nilai =901.71>.,, =3.93 maka ditolak yang berarti bahwa variabel independen, dan secara simultan berpengaruh terhadap variabel dependen Y.
34 23 Tabel 4.2 Hasil Uji F Sumber variasi Derajat bebas Jumlah kuadrat Rata-rata kuadrat P-value Regresi E E Sisa E E+11 Total E+14 Kemudian dilakukan uji parsial untuk mengetahui ada atau tidaknya pengaruh,, dan terhadap Y. Uji parsial untuk model dengan tiga variabel independen yaitu,, dan adalah a. : =0, untuk =1,2,3 (tidak ada pengaruh yang signifikan antara variabel independen ke-j terhadap variabel dependen) 0, untuk =1,2,3 (ada pengaruh yang signifikan antara variabel indenpenden ke-j terhadap variabel dependen) b. Tingkat signifikasi =0.05 c. Daerah kritis, ditolak jika > /, atau < /, atau p-value < =0.05 d. Statistik uji Dari tabel 4.3 terlihat bahwa a. Nilai h variabel sebesar 1.45 b. Nilai h variabel sebesar c. Nilai h variabel sebesar 2.26 e. Kesimpulan : a. Karena =1.45>., =2.045 maka tidak ditolak yang berarti bahwa tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen. b. Karena =40.98>., =2.045 maka ditolak yang berarti bahwa ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen. c. Karena =2.26>., =2.045 maka ditolak yang berarti bahwa ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen.
35 24 Tabel 4.3 Hasil Uji t Variabel Koefisien p-value Konstanta X X X Karena tidak mempunyai pengaruh yang signifikan terhadap maka variabel tidak dimasukkan dalam kombinasi model, hanya kombinasi model dari variabel dan yang akan dimasukkan dalam kombinasi model dan dipilih sebagai model terbaik menurut metode BIC. Sehingga ada 2 =4 kombinasi model dan ada 3 kombinasi model yang akan dipilih. Nilai BIC dalam tabel 4.4 menurut rumus pada persamaan (4.14) dapat dihitung dengan: a. Hitung nilai dari masing-masing kombinasi model b. Hitung nilai ln dari masing-masing kombinasi model c. Hitung nilai ln2 d. Hitung nilai BIC dari masing-masing kombinasi model yang diperoleh dari ln2 +ln + ln +1 e. Pilih model dengan nilai BIC terkecil. No Variabel independen Tabel 4.4 Nilai BIC dari Model ln ln = ln2 +ln + ln +1 1 X X X,X
36 25 Model terbaik menurut metode BIC adalah model dengan nilai BIC terkecil. Berdasarkan tabel 4.4 model yang memiliki nilai BIC terkecil adalah model yang dipengaruhi oleh variabel independen dan yaitu variabel independen luas panen dan produktivitas padi. Model tersebut mempunyai BIC sebesar Sehingga berdasarkan output minitab pada lampiran 5 diperoleh persamaan = Hal ini berarti, untuk setiap kenaikan satu hektar luas panen menaikkan nilai produksi padi sebesar 5.56 ton dan untuk setiap kenaikan satu kuintal/hektar produktivitas padi menaikkan nilai produksi padi sebesar ton. Jika dan bernilai nol maka produksi padi sebesar ton. Berarti, jika dan bernilai nol maka produksi padi akan mengalami kerugian sebesar ton.
37 BAB V PENUTUP 5.1 Kesimpulan Berdasarkan hasil dari pembahasan pada bab 4 dapat ditarik suatu kesimpulan sebagai berikut : 1. Bentuk umum BIC yang dirumuskan dengan menerapkan teorema Bayes dalam mencari probabilitas posterior model, dapat ditulis = 2ln + ln. 2. Model regresi terbaik dengan metode BIC diperoleh dengan memilih model yang memiliki nilai BIC terkecil. Nilai BIC dalam regresi dihitung dengan =ln2 +ln + ln Saran BIC merupakan salah satu metode pemilihan model yang memiliki hasil cukup akurat. Bagi pembaca yang tertarik pada pemilihan model terbaik dengan BIC dapat mengembangkan penggunaan BIC dalam analisis runtun waktu. 26
38 27 DAFTAR PUSTAKA Bain, L.J, and Engelhardt, M. (1992). Introduction to Probability and Mathematical Statistic, Second ed.,duxbury Press, Inc, California. Cavanaugh, J. (2005) Model Selection, The Schwarz Information criterion (SIC). Department Biostatistics. The University of Lowa. google search:bayesian Information Criterion+BIC. Fathurahman, M. (2009) Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion. Jurnal Informatika Mulawarman. Vol Gujarati, D. (1995). Basic Econometrics. McGraw Hill Inc., Singapore. Kass, R. E. and Raftery, A. E. (1995) Bayes Factor. Journal of The American Statistical Associations. Vol Larson, H. J. (1974). Introduction to Probability Theory and Statistical Inference. John Wiley & Sons, Inc, New York. Montgomery, D.C, and Peck, E.A. (1992). Introduction to Linear Regression Analysis second edition. John Wiley & Sons, Inc, New York. Neter, J and Wasserman,W. (1996). Applied Linear Regression Models. The McGraw-Hill Companies. Schwarz, G. (1978). Estimating the Dimension of Model. Annals of Statistic 6. Sembiring, R.K. (1995). Analisis Regresi. Penerbit ITB. Bandung. Supranto, J. (1995). Ekonometrika Buku I. LPFE-UI1. Jakarta. Walpole, R. E. dan Myers, R. H.(1995). Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Terjemahan R. K. Sembiring. Edisi Kedua. ITB. Bandung.
ESTIMASI-MM PADA REGRESI ROBUST (Studi Kasus Produksi Kedelai di Indonesia Tahun 2010)
ESTIMASI-MM PADA REGRESI ROBUST (Studi Kasus Produksi Kedelai di Indonesia Tahun 2010) oleh ENDAH KRISNA MURTI M0106039 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciMODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS
MODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS (Studi Kasus Produksi Jagung di Indonesia) Oleh VICTOR SATRIA SAPUTERA M0112089 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI
PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI oleh EKO BUDI SUSILO M0110022 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciRATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA
RATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA oleh INTAN LISDIANA NUR PRATIWI NIM. M0110040 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciPERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH
PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciREGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH. oleh IDA YUSWARA DYAH PITALOKA M
REGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH oleh IDA YUSWARA DYAH PITALOKA M0108046 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM)
ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) oleh MIKA ASRINI M0108094 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciSIMULASI PEMILIHAN SUPPLIER SIMPLISIA TERBAIK DI PT. AIR MANCUR MENGGUNAKAN METODE ADDITIVE RATIO ASSESSMENT
SIMULASI PEMILIHAN SUPPLIER SIMPLISIA TERBAIK DI PT. AIR MANCUR MENGGUNAKAN METODE ADDITIVE RATIO ASSESSMENT oleh TITIK MURDATIK M0107061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION DENGAN METODE GENERALIZED LEAST SQUARE
digilibunsacid ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION DENGAN METODE GENERALIZED LEAST SQUARE oleh RATNA MUFLICHAH M0107050 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI M-KUANTIL MENGGUNAKAN METODE ITERATIVE REWEIGHTED LEAST SQUARE (IRLS)
ESTIMASI PARAMETER MODEL REGRESI M-KUANTIL MENGGUNAKAN METODE ITERATIVE REWEIGHTED LEAST SQUARE (IRLS) oleh Lisa Apriana Dewi M0108055 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratanmemperoleh
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN
Lebih terperinciDaerah Jawa Barat, serta instansi-instansi lain yang terkait.
IV. METODE PENELITIAN 4.1 Waktu dan Lokasi Penelitian Pengambilan data sekunder untuk keperluan penelitian ini dilaksanakan pada awal bulan juli hingga bulan agustus 2011 selama dua bulan. Lokasi penelitian
Lebih terperinciPENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA
PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA oleh FATIMAH MUTIARA SARI M0111032 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Gambaran Umum Provinsi Jawa Timur Penelitian ini dilakukan mulai bulan September 2012 di Jakarta terhadap Laporan Keuangan Daerah Provinsi Jawa Timur untuk periode tahun
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE SKRIPSI Disusun Oleh: HILDAWATI 24010211130024 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciBAB III METODE PENELITIAN. Lokasi dari penelitian ini adalah CV.Nusaena Konveksi yang beralamat di
BAB III METODE PENELITIAN 3.1.Lokasi dan waktu penelitian Lokasi dari penelitian ini adalah CV.Nusaena Konveksi yang beralamat di Jalan Pembangunan Gg. Samoa No. 12 Rumbai - Pekanbaru. Penelitian ini di
Lebih terperinciMODEL REGRESI ROBUST DENGAN PEMBOBOT WELSCH DAN PEMBOBOT RAMSAY
MODEL REGRESI ROBUST DENGAN PEMBOBOT WELSCH DAN PEMBOBOT RAMSAY oleh KISHARTYA PRATIWI M0106076 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini di lakukan dikantor Dinas Pendapatan Pengelolaan
26 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Lokasi penelitian ini di lakukan dikantor Dinas Pendapatan Pengelolaan Keuangan dan Asset Daerah Kota Gorontalo. Penelitian ini dimulai dengan
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperincioleh FAIFAR NUR CHAYANINGTYAS M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
MODEL REGRESI B-SPLINE PADA LAJU PERTUMBUHAN PENDUDUK DI INDONESIA oleh FAIFAR NUR CHAYANINGTYAS M0112032 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH
ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH oleh RAMADHANI KUSUMA PUTRA M0110069 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB III METODOLOGI PENELITIAN. menganalisis data, penulis menggunakan alat bantu komputer seperti paket
49 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Penelitian yang dilakukan penulis adalah penelitian kuantitatif dengan menggunakan metode regresi linier berganda sebagai alat analisis data. Dalam
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN A. Gambaran Umum Obyek Penelitian Pada bab ini penulis akan menganalisis data yang telah terkumpul yaitu data dari Dana Perimbangan dan Belanja Modal Provinsi Jawa Timur,
Lebih terperinciPENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013
PENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013 oleh TONI IRAWAN M0110078 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciBAB III METODE PENELITIAN. dari situs resmi Bursa Efek Indonesia (BEI) yaitu Unit. tercatat di BEI pada tahun
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Tempat penelitian ini dilakukan di Jakarta dengan mengunduh data dari situs resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id. Unit dalam penelitian
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Setelah melalui beberapa tahap kegiatan penelitian, dalam bab IV ini diuraikan analisis hasil penelitian dan pembahasan hasil penelitian. Analisis
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data
Lebih terperincisebuah penelitian tentang: pengaruh laba akuntansi, arus kas opera- sional, ukuran perusahaan, tingkat pertum- buhan perusahaan terhadap harga saham
contoh sebuah penelitian tentang: pengaruh laba akuntansi, arus kas operasional, ukuran perusahaan, tingkat pertumbuhan perusahaan terhadap harga saham kerangka pikir yang diajukan sbb. laba akuntansi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan pada pemerintah Provinsi Jawa Timur. Provinsi Jawa Timur yang terdiri dari 29 Kabupaten dan 9 Kota, akan tetapi ada penelitian
Lebih terperinciBAB III METODE PENELITIAN. buku-buku, internet serta laporan yang tercatat melalui website
53 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan dengan mencari dan mengumpukan data yang berhubungan dengan masalah penelitian ini baik dari sumber dokumen atau buku-buku,
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER oleh APRILLIA COSASI M0109014 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciMODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH
MODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH oleh NANDA PUTRI MONALISA M0108057 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciBAB IV ANALISIS HASIL PENELITIAN. Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data
BAB IV ANALISIS HASIL PENELITIAN Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data yang berhasil dikumpulkan, hasil pengolahan data dan pembahasan dari hasil pengolahan tersebut. Berdasarkan
Lebih terperinciESTIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS
ESTIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS (Studi Kasus Pengaruh BI Rate, Jumlah Uang Beredar, dan Nilai Tukar Rupiah terhadap
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN. untuk pengumpulan data dan informasi bulan Januari 2014.
85 BAB III METODOLOGI PENELITIAN A. Lokasi dan Waktu Penelitian Dalam rangka memperoleh data dan informasi, maka lokasi penelitian ini dilakukan pada Pojok Bursa Universitas Mercubuana yang berlokasi di
Lebih terperinciHETEROSKEDASTISITAS DALAM ANALISIS REGRESI LINIER SKRIPSI. Oleh: YOGIE DANA INSANI NIM
HETEROSKEDASTISITAS DALAM ANALISIS REGRESI LINIER SKRIPSI Diajukan Untuk Memenuhi Persyaratan Penyelesaian Program Sarjana Sains Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN. berbentuk time series selama periode waktu di Sumatera Barat
BAB III METODOLOGI PENELITIAN A. Sumber Data Metode penelitian dilakukan dengan mengumpulkan data sekunder yang berbentuk time series selama periode waktu 2005-2015 di Sumatera Barat yang diperoleh dari
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA oleh FEBRIANI ASTUTI M0111036 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini berlokasi di Desa Sungai Ular Kecamatan Secanggang
BAB III METODE PENELITIAN 3.1. Tempat dan Waktu Penelitian Tempat penelitian ini berlokasi di Desa Sungai Ular Kecamatan Secanggang Kabupaten Langkat. Pemilihan lokasi penelitian dilakukan secara sengaja
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Tempat Penelitian Penelitian ini dilaksanakan di Kota Madya Salatiga propinsi Jawa Tengah. Pemilihan Kota Madya Salatiga sebagai daerah penelitian dikarenakan untuk memudahkan
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciBAB IV ANALISA HASIL DAN PEMBAHASAN
BAB IV ANALISA HASIL DAN PEMBAHASAN A. Analisis Data 1. Analisa Statistik Deskriptif Statistik deskriftif menggambarkan tentang ringkasan data-data penelitian seperti minimum, maksimum, mean, dan standar
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciBAB III METODOLOGI PENELITIAN. karakteristik tertentu (Indriantoro dan Supomo, 2003). Populasi dalam penelitian
20 BAB III METODOLOGI PENELITIAN 3.1 Populasi dan Sampel Populasi adalah sekelompok orang, kejadian, atau segala sesuatu yang mempunyai karakteristik tertentu (Indriantoro dan Supomo, 2003). Populasi dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinciSKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
MODEL REGRESI SEMIPARAMETRIK SPLINE DAN PENERAPANNYA PADA FAKTOR YANG MEMENGARUHI KEPADATAN PENDUDUK DI JAWA TENGAH oleh YOHANI DEVI SUMANTARI M0112095 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperincioleh PRITA DEWI HUTRIANA SARI NIM. M
ESTIMASI RATA-RATA PRODUKSI JAGUNG DI PROVINSI JAWA BARAT MENGGUNAKAN PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DENGAN KOEFISIEN KURTOSIS VARIABEL BANTU DAN REGRESI ROBUST oleh PRITA DEWI HUTRIANA
Lebih terperinciBAB III OBJEK / DESAIN PENELITIAN. 10 besar CGPI dan juga terdaftar di Bursa Efek Indonesia (BEI). Ada tiga kriteria yang
BAB III OBJEK / DESAIN PENELITIAN III.1 Objek Penelitian Objek penelitian ini adalah perusahaan-perusahaan yang masuk dalam peringkat 10 besar CGPI dan juga terdaftar di Bursa Efek Indonesia (BEI). Ada
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR
PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR oleh MAULIDA DWI RAHMITANINGRUM M0111054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciBAB III METODE PENELITIAN. yang menekankan pada pengujian teori-teori melalui pengukuran variabelvariabel
BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini menggunakan pendekatan kuantitatif yaitu penelitian yang menekankan pada pengujian teori-teori melalui pengukuran variabelvariabel penelitian
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Penyajian dan Analisis Data 1. Pengungkapan Tanggung Jawab Sosial Lingkungan Dalam pengungkapan tanggung jawab sosial perusahaan dibutuhkan beberapa kategori dan
Lebih terperinciBAB III METODOLOGI PENELITIAN Variabel Penelitian dan Definisi Operasional
46 BAB III METODOLOGI PENELITIAN 3. 1 Variabel Penelitian dan Definisi Operasional 3. 1. 1 Variabel Penelitian Variabel yang digunkan dalam penelitian ini terdiri dari 2 (dua) variabel, yaitu a. variabel
Lebih terperinciBAB 4 ANALISIS DAN HASIL PENELITIAN. Penggunaan analisis statistik deskriptif untuk memberikan gambaran data yang akan
BAB 4 ANALISIS DAN HASIL PENELITIAN 1.1 Analisis Hasil Penelitian 1.1.1 Analisis Deskriptif Statistik Penggunaan analisis statistik deskriptif untuk memberikan gambaran data yang akan dijadikan sampel
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR)
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR) oleh DIAH PUTRI UTAMI NIM. M0110018 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
Lebih terperinciESTIMASI FUNGSI PENGHALUS PADA REGRESI ISOTONIK ADITIF DENGAN METODE KUADRAT TERKECIL. oleh YULIANA SITI NURAINI M
ESTIMASI FUNGSI PENGHALUS PADA REGRESI ISOTONIK ADITIF DENGAN METODE KUADRAT TERKECIL oleh YULIANA SITI NURAINI M0107071 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini dilakukan di Depok, dimulai dari pengumpulan landasan teori dan sumber-sumber data pada awal april 2013. Kemudian dilanjutkan dengan
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk memenuhi
Lebih terperinciPERBANDINGAN KEPEKAAN UJI KENORMALAN UNIVARIAT PADA KATEGORI MOMEN MELALUI SIMULASI MONTE CARLO
PERBANDINGAN KEPEKAAN UJI KENORMALAN UNIVARIAT PADA KATEGORI MOMEN MELALUI SIMULASI MONTE CARLO oleh SITI NURJANAH M0109061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan data yang diinput dari Annual Report (2008-2012) maka dapat dihitung rasio-rasio keuangan yang digunakan dalam penelitian
Lebih terperinciBAB III METODE PENELITIAN. data kuantitatif. Data kuantitatif adalah data yang diukur dalam skala numeric
33 BAB III METODE PENELITIAN 3.1. Jenis Dan Sumber Data Jenis data yang diperlukan dan dikumpulkan dalam penelitian ini adalah data kuantitatif. Data kuantitatif adalah data yang diukur dalam skala numeric
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek dalam penelitian ini adalah perusahaan manufaktur disektor 5 (consumer goods industry) periode 2008-2010. Berikut ini peneliti
Lebih terperinciOleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Oleh FATMA JULITA M0111034 SKRIPSI ditulis
Lebih terperinciBAB III METODOLOGI PENELITIAN. (Sugiyono, 2010). Populasi dalam penelitian ini adalah Bank Umum Milik
BAB III METODOLOGI PENELITIAN 3.1. Populasi dan Sampel Penelitian 3.1.1. Populasi Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek yang mempunyai kuantitas dan karakteristik tertentu
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciAPLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL
APLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL UNG GARBA SKRIPSI: ditulis dan diajukan untuk memenuhi
Lebih terperinciPERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT
PERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT PADA ESTIMASI PARAMETER MODEL REGRESI PRODUKSI JAGUNG DI JAWA TENGAH oleh KARINA PUTRIANI M0110047
Lebih terperinciBAB III METODE PENELITIAN. metode analisis data serta pengujian hipotesis.
BAB III METODE PENELITIAN Pada bab 3 ini akan dijelaskan mengenai metode penelitian yang meliputi populasi dan sampel penelitian, data dan sumber data, variabel operasional, metode analisis data serta
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciMETODE PENELITIAN. keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi, data
IV. METODE PENELITIAN A. Jenis dan Sumber Data Data adalah semua hasil observasi atau pengukuran yang telah dicatat untuk suatu keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi,
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciBAB III METODE PENELITIAN. Dalam penelitian ini, peneliti menggunakan metode penelitian kuantitatif Variabel dan Definisi Operasional Variabel
24 BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode merupakan cara atau taktik sebagai langkah yang harus ditempuh oleh peneliti dalam memecahkan suatu permasalahan untuk mencapai tujuan tertentu.
Lebih terperinciBAB 3 METODE PENELITIAN. jenis data yang berbentuk angka (metric) yang terdiri dari:
BAB 3 METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu jenis data yang berbentuk angka (metric) yang terdiri dari: 1. Data laporan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini bersifat studi kasus dengan cara mengumpulkan, mempelajari, menganalisis dan mengintegrasi variabel-variabel dari hasil publikasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
BAB IV HASIL DAN PEMBAHASAN IV.1 Statistik Deskriptif Statistik deskriptif merupakan statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
Lebih terperinciIII. METODOLOGI PENELITIAN. dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta dengan
28 III. METODOLOGI PENELITIAN 3.1. Desain Penelitian Metode yang digunakan dalam penelitian ini adalah penelitian analisis deskriptif dan verifikatif. Metode deskriptif adalah studi untuk menentukan fakta
Lebih terperinci