PEMODELAN IPM PROVINSI JAWA TIMUR, JAWA TENGAH, JAWA BARAT DAN SUMATERA UTARA DENGAN METODE REGRESI LOGISTIK ORDINAL
|
|
- Leony Liani Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN IPM PROVINSI AWA IMUR, AWA ENGAH, AWA BARA DAN SUMAERA UARA DENGAN MEODE REGRESI LOGISIK ORDINAL Citra Fatimah Nur dan Purhadi Mahasiswa urusan Statistia, Institut enologi Sepuluh Nopember Kampus IS, Suolilo, Surabaya Dosen urusan Statistia, Institut enologi Sepuluh Nopember Kampus IS, Suolilo, Surabaya fat_imah89@yahoo.co.id dan purhadi@statistia.its.ac.id ABSRAK Indes Pembangunan Manusia (IPM merupaan indiator eberhasilan pembangunan manusia dalam suatu wilayah. ola uur IPM ini digunaan dengan harapan dapat meningatan pemerataan pembangunan. Namun, sampai saat ini, belum bisa dicapai pembangunan yang merata di tiap wilayah. ersebutlah Provinsi awa imur, awa engah, awa Barat dan Sumatera Utara yang memilii umlah abupaten/ota terbanya di Indonesia, diteliti dengan menggunaan metode Regresi Logisti Ordinal untu mendapatan fator-fator yang signifian berpengaruh terhadap tinggi-rendahnya nilai IPM. Selain itu, berdasaran penelitian sebelumnya, Diana (9 eempat provinsi tersebut berada dalam satu elompo yang sama berdasar besarnya indiator IPM dalam eempat provinsi tersebut. Sehingga, berdasaran hasil analisa dengan Metode Regresi Logisti Ordinal diperoleh fator-fator yang mempengaruhi tinggi rendahnya nilai IPM berbeda di antara satu provinsi dengan yang lain. Selanutnya, berdasar hasil model terbai menghasilan etepatan lasifiasi masing-masing 8,97%, 8,9%, dan,9%, untu provinsi awa imur, awa engah, awa Barat. Kata Kunci : Regresi Logisti Ordinal, IPM, Ketepatan Klasifiasi. Latar belaang Paradigma pembangunan Indonesia mengalami perembangan sea tahun 9 sampai dengan saat ini. Pada urun watu 9-97, pemerintah meneanan pada paradigma pertumbuhan eonomi dalam pembangunan. Pada tahap selanutnya teradi pergeseran e arah pembangunan yang berorientasi pada eseahteraan arena paradigma pertumbuhan eonomi ustru menimbulan esenangan antara golongan yang aya dan golongan misin. Oleh arena itu, selama urun watu 97-98, pemerintah berupaya eras untu menerapan paradigma pemerataan pembangunan di seluruh wilayah. Pemerintah secara sentralisti menerapan program-program pembangunan epada daerah-daerah misin dan peloso-peloso desa untu mengear etertinggalan. Hasil ahir dari pembangunan manusia tersebut adalah lahirnya manusia yang mandiri dan mampu memberian ontribusi terhadap eberlanutan pembangunan nasional di seluruh wilayah. Sealan dengan perembangan pendeatan pembangunan manusia di atas, pada tahun 99 PBB melalui UNDP menetapan sebuah tolo uur untu menguur hasil-hasil pembangunan manusia dengan indiator IPM (Indes Pembangunan Manusia. ( Zairin, Mesipun, tola uur pembangunan tersebut telah mulai direalisasian, nyatanya pembangunan manusia Indonesia masih belum terlalu tinggi. Butinya di provinsi-provinsi besar layanya awa imur, awa engah, awa Barat, dan Sumatera Utara yang notabene memilii wilayah besar dengan banya abupaten/ota, nilai IPM nya masih berada di isaran menengah atas. Keempat provinsi tersebut memilii masalah-masalah peli terait dengan ualitas pembangunan manusia, diantaranya esenangan sosial eonomi dalam masyaraat, tingginya anga pengangguran terbua, banyanya pendudu misin, urang tanggapnya terhadap masalah esehatan (gizi buru, epidemi, dll. Ironis, arena eempat provinsi tersebut memilii banya potensi tersendiri, di bidang perebunan, industri, pertanian, budaya dll.
2 Penelitian tentang IPM telah banya dilauan sebelumnya, diantaranya adalah penelitian Salam (7 yang meneliti esamaan vetor parameter pada beberapa model regresi logisti ordinal dengan studi asus fator-fator yang mempengaruhi indes pembangunan manusia di provinsi awa timur, nusa tenggara timur, dan papua tahun, Kamil (7 dengan spesifiasi penelitian pada indiator IPM yaitu indiator pen-didian, Safii d ( tentang penerapan indiator indes pembangunan manusia sebagai variabel non-eonomi dan tolo uur eberhasilan pembangunan di awa timur, uga Diana (9 yang mendasari penelitian peneliti ini. Dalam tesisnya, Diana (9 meneliti IPM dengan menggunaan Regresi Multivariat. Melanutan penelitian Diana (9, pada penelitian ali ini aan digunaan Metode Regresi Logisti Ordinal dengan variabel respon IPM yang diategorian menadi tiga ategori, yani rendah, sedang dan tinggi. Sehingga dapat terawab mengapa dan apa saa yang mempengaruhi rendahnya nilai IPM di eempat provinsi tersebut.. Regresi logisti ordinal Model logit yang menadi fous utama dalam bidang sosial adalah model logit umulatif (cumulative logit models. Model logit umulatif pertama ali diperenalan oleh Waler dan Duncan (97 dan emudian disebut model odds proporsional (proportional odds model oleh McCullagh (98. ia variabel preditor x x x x p... didefinisian (Agresti, sebagai P( Y...,,,...,, maa peluang umulatif logit Kumulatif logit didefinisian sebagai P( Y log it[ P( Y ln P ( Y x P( Y ln P( Y x... ln,,,...,... ( Anggap suatu variabel respon multinomial Y dengan eluaran ategori yang dinyataan oleh,,..., dan misalan x menyataan suatu vetor ovariat berdimensi p. Dependensi peluang umulatif Y terhadap x untu model proportional odds sering dinyataan dalam bentu P( Y ln P( Y x x,,,..., ( Persamaan ( dapat diubah e dalam bentu... ln x...,,,..., Model yang secara simultan menggunaan semua umulatif logit (Agresti, adalah log it[ P( Y ] x,,,..., (3 P( Y merupaan peluang umulatif dari eadian ( Y.,,..., merupaan parameter intersep yang tida dietahui yang memenuhi ondisi...,,,..., p merupaan vetor oefisien regresi yang tida dietahui yang bersesuaian dengan x. ia 3... ( x. Maa x, ( x, dan... ( x. Model regresi logisti ordinal yang terbentu ia terdapat ategori respon adalah dan
3 log it ln x x... log it ln x x... log it ln, x x... exp( di mana P( Y,,,..., dan exp( Model ini disebut model logisti umulatif arena rasio odds dari suatu eadian ( Y adalah independen pada setiap indiator ategori. ia dimisalan terdapat 3 ategori respon, maa model regresi logisti ordinal yang terbentu adalah log it ln x x... log it ln x x... Selanutnya untu mendapatan pendugaan parameter regresi logisti ordinal dapat diperoleh dengan menggunaan metode pendugaan maximum lielihood estimation ( MLE. Metode MLE dipilih arena mempunyai beberapa elebihan dibandingan dengan metode lain, diantaranya dapat digunaan untu model tida linier seperti regresi logisti, serta hasil penasirannya unbiased (Hosmer dan Lemeshow,. Pendugaan parameter regresi logisti ordinal didapatan dengan menurunan fungsi log lielihood terhadap parameter yang aan diestimasi dan disamaan dengan nol. Persamaan L( digunaan untu menasir intersep parameter β dimana =,,...p dan L( dipergunaan untu menasir intersep θ dimana =,,...,. L( L( Hasil dari persamaan dan 3 merupaan fungsi nonlinear sehingga diperluan metode iterasi untu memperoleh estimasi parameternya. Metode iterasi yang dipergunaan adalah metode iterative Weighted Least Square (WLS yaitu algoritma Newton- ( t ( t Raphson. Iterasi aan berhenti ia terpenuhi ondisi onvergen, yaitu selisih β β, di mana adalah bilangan yang sangat ecil. Model logisti ordinal yang telah diperoleh perlu diui esesuaiannya. Penguian yang dilauan adalah sebagai beriut. Ui univariabel (parsial : Hipotesa penguian ini adalah : H : lawan H :, =,,,p ˆ Statisti ui yang digunaan adalah statisti Wald : W SE( ˆ Daerah penolaan: H ditola bila W >, atau p-value urang dari α. (
4 Ui Multivariabel (Serenta : Hipotesa penguian ini adalah : H :... p H : Paling sediit ada satu, =,,,p Statisti ui yang digunaan statisti ui G atau Lielihood Ratio est : G ln( / ( L (5 L di mana = nilai yang dimasimalan dari fungsi lielihood di bawah H = nilai yang dimasimalan secara eseluruhan ( H H Daerah penolaan: ditola bila G lebih dari di mana p menunuan nilai variabel random pada tabel H (, p distribusi chi-square pada deraat bebas p. Selanutnya, perlu dilauan penguian esesuaian model dengan Statisti deviance, dimana hipotesis yang digunaan adalah H : model ringas adalah model terbai H : model lengap adalah model terbai Statisti ui : n ˆ ˆ i i D yi ln yi ln i y i y i ( ˆ ˆ x merupaan peluang observasi e-i pa-da ategori e- di mana i i Ringasan statisti berdasaran deviance mengindiasian sebai apa model fit terhadap data. Semain tinggi nilai D dan semain rendah p-value mengindiasian bahwa mungin model tida p di mana merupaan umlah fit terhadap data. Deraat bebas untu ui ini adalah ovariat dan p meru-paan umlah variabel preditor. ia model adalah terbai, maa deviance aan mendeati distribusi. ( df 3. Indes Pembangunan Manusia IPM merupaan gambaran omprehensif mengenai tingat pencapaian pembangunan manusia di suatu daerah, sebagai dampa dari egiatan pembangunan yang dilauan di daerah tersebut. Perembangan anga IPM, memberian indiasi peningatan atau penurunan inera pembangunan manusia pada suatu daerah. IPM dibangun melalui pendeatan tiga dimensi dasar, yang meliputi umur panang dan sehat, pengetahuan dan ehidupan yang laya. Untu menguur dimensi esehatan digunaan anga umur harapan hidup, sedangan untu menguur dimensi pengetahuan digunaan gabungan indicator anga mele huruf dan rata-rata lama seolah. Adapun untu menguur dimensi hidup laya digunaan indiator emampuan daya beli ( Purchasing Power Parity. (BPS, 8. Pada penelitian ini, tiga dimensi dasar tersebut diabaran menadi beberapa variabel penelitian. Definisi operasional dari variabel-variabel penelitian tersebut diantaranya persentase pendudu yang tinggal di perotaan yang merupaan salah satu fator utama yang mendorong pesatnya pertumbuhan di ota dibandingan di abupaten. Selanutnya adalah variabel persentase pendudu berpendidian di atas SLP sebagai representasi anga mele huruf. Representasi eseahteraan adalah besar pendapatan per apita, rasio etergantungan pendudu, persentase pendudu misin, dan tingat PDRB yang diuur dari besarnya peran setor industri. Pendapatan per apita (per capita income adalah pendapatan rata-rata pendudu suatu negara pada suatu periode tertentu, yang biasanya satu tahun. Rasio etergantungan menunuan beban tanggungan pendudu usia produtif (5- tahun terhadap pendudu usia muda (urang dari 5 tahun dan pendudu usia tua (5 tahun atau lebih. ingginya rasio etergantungan mengindiasian beratnya beban eonomi suatu wilayah. Pendudu Misin adalah pendudu yang tida mempu-nyai emampuan dalam memenuhi ebutuhan dasar untu ehidupan yang laya, bai ebutuhan dasar maanan maupun ebutuhan dasar buan maanan. (Urip, 9.
5 . Metode penelitian Data yang digunaan pada Penelitian ini adalah data seunder yang diperoleh dari BPS dan penelitian sebelumnya. Data yang diambil adalah data IPM 7 Propinsi awa engah. Dengan unit observasi adalah abupaten/ota di awa engah, yang terdiri dari 35 abupaten/ota, Dengan variabel-variabel penelitian yang aan diteliti adalah : abel. Variabel Penelitian ipe No. Nama Variabel Kategori Variabel ( ( (3 ( Y = Indes pembangunan manusia Disrit =(IPM<7 =(7 IPM 75 3=(IPM>75 X = Persentase pendudu yang tinggal di daerah perotaan 3 X = Persentase pendudu yang berpendidian di atas SLP 5 Kontinu - Kontinu - X 3 = Pendapatan per apita Kontinu - 5 X = Rasio etergantungan pendudu Kontinu X 5 = Peranan setor industri dalam PDRB Kontinu - 7 X = Persentase pendudu misin Kontinu - Metode peneltian yang digunaan sebagai langah-langah untu mencapai tuuan penelitian diabaran sebagai beriut. Mengetahui pengaruh indiator pendidian terhadap IPM di Provinsi awa imur, awa Barat, awa engah dan Sumatera Utara menggunaan regresi logisti ordinal dengan uraian langah. a. Memodelan variabel X, X, X 3,... X terhadap Y (variabel ta bebas dengan metode Regresi Logisti Ordinal b. Melauan penguian serenta dengan hipotesis : H... : : H Paling sediit ada satu, =,,, c. Memilih variabel mana yang signifian dengan melauan ui parsial sebagai beriut: H : H :, =,,, d. Melauan penguian hipotesis untu menentuan apaah model regresi logisti ordinal telah sesuai atau tida dengan hipotesis H : model sesuai (tida ada perbedaan antara hasil observasi dengan hasil predisi H : model tida sesuai (ada perbedaan antara hasil observasi dengan hasil predisi e. Intepretasi model untu mendapatan fator-fator yang berpengaruh terhadap IPM di Provinsi awa imur, awa Barat, awa engah dan Sumatera Utara.. Mengetahui hasil etepatan lasifiasi berdasaran model regresi Logisti ordinal pada langah sebelumnya : a. Membangun fungsi peluang dari tiap ategori b. Menglasifiasian ategori respon berdasaran hasil perhitungan peluang c. Menghitung presentase lasifiasi dari tiap ategori
6 d. Intepretasi hasil etepatan lasifiasi 5. Analisis dan pembahasan Nilai IPM yang diategorian menadi ategori seperti pada metodologi tida terpenuhi, sehingga dilauan pengategorian embali menadi 3 ategori, yaitu rendah (IPM<7, sedang (7 IPM 75, dan tinggi (IPM>75. Setelah pengategorian embali tersebut, seluruh nilai IPM telah terdistribusi dalam etiga ategori, sehingga dapat dilauan regresi logisti ordinal. Sebelum dilauan analisis regresi logisti ordinal multivariabel, maa perlu dilauan pemilihan variabel yang berpengaruh nyata secara individu terhadap IPM yaitu dengan cara meregresian tiap-tiap variabel preditor dengan variabel responnya, sehingga dapat dietahui variabel preditor mana saa yang secara univariabel berpengaruh terhadap variabel respon. Untu menentuan variabel preditor yang berpengaruh, digunaan statisti ui wald (persamaan untu mengui estimasi parameternya. Hasil perhitungan statisti ui menunuan bahwa pada taraf signifiansi 9%, seluruh variabel preditor berpengaruh secara univariabel terhadap tinggi rendahnya IPM di provinsi awa imur. Sedangan dengan taraf signifian yang sama variabel preditor X 5 (Besar ontribusi setor industri dalam PDRB tida berpengaruh secara signifian terhadap nilai IPM di provinsi awa engah dan awa Barat dengan nilai statisti ui masing-masing,58 dan,8 nilai edua statisti ui tersebut urang dari =,7. Lain halnya dengan provinsi Sumatera Utara variabel yang (;, tida berpengaruh secara signifian adalah X (Persentase pendudu yang berpendidian di atas SLP dengan nilai statisti ui,93 < =,7 (;, Selanutnya masing-masing variabel preditor pada tiap provinsi tersebut diui secara serenta untu mengetahui ebermanaan variabel secara bersamasama. Hipotesis yang aan digunaan dalam ui ini adalah : H... : : H Paling sediit ada satu, =,,, abel Nilai Statisti G dan p-value menurut Provinsi Uraian atim ateng abar Sumut Statisti G 57,398 5,397,83 5,97 DF p-value,,,, Berdasaran hasil perhitungan pada abel, dapat dilihat bahwa nilai p-value yang dihasilan pada penguian se-renta di eempat provinsi adalah,. Nilai p-value tersebut urang dari nilai (,, sehingga dapat diataan bahwa secara serenta model untu eempat provinsi laya / bisa di-terima. Selanutnya, dilauan penguian parsial untu mengetahui variabel yang berpengaruh signifian terhadap model. H : H :, =,,, abel 3 Ui Parsial Penduga atim ateng abar Sumut Koef p-value Koef p-value Koef p-value Koef p-value onst,559,5 -,95,73 5,7,37 75,73,7 onst 7,73,8,37,73 -,38,799 5,35,8 % pendudu tinggal di ota -,8,398 -,77,7 -,,8,,53 % pendudu di atas SLP,73,3,38,7,97,,939,358 Pendapatan per apita,5,373,3,3 -,,75,8, Rasio etergantungan pendudu 9,33,97-3,59, -8,73,7 5,38,99
7 abel 3 Ui Parsial (Lanutan Kontribusi setor industri thdp PDRB -,35,58,.3 -,,75,9,37 % Pendudu misin -,,337,, -,737,78,,5 Berdasaran abel 3 dapat dietahui bahwa variabel preditor yang berpengaruh dengan taraf signifian, terhadap nilai IPM di tiap provinsi berbeda. Provinsi awa imur dan awa engah dipengaruhi variabel X (Persentase pendudu yang berpendidian di atas SLP dan X (Rasio etergantungan pendudu. Provinsi awa Barat dipengaruhi oleh X (persentase pendudu misin. Dan tida ada satupun variabel preditor yang berpengaruh terhadap nilai IPM di provinsi Sumatera Utara. Setelah penguian secara serenta dan parsial, yang dilauan beriutnya adalah Ui Kesesuaian Model (Goodness of Fit est dengan hipotesis sebagai beriut. H Model sesuai (tida ada perbedaan antara hasil observasi dengan hasil predisi : H : Model tida sesuai (ada perbedaan antara hasil observasi dengan hasil predisi Dengan menggunaan statisti ui Deviance : n ˆ ˆ i i D yi ln yi ln i y i y i Hipotesis aan tola H bila p-value urang dari nilai. abel Hasil Ui Kesesuaian Model dengan Metode Deviance Provinsi Chi-Square p-value awa imur 5,578, awa engah 5,55, awa Barat,9,999 Berdasaran abel dapat dietahui bahwa untu taraf signifiansi 95% diperoleh eputusan untu gagal tola H, arena seluruh nilai p-value bernilai melebihi. Hal ini menunuan bahwa model di tiap-tiap provinsi sudah cuup memenuhi atau sesuai. Selanutnya dilauan pemodelan secara serenta dengan variabel yang telah berpengaruh secara signifian bai secara serenta maupun parsial, dan diperoleh model sebagai beriut. Provinsi awa imur y log it y ln 7,9, 5 X y y log it y ln,57, 5 X y Provinsi awa engah y logit y ln 9,3,9X 3, 8X y y ( logit y( ln,,9x 3, 8X y( Provinsi awa Barat y log it y ln 9,85, 595 X y log it y y ln,, 595 y X Setelah didapatan model terbai, maa peluang tiap-tiap ategori di tiap-tiap provinsi uga bisa dihitung, sebagai beriut : Provinsi awa imur exp(7,9,5x exp(7,9,5x 7
8 exp(,57,5x, dan 3 exp(,57,5x Provinsi awa engah exp( 9,3,9X 3,8X exp( 9,3,9X 3,8X exp(,,9x 3,8X, dan 3 exp(,,9x 3,8X Provinsi awa Barat exp( 9,85,595X exp( 9,85,595X 8 exp(,,595x, dan 3 exp(,,595x Berdasaran hitungan peluang di atas dapat diperoleh hasil predisi, sehingga ebenaran model logit ini dapat dilihat berdasar hasil penglasifiasian antara predisi dan observasi Berdasaran perhitungan etepatan penglasifiasian IPM pada dapat dietahui persentase etepatan penglasifiasian IPM terbesar berdasaran model terbai adalah model IPM untu Provinsi awa imur yani 8,97%,sedangan etepatan lasifiasi terendah adalah untu model IPM awa Barat yani,9%. Untu etepatan lasifiasi provinsi awa engah sebesar 8,9%. Anga ini cuup bai arena etepatan lasifiasi eempat provinsi sudah lebih dari 5 persen, sehingga dapat disimpulan bahwa model dianggap bai.. Kesimpulan Kesimpulan yang didapat untu menawab permasalahan, berdasaran analisis dan pembahasan dari penelitian ini untu mengetahui pengaruh indiator pendidian, elayaan hidup dan harapan hidup yang tertuang pada variabel preditor yang diduga berpengaruh pada IPM di provinsi awa imur, awa engah, awa Barat, dan Sumatera Utara yani : a. Fator yang berpengaruh pada IPM awa imur adalah Persentase pendudu yang berpendidian di atas SLP dengan etepatan lasifiasi model 8,97% b. Fator yang berpengaruh pada IPM awa engah adalah Persentase pendudu yang berpendidian di atas SLP dan Rasio etergantungan pendudu dengan etepatan lasifiasi model,9% c. Fator yang berpengaruh pada IPM awa Barat adalah Persentase pendudu misin dengan etepatan lasifiasi model 8,9% 7. Daftar Pustaa Agresti, A. (, Categorical Data Analysis, nd edition, ohn Willey and Sons, Inc., Hoboen, New ersey. BPS (8, Indes Pembangunan Manusia -7. BPS, aarta. Cameron, A. Colin. dan rivedi, Pravin K. (998. Regression Analysis of Count Data. Cambridge University Press, United Kingdom. Diana, R. (9. Ui Kesamaan Vetor Parammeter Model Linier Multivariat : Studi Kasus Fator-fator yang mempengaruhi IPM tahun 7. urusan Statistia-IS Hosmer, D. W. dan Lemeshow, S. (. Applied Logistic Regression. ohn Wiley and Son, New Yor. Kamil, M. (7, Model Pendidian Keasaraan Fungsional Orientasi Budaya Loal untu Peningatan Mutu Layanan Belaar, Faultas Ilmu Pendidian, 8 Otober 9, Kleinbaum, D.G. (99, Logistic Regression, a Self-Learning ext, Springer-Verlag, New Yor.
9 McCullagh, P. dan Nelder,.A. (989, Generalized Linear Models, nd edition, Chapman & Hall, London. Salam, R. (9, Parameter pada Beberapa Model Regresi Logisti Ordinal : Fatorfator Yang Mempengaruhi Indes Pembangunan Manusia di Provinsi awa imur, Nusa enggara imur, dan Papua ahun. urusan Statistia-IS Setiawan, D. (, Banya Fator Pengaruhi Belum ercapainya IPM, Kompas, April, Safii, A, d (, Penerapan Indiator Indes Pembangunan Manusia Sebagai Variabel Non-Eonomi dan olo Uur Keberhasilan Pembangunan di awa imur, 7 Otober 9, Urip, S. (7. Perembangan umlah Pendudu Misin dan Fator Penyebabnya, tanggal ases 8 Otober 9, puul.8 WIB Zairin, M. (, Pengaruh APBD erhadap IPM, Agustus 9, 9
Dosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciMODEL REGRESI LOGISTIK ORDINAL IPM PROVINSI JAWA TENGAH PERIODE TAHUN 2007
Seminar Nasional Statistia IX Institut enologi Seuluh Noember, 07 November 009 MODEL REGRESI LOGISIK ORDINAL IPM PROVINSI JAWA ENGAH PERIODE AHUN 007 Citra Fatimah Nur Mahasiswa Jurusan Statistia, Institut
Lebih terperinciPEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT
PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciModel Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan
Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciAnalisis Regresi Multivariat Terhadap Penilaian Listening, Structure, dan Reading Pada Nilai Tes EFL Mahasiswa ITS
JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04) 337-350 (30-98X Print) D-70 Analisis Regresi Multivariat erhadap Penilaian Listening, Structure, dan Reading Pada Nilai es EFL Mahasiswa IS Heni Kartiasari
Lebih terperinciPendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciOPTIMASI FORMULA ADHESIVE PADA POLYVINYL CHLORIDE FILM PRODUKSI DI PT KARYATERANG SEDATI DENGAN METODE RESPON SURFACE
OPTIMASI FORMULA ADHESIVE PADA POLYVINYL CHLORIDE FILM PRODUKSI DI PT KARYATERANG SEDATI DENGAN METODE RESPON SURFACE Shabira Mayestia Alfath, Muhammad Sahid Abar, Adatul Muarromah 3 Mahasiswa S Statistia
Lebih terperinciModel Probit Untuk Ordinal Response
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciHUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG
Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciPEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR- FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI SULAWESI SELATAN TAHUN 2014
PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR- FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI SULAWESI SELATAN TAHUN 2014 SKRIPSI Diajuan Untu Memenuhi Salah Satu Syarat Meraih Gelar Sarjana
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER
BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciVI. PEMILIHAN MODA (Modal Split/Choice)
VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciPrediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)
Jurnal PROte Vol. 3 No. 1, 216 Predisi Jumlah Kasus Demam Berdarah Dengue Menggunaan Jaringan Syaraf Tiruan Iis Hamsir Ayub Wahab Program Studi Teni Eletro Faultas Teni, Universitas Khairun Email: hamsir@unhair.ac.id
Lebih terperinciBEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si
BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belaang Industri sepeda motor nasional merupaan industri yang masih terus mengalami pertumbuhan. Berdasaran data dari AISI (Asosiasi Industri Sepedamotor Indonesia) tingat produsi
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciKECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009
KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciTEORI PERTUMBUH DR. MOHAMMAD ABDUL MUKHYI, SE., MM
TEORI PERTUMBUH AN EKONOMI DR MOHAMMAD ABDU MUKHI, SE, MM TAHAPAN SEJARAH 1 Kebudayaan Primitif 2 Feodalisme 3 Kapitalisme borjuis 4 Sosialisme dan omunisme 1 Upah dan laba tanpa trend TREND DAN SUMBER
Lebih terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinci2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data
2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperinciPENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR DENGAN MENGGUNAKAN ANALISIS KLASTER DUA TAHAP
PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR DENGAN MENGGUNAKAN ANALISIS KLASTER DUA TAHAP Hazmira Yozza 1, Izzati Rahmi HG, Juliana Jurusan Matematia, Universitas Andalas,
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEJADIAN KARIES GIGI PADA ANAK USIA SEKOLAH DASAR 7-12 TAHUN DI KELURAHAN KENJERAN SURABAYA
1 FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEJADIAN KARIES GIGI PADA ANAK USIA SEKOLAH DASAR 7-12 TAHUN DI KELURAHAN KENJERAN SURABAYA 1 Izzah Qomarul Haq S, 2 Destri Susilaningrum dan 3 M. Sjahid Abar Jurusan
Lebih terperinci