ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL"

Transkripsi

1 ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : Jurusan : Statsta FMIPA-ITS Dosen Pembmbng : Ir. Mutah Salamah, M.Kes. ABSTRAK Masalah ependuduan berupa epncangan antara pertumbuhan pendudu dan etersedaan ebutuhan hdup merupaan masalah yang perlu dperhatan. Usaha untu mengatas masalah ependuduan tersebut adalah dengan program Keluarga Berencana. Metode ontraseps dalam KB yang dgunaan oleh mayortas wanta d Jawa Tmur adalah metode ontraseps modern. Pemlhan metode ontraseps KB yang dgunaan dduga dpengaruh oleh usa, domsl, penddan, status peerjaan, jumlah ana yang hdup, unjungan PLKB dan petugas esehatan. Untu mengetahu hubungan antara jens metode ontraseps dan dugaan fator-fator yang mempengaruh dapat dgunaan regres logst multnomal dmana data yang dgunaan dalam peneltan n adalah data SDKI 007. Pemodelan regres logst multnomal ndvdu terhadap metode ontraseps detahu bahwa dar 8 varabel predtor yang dduga berpengaruh terdapat 5 varabel yang sgnfan yatu domsl, penddan str dan suam, jumlah ana yang hdup dan unjungan petugas esehatan. Pemodelan regres logst multnomal secara serenta menunjuan bahwa varabel domsl, penddan str dan penddan suam berpengaruh sgnfan terhadap pemlhan metode ontraseps tradsonal, sedangan varabel jumlah ana yang hdup, unjungan petugas esehatan dan penddan str berpengaruh sgnfan terhadap pemlhan metode ontraseps modern. Kata-ata unc : regres logst multnomal, metode ontraseps, eluarga berencana, SDKI 007,. Pendahuluan Masalah ependuduan adalah suatu masalah yang dhadap semua bangsa, termasu Indonesa. Salah satu masalah ependuduan tersebut adalah perembangan pendudu. Banya teor-teor demuaan oleh para ahl yang menaruh perhatan terhadap perembangan pendudu. Teor-teor tersebut pada haeatnya mencar pemecahan tentang perembangan pendudu yang cenderung menngat lebh cepat dar pada ebutuhan hdup. Untu mengurang egoncangan dan epncangan terhadap perbandngan antara pendudu dan ebutuhan hdupnya, maa salah satu usaha yang dlasanaan adalah dengan pengendalan jumlah elahran. Usaha pengendalan jumlah elahran n d Indonesa terlasana melalu program Keluarga Berencana (KB) yang telah mula dcanangan pemerntah seja ahr 970'an. KB merupaan salah satu bagan dalam paet Pelayanan Kesehatan Reprodus Esensal yang perlu mendapatan perhatan, arena dengan mutu pelayanan Keluarga Berencana berualtas dharapan aan dapat menngatan tngat esehatan dan esejahteraan. Dengan telah berubahnya paradgma dalam pengelolaan masalah ependuduan dan pembangunan dar pendeatan pengendalan populas dan penurunan fertltas menjad pendeatan yang berfous pada esehatan reprodus serta ha reprodus. Maa pelayanan Keluarga Berencana harus menjad lebh berualtas serta memperhatan ha-ha dar peserta KB dalam memlh metode ontraseps yang dngnan (Safuddn, 003). Peneltan n dhususan pada wlayah Jawa Tmur darenaan Jawa Tmur merupaan propns dengan jumlah pendudu terbanya edua d Indonesa dengan jumlah pendudu lebh dar 36 juta jwa. Dengan jumlah pendudu yang begtu besar maa perlu dtelt bagamana pelasanaan program KB dmana ddalaamya terat dengan penggunaan metode ontraseps. Berdasaran Surve Demograf dan Kesehatan Indonesa (SDKI) 007 yang dlasanaan pada Bulan Jul 007 sampa dengan September 007, terdapat beberapa cara ontraseps yang dlauan masyaraat Indonesa. Berdasaran pada enyataan tersebut maa peneltan n bertujuan untu mengaj adanya fator-fator yang mempengaruh cara ontraseps yang dplh masyaraat untu menunda ehamlan atau bahan tda menggunaan metode ontraseps apapun. Dalam ranga menentuan besar peluang seseorang memlh cara untu mengendalan ehamlanya maa perlu suatu formulas model yang merupaan pengaruh dar beberapa fator. Peneltan mengena metode ontraseps sebelumnya pernah dlauan oleh Salamah (998). Dalam peneltan tersebut respon dbag menjad 4, yatu cara modern, cara tradsonal, cara follorc dan tda menggunaan cara ontraseps. Hasl peneltan tersebut menunujuan dar eempat respon tersebut cara follorc meml probabltas yang relatf sangat ecl. Berdasaran hasl dar peneltan tersebut maa dalam peneltan n respon dbag hanya menjad 3, yatu cara modern, tda menggunaan cara ontraseps dan cara tradsonal.

2 Peneltan lan yang juga mengupas ontraseps dlauan oleh Utoyo (009) dengan stud asus pravalens penggunaan ontraseps pada wanta d Indonesa. Hasl peneltan sebelumnya tersebut juga djadan acuan dalam penentuan dugaan fator-fator yang berpengaruh. Dugaan awal adalah fator-fator sepert umur, domsl, penddan str dan suam, status peerjaan, jumlah ana yang hdup, unjungan PLKB dan petugas esehatan menjad fator yang berpengaruh. Salah satu metode untu mengetahu adanya hubungan antara varabel respon dan predtor adalah regres logst yang merupaan sebuah metode untu mengetahu hubungan antara varabel respon bersfat ategor (nomnal atau ordnal) dengan varabel-varabel predtor ontnu maupun ategor (Agrest, 990). Dengan uraan sepert datas maa metode statsta yang sesua untu dgunaan dalam mencapa tujuan peneltan n adalah analss regres logst multnomal.. Tnjauan Pustaa. Statst Desrptf Menurut Bhattacarya dan Johnson (977), statst desrptf merupaan statst yang dgunaan untu mendesrpsan atau menggambaran obye peneltan yang dambl dar sampel maupun populas. Statst desrptf dalam peneltan n dgunaan untu menyajan araterst wanta d Jawa Tmur yang menjad sampel SDKI 07 terat dengan cara ontraseps dalam program KB.. Regres Logst Regres logst merupaan salah satu metode yang dapat dgunaan untu mencar hubungan vara-bel respon yang bersfat dchotomous (bersala nomnal atau ordnal dengan dua ategor) atau polychotomous (mempunya sala nomnal atau ordnal dengan lebh dar dua ategor) dengan satu atau lebh varabel predtor dan varabel respon bersfat ontnyu atau ategor (Agrest, 990). Sebaga contoh untu mempermudah pemahaman maa dgunaan satu varabel predtor. Dalam regres lnear dasumsan bahwa mean dnyataan sebaga persamaan lner dalam sebaga berut E Y () Bentu spesf dar model regres logst dnyataan dalam persamaan () (Hosmer dan Lemeshow, 000). 0 e () 0 e Sebaga bentu penyederhanaan persamaan d atas, maa dgunaan transformas logt π ( dengan bentu sebaga berut. g ln 0 (3).3 Regres Logst Multnomal Regres logst multnomal merupaan regres logst yang dgunaan saat varabel dependen mempunya sala yang bersfat polchotomous atau multnomal. Metode yang dgunaan dalam peneltan n adalah regres logst dengan varabel respon bersala nomnal dengan tga ategor. Mengacu pada regres logst trchotomous (Hosmer dan Lemeshow, 000) untu model regres dengan varabel dependen bersala nomnal tga ategor dgunaan ategor varabel hasl Y dodng 0,, dan. Varabel Y terparametersas menjad dua fungs logt. Bentu model regres logst dengan p varabel predtor sepert pada persamaan (4). ep ep 0 p p (4) Dengan menggunaan transformas logt ddapatan dua fungs logt, g( ln P Y P Y 0 p p 0... p p = (5) g ( ln P Y P Y 0

3 = 0... p p = (6) Berdasaran edua fungs logt tersebut maa ddapatan model regres logst trchotomous sebaga berut. 0 ( = ep g ( ep g ( ) ( = ep g ( (7) ep g ( ep g ( ( = ep g ( ep g ( ep g ( dengan P(Y=j = j ( untu j=0,,. Untu menguj sgnfans oefsen uj serenta. A. Uj Parsal dar model yang telah dperoleh, maa dlauan uj parsal dan Pengujan sgnfans parameter menggunaan uj Wald (Hosmer dan Lemeshow, 000) dengan hpotess sepert d bawah n. H 0 : 0 H : 0, dengan =,,...p Perhtungan statst uj Wald adalah sebaga berut. W ˆ SE( ˆ ) Daerah penolaan H 0 adalah ja W Z atau W ( v, ) dengan derajat bebas v. / B. Uj serenta Hpotess uj serenta adalah sebaga berut. H 0 :... 0 p H : palng sedt ada satu 0, dengan =,,..., p Statst uj adalah statst uj G atau lelhood rato test. G p (9) y ln y ln n ln n n0 ln n0 nln n dengan n = banyanya observas yang berategor dan n 0 = banyanya observas yang berategor 0. Daerah penolaan H 0 adalah ja G > (, v ) dengan db=v. Dalam hal n G menyebar mengut dstrbus Ch-square dengan derajat bebas p (Hosmer dan Lemeshow, 000). C. Uj Kesesuaan Model Uj esesuaan model dengan menggunaan statst uj Ch-square.. g ( o ) ( ) dengan o y j j m j j j jumlah varabel respon pada grup e- ˆ rata-rata tasran probabltas m banyanya observas yang meml nla j j ˆ banyanya observas pada grup e- (8) (0) 3

4 Statst uj datas untu menguj hpotess sebaga berut. H 0 : model sesua (tda ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model) H : model tda sesua (ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model) Pengamblan eputusan ddasaran pada tola H 0 ja htung (db,α) dengan db=g-..4 Keluarga Berencana KB adalah sngatan dar Keluarga Berencana yang dapat dartan sebaga geraan untu membentu eluarga yang sehat dan sejahtera dengan membatas elahran. Secara gars besar program KB merupaan salah satu program pemerntah untu mengendalan pertumbuhan pendudu Indonesa (Anonm_a, 009). Dalam pelasanaanya, KB yang merupaan salah satu ddalam paet Pelayanan Kesehatan Reprodus Esensal perlu mendapatan perhatan yang serus, arena dengan mutu pelayanan Keluarga Berencana berualtas dharapan aan dapat menngatan tngat esehatan dan esejahteraan. Dengan telah berubahnya paradgma dalam pengelolaan masalah ependuduan dan pembangunan dar pendeatan pengendalan populas dan penurunan fertltas menjad pendeatan yang berfous pada esehatan reprodus serta ha reprodus. Maa pelayanan Keluarga Berencana harus menjad lebh berualtas serta memperhatan ha-ha dar len/masyaraat dalam memlh metode ontraseps yang dngnan (Safuddn, 003). Metode-metode ontraseps yang dlauan masyaraat Indonesa umunya dan Jawa Tmur husunya adalah dengan metode ontraseps tradsonal dan metode ontraseps modern. Metode ontraseps tradsonal dantaranya adalah dengan pantang berala yatu menghndar sanggama pada saat subur, lalu dengan senggama terputus yatu mengeluaran alat elamn menjelang terjadnya ejaulas serta metode latas (Edelwz, 00). Metode ontraseps modern pada dasarnya adalah metode ontraseps dengan alat bantu yang lebh modern. Metode n dantaranya adalah dengan penggunaan AKDR (Alat Kontraseps Dalam Rahm), ondom, spermsda, dafragma, susu dan pl. Adapula dengan melauan metode ontraseps mantap yang denal juga dengan sterlsas, yatu operas pada saluran ndung telur (perempuan) atau saluran sperma (la-la) agar sterl atau ta ada sel telur untu dbuah maupun sel sperma untu membuah. Sterlsas pada wanta dsebut dengan tubetom sedangan para pra denal dengan vasetom (Adsense, 00). 3. Metodolog Peneltan Data yang dgunaan dalam peneltan n adalah data seunder yang dambl dar hasl SDKI 007, yang merupaan survey berala nasonal mengena onds demograf dan esehatan d Indonesa. SDKI 007 dlasanan pada Bulan Jul 007 sampa dengan September 007 d 33 provns. SDKI 007 dselenggaraa sebaga hasl erjasama antara Bro Pusat Statst (BPS), Kantor Menter Negara Kependuduan/Badan Koordnas Keluarga Berencana Nasonal (BKKBN) dan Departemen Kesehatan RI. Keranga sampel surve n adalah sub sampel dar Surve Angaran Kerja Nasonal (SAKERNAS) 007. Sampel SDKI 007 drancang untu menghaslan estmas araterst pentng dar wanta pernah awn usa 5-49 tahun, pra awn usa 5-4 tahun serta pra dan wanta belum awn usa 5-4 tahun tngat nasonal (Anonm_b, 009). Varabel-varabel yang dgunaan pada peneltan n adalah sebaga berut. Varabel respon: cara ontraseps yang dgunaan oleh wanta awn untu menunda/ mencegah ehamlan, yang meml sala nomnal untu analss regres logst multnomal yatu : Y=0, ja tda menggunaan cara ontraseps Y=, ja menggunaan cara tradsonal Y=, ja menggunaan cara modern Dplh ategor tda menggunaan sebaga pembandng, arena ngn detahu peluang seseorang untu menggunaan cara ontraseps ja dbandngan dengan peluang seseorang untu tda menggunaan cara ontraseps. Sedangan yang menjad varabel predtor pada pemodelan dalam peneltan n adalah araterst wanta awn d Jawa Tmur yang menjad sampel SDKI 007 yang melput varabel-varabel d bawah n. Usa (X ) Usa responden dalam peneltan n bersala raso dmana usa yang dmasud adalah usa responden saat dlauan survey. Tempat Tnggal (X ) Merupaan asal daerah tempat tnggal responden saat dlauan survey n. Tempat tnggal n delompoan menjad urban dan rural sehngga ategor untu X adalah sebaga berut, 0 = urban = rural Penddan str (X 3 ) Varabel penddan merupaan nformas tentang penddan formal yang terahr dtempuh oleh responden. Varabel penddan dategoran dalam jenjang penddan formal yatu: 4

5 = penddan SD = penddan SMP 3 = penddan SMA 4 = seolah aadem 5 = unverstas Penddan suam (X 4 ) Varabel penddan merupaan nformas tentang penddan formal yang terahr dtempuh oleh suam responden. Varabel penddan dategoran dalam jenjang penddan formal yatu: = penddan SD = penddan SMP 3 = penddan SMA 4 = seolah aadem 5 = unverstas Status Peerjaan (X 5 ) Kategor untu varabel status peerjaan n melput: 0 = tda beerja = beerja Jumlah ana yang mash hdup (X 6 ) Varabel n menunjuan jumlah ana yang mash hdup yang dml oleh responden. Varabel n dategoran sebaga berut: = jumlah ana < = jumlah ana 3 = jumlah ana > Adanya petugas layanan KB (X 7 ) Menunjuan ada tdanya unjungan dan sosalsas petugas layanan KB terhadap responden. Varabel n delompoan sebaga berut 0 = tda ada = ada Kunjungan petugas esehatan (X 8 ) Menunjuan ada tdanya unjungan petugas esehatan terhadap responden. Varabel n delompoan sebaga berut 0 = tda ada = ada Langah-langah yang perlu dlauan untu melauan analss data adalah. Menghtung freuens dar masng-masng ategor setap varabel predtor untu mengetahu bagamana varas araterst responden.. Menentuan model regres logst unvarat untu setap varabel predtor. 3. Melauan uj sgnfans parameter dar setap model regres logst unvarat. 4. Menentuan model regres logst multvarat antara varabel respon dengan varabel-varabel predtor yang sgnfan. 5. Menguj goodness-of-ft dar model regres logst terba, yan model yang seluruh varabel predtornya sgnfan. 6. Mengnterpretasan model regres logst terba. 7. Menghtung besarnya etepatan penglasfasan responden. 4. Hasl dan Pembahasan 4. Karaterst Wanta d Jawa Tmur Terat dengan Cara Kontraseps Program KB Hasl desrptf araterst dar fator-fator yang dduga menyebaban perbedaan pemlhan metode ontraseps wanta d Jawa Tmur dtnjau dar persebaran umur responden, terdapat lebh dar 4% wanta berusa tahun yang menggunaan metode ontraseps modern. Dan tda ada satu wantapun yang berusa urang dar 0 tahun yang menggunaan metode ontraseps tradsonal. Berdasaran domsl responden detahu bahwa wanta Jawa Tmur yang menjad sampel SDKI 07 58,8% berdomsl d pedesaan dan ssanya d perotaan. Dar varabel domsl tersebut juga detahu bahwa lebh dar 36% pengguna metode ontraseps modern berdomsl d pedesaaan dan hanya % yang menggunaan metode tradsonal. Serta terdapat,6% tda menggunaan ontraseps bedomsl pedesaan. Dtnjau dar seg penddan, penddan str terahr str lebh dar 50% adalah SMP, dan 9,7% adalah SD sedang ssanya adalah SMA. Detahu pula bahwa lebh dar 33,6% pengguna ontraseps modern adalah wanta berpenddan terahr SMP. Sedangan wanta yang tda menggunaan metode ontraseps penddan SD dan SMP meml jumlah yang sama besar yatu sebesar 4,6% dar total eseluruhan wanta. Hal n berbeda ja 5

6 dtnjau dar seg penddan suam, dmana lebh dar 50% hanya berpenddan terahr SD. Dar total 60,4% pengguna metode ontraseps modern ternyata hanya,% suam berpenddan terahr seolah aadem. Dar seg peerjaan hasl tabulas slang menunjuan sebesar 34,3% dar total prosentase eseluruhan adalah status str yang tda beerja dan status str yang beerja mempunya prosentase sebesar 65,7%. Prosentase terbesar str yang tda menggunaan cara ontraseps yatu str yang beerja sebesar 3,6% dar 35,6% total str yang tda menggunaan cara ontraseps. Untu cara ontraseps metode tradsonal status str yang beerja mempunya prosentase sebesar,5% dar total pengguna metode tradsonal sebesar 4%. Dan sebesar 39,6% str yang beerja menggunaan cara ontraseps metode modern dar 60,4% total prosentase pengguna ontraseps metode modern. Dtnjau dar jumlah ana yang mash hdup, detahu bahwa 79,% meml ana urang dar ;3,6% ssanya meml ana lebh dar dan ssanya meml ana sebanya orang. Yang menar walaupun baru meml ana urang dar namun 47% wanta telah memutusan untu menggunaan metode ontraseps modern sedangan 8,7% tda menggunaan metode ontraseps dan 3,5% lebh memlh menggunaan metode tradsonal. Berdasaran ada tdanya unjungan meds maupun petugas PLKB, ternyata lebh dar 95% tda pernah mendapat unjungan dar petugas PLKB ataupun meds. Namun menarnya mespun tda pernah mendapat unjungan meds dan PLKB lebh dar 55% telah menggunaan metode ontraseps modern, walaupun memang tda menutup mata bahwa mash ada 33% lebh ssanya belum menggunaan metode ontraseps apapun. Bla dcermat lebh lanjut mespun telah mendapat unjungan meds maupun PLKB mash terdapat,7% yang tda menggunaan metode ontraseps. 4. Regres Logst Multnomal Secara Indvdu Untu mengetahu pengaruh dar fator-fator yang dduga mempengaruh penggunaan ontraseps secara ndvdu, dlauan uj Wald dengan hpotess : H 0 : β j = 0, =,,,8 H : β j 0 ˆ W SE( ˆ ) Statst Uj : Tola H 0 ja pada taraf sgnfans α ja W j > Z α/. Hasl uj pengaruh fator-fator yang dduga mempengaruh penggunaan ontraseps dapat dlhat pada Tabel Tabel Regres Logst Multnomal Secara ndvdu Logt Varabel B Wald P-value Ep (B) Umur. Tradsonal Konstanta Umur. Modern Konstanta Umur Domsl. Tradsonal Konstanta Domsl = 0. Modern Konstanta Domsl = 0 Penddan Istr. Tradsonal Konstanta Pend_Istr = Pend_Istr =. Modern Konstanta Pend_Istr = Pend_Istr = Penddan Suam. Tradsonal Konstanta Pend_Suam = Pend_Suam = Pend_Suam = 3 Pend_Suam = 4. Modern Konstanta Pend_Suam = Pend_Suam = Pend_Suam = 3 Pend_Suam = 4 Ana Hdup. Tradsonal Konstanta Ana_Hdup = Ana_Hdup =. Modern Konstanta Ana_Hdup = Ana_Hdup = Status Peerjaan -,65 0,03 0,858-0,00 -,544 -,54 0,557-0,043 -,58 -,659-0,787 0,635-0,60 0,00-0,74 -,07 -,669 -,34 0,336 0,669-0,4-0,077-0,76 0,3 -,944 0,834,53 0,34 0,49,37 8,740 0,60 3,94,070 80,534,963 37,86 0,37 30,834 3,07 6,59 3,65 4,09,67 3,79,30 9,83 6,344 0,0 6,6 0,66 0,064 0,903 0,33 3,945,49,038 5,00 0,834 4,50 0,43,03 0,50 0,990 * 0,0 0,7 0,958 * 0,0* * 0,0 0,053 * 0,00* 0,0* 0,654 0,03 0,684 0,800 0,34 0,570 0,9 0,53 0,03 0,36 * 0,070 0,455 0,538, 0,0 0,88 0,3,400 0,89 0,96 0,759,366,303 3,67,60 3,7 6

7 . Tradsonal Konstanta Kerja = 0. Modern Konstanta Kerja = 0 Petugas Layanan KB. Tradsonal Konstanta PLKB = 0. Modern Konstanta PLKB = 0 Petugas Kesehatan. Tradsonal Konstanta Ptgs_Kes = 0. Modern Konstanta Ptgs_Kes = 0 -,8 0,8 0,59 0,035-3,35 0,978 0,58 0,003 -,037-0,58,8-0,698 56,95 0,59 0,070 0,0 9,4 0,899 4,034,0 0,063 4,59 8,075 0,690,6 0,773,035 0,00 0,343,660 0,045 0,99,003 0,00 0,80 0,854 0,004* 0,498 Keterangan : *) sgnfan pada α = 5% Berdasaran Tabel detahu bahwa terdapat tga varabel yang secara ndvdu tda berpengaruh sgnfan terhadap penggunaan ontraseps yatu varabel umur, status peerjaan dan adanya PLKB (Petugas Layanan KB). Varabel domsl memberan pengaruh yang sgnfan terhadap penggunaan ontraseps pada tngat α =5 %. Fungs logt yang dhaslan : g ( = -,544-,54 Domsl(0) g ( = 0,557-0,043 Domsl(0) Pada Logt, nla odds rato sebesar 0,0, dengan nla P-value sebesar yang berart bahwa domsl mempunya pengaruh yang sgnfan terhadap penggunaan metode tradsonal. Hal n berart pendudu yang berdomsl d pedesaan mempunya peluang menggunaan metode tradsonal 0,0 al lebh ecl dbandng pendudu perotaan tda menggunaan ontraseps. Sedangan pada Logt, nla odds rato yang dhaslan sebesar 0,958. Namun, nla odds rato n tda sgnfan, sehngga dapat dataan bahwa domsl tda mempunya pengaruh yang sgnfan terhadap pendudu yang menggunaan ontraseps dengan metode modern. Dar dua fungs logt d atas juga dapat dtuls model peluang penggunaan cara ontraseps untu masngmasng jens adalah sebaga berut : 0( ) ep g( ep g( 0( ep(-,544-,54domsl(0)) ep(0,557-0,043domsl(0)) ep g( ( ) ep g( ep g( ep(-,544-,54domsl(0)) ( ep(-,544-,54domsl(0)) ep(0,557-0,043domsl(0)) ep g( ( ep g( ep g( ep(0,557-0,043domsl(0)) ( ep(-,544-,54domsl(0)) ep(0,557-0,043domsl(0)) Keterangan : π 0 ( = untu tda menggunaan ontraseps π ( = untu metode tradsonal π ( = untu metode modern Model peluang d atas dapat dgunaan untu mengetahu peluang seseorang dalam penggunaan ontraseps. Peluang orang berdomsl d perotaan untu tda menggunaan ontraseps adalah 0,34 sedangan peluang menggunaan metode tradsonal dan metode modern masng-masng adalah 0,07 dan 0,59. Sedangan untu masyaraat berdomsl pedesaan, peluang tda menggunaan KB sebesar 0,37. Peluang pendudu pedesaan menggunaan metode tradsonal lebh ecl dbandng pendudu perotaan, yatu sebesar 0,0. Sedangan peluang pendudu pedesaan menggunaan metode modern adalah 0,6. Pengujan secara ndvdu untu varabel penddan str, penddan suam, jumlah ana yang hdup dan unjungan petugas esehaatan juga menunjuan bahwa varabel-varabel tersebut mempunya pengaruh yang sgnfan terhadap penggunaan ontraseps metode tradsonal dan metode modern. Dengan metode perhtungan yang sama maa ddapatan nla peluang untu masng-masng varabel. Perhtungan peluang untu masng-masng cara ontraseps berdasaran varabel-varabel ategoral yang sgnfan dapat dlhat pada Tabel. Tabel Probabltas Metode Kontraseps Dtnjau Dar Tap Varabel yang Sgnfan Varabel dan Kategornya Domsl Perotaan Perdesaan Tda Menggunaan 0,34 0,37 Metode Tradsonal 0,07 0,0 Metode Modern 0,59 0,6 7

8 Penddan Istr SD SMP SMA Penddan Suam SD SMP SMA Aadem Unverstas Jumlah Ana 0-3 Petugas Kesehatan Ada Tda 0,9 0,49 0,3 0,35 0,34 0,37 0,4 0,9 0,36 0,8 0,4 0,3 0,37 0,04 0,0 0,09 0,0 0,03 0,06 0, 0,4 0,04 0,03 0,0 0,03 0,04 0,67 0,50 0,60 0,63 0,63 0,57 0,65 0,58 0,59 0,79 0,57 0,74 0, Regres Logst Multnomal Secara Serenta Pembentuan model regres logst serenta bertujuan untu memperoleh model yang tepat dan sederhana berdasaran fator-fator yang danggap berpengaruh terhadap cara ontraseps. Untu memersa sgnfans oefsen secara eseluruhan atau serenta dlauan pengujan dengan lelhood rato test. Hpotess : H 0 : β = β = = β = 0 H : mnmal ada satu β j = 0 Statst uj : G p y ln y ln n ln n n0 ln n0 nln n (, df ) Daerah Krts : Tola H 0 ja nla G > atau P-value < α Berdasaran hasl lelhood rato test ddapatan nla G sebesar 7,568 dengan P-value =. Dengan nla α = 0,05, maa berart tola H 0, secara serenta oefsen yang ddapatan sgnfan terhadap model regres logst. Pada model regres logst secara serenta n, varabel-varabel yang tda sgnfan pada regres logst multnomal yang ndvdu tda dutsertaan dalam model. Varabel yang dutan dalam model serenta n adalah domsl, penddan str, penddan suam, jumlah ana hdup dan petugas esehatan. Hasl regres logst multnomal serenta dapat dlhat pada Tabel 3. Tabel 3 Regres Logst Multnomal Secara serenta Logt Varabel B Wald P-value Ep(B). Metode Tradsonal Konstanta -,353,99 0,9 Domsl=0 -,0 8,48 0,004* 0,360 Pend_Istr= -,65 6,473 0,0* 0,97 Pend_Istr= -0,058 0,0 0,88,060 Pend_Suam= -,7 4,0 0,045* 0,30 Pend_Suam= -,34 4,045 0,044* 0,9 Pend_Suam=3-0,63,70 0,9 0,53 Pend_Suam=4 0,568 0,557 0,455,765 Ana_Hdup= 0,349 0,396 0,59,47 Ana_Hdup=,44,54 0,33 3,47 Petugas_Kes=0 0,388 0,357 0,550,473. Metode Modern Konstanta,00 9,446 0,00 Domsl=0 0,066 0,66 0,606,068 Pend_Istr= -0,88 5,869 * 0,437 Pend_Istr= 0,09 0,4 0,63,096 Pend_Suam= 0,07 0,405 0,54,30 Pend_Suam= 0,05 0,006 0,940,05 Pend_Suam=3-0,065 0,044 0,834 0,937 Pend_Suam=4 0,9 0,78 0,598,340 Ana_Hdup= -0,076 0,94 0,660 0,97 Ana_Hdup=,59 4,36 * 3,87 Petugas_Kes=0-0,637 6,395 0,0* 0,59 8

9 Dar model regres logst multnomal secara serenta ddapatan fungs logt : g ( = -,353-,0Domsl(0)-,65Pend_Istr()-0,058Pend_Istr()-,7PendSuam()-,34PendSuam()-0,63PendSuam(3)+0,568PendSuam(4)+0,349Ana()+,44Ana()+0,388PetugasKes(0) g ( =,00+0,066Domsl(0)-0,88Pend_Istr()+0,09Pend_Istr()+0,07PendSuam()+ 0,05PendSuam()-0,065PendSuam(3)+0,9PendSuam(4)-0,076Ana()+,59Ana()-0,637PetugasKes(0) Nla odds rato pada Tabel 3 dapat dnterpretasan dengan cara yang sama sepert pada pemodelan regres logst multnomal secara ndvdu. Msalan sebaga contoh adalah penddan str SD yang sgnfan pada logt (metode tradsonal) meml nla odds rato sebesar 0,97, hal n dapat dartan bahwa wanta berpenddan SD meml peluang menggunaan metode ontraseps tradsonal 0,97 al wanta yang berpenddan SMA untu tda menggunaan metode ontraseps. 4.4 Uj Kesesuaan Model Uj esesuaan model n dgunaan untu mengetahu apaah model yang terbentu sudah sesua. Hpotess : H 0 : Model sesua (tda ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model) H : Model tda sesua (ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model) Statst uj : g ( o ) ( ) Pengamblan eputusan ddasaran pada tola H 0 ja htung (db,α) dengan db=g-. Berdasaran hasl perhtungan yang terdapat pada lampran, ddapatan P-value sebesar 0,777 yang berart gagal tola H 0 pada α = 5%, sehngga dapat dataan bahwa model yang terbentu sudah sesua, tda ada perbedaan yang nyata antara hasl observas dengan emungnan preds model. 4.5 Ketepatan Klasfas Model Setelah dlauan uj esesuaan terhadap model yang telah ddapatan, maa emudan dlauan penguuran etepatan lasfas model regres logst multnomal tersebut. Hasl etepatan lasfas dapat dlhat pada Tabel 5. Tabel 5 Ketepatan Klasfas Model Preds Observas Tda Menggunaan Metode Tradsonal Metode Modern Ketepatan Klasfas Tda Menggunaan ,3% Metode Tradsonal ,0% Metode Modern ,6% Persentase Total,8% 0,0% 78,% 63,4% Berdasaran Tabel 5 tersebut, dapat dlhat bahwa dar 490 wanta yang tda menggunaan ontraseps, 68 wanta (34,3%) tepat terlasfas berdasaran model regres logst yang ddapatan. Sedangan dar 55 wanta yang menggunaan metode tradsonal, tda ada yang terlasfas secara tepat berdasaran model. Untu wanta yang menggunaan metode modern, dar 833 wanta hanya 705 wanta (84,6%) yang tepat terlasfas menggunaan metode modern berdasaran model. Secara eseluruhan etepatan lasfas yang dhaslan adalah sebesar 63,4% 5. Kesmpulan Berdasaran hasl analss dan pembahasan dapat dambl esmpulan sebaga berut,. Sebagan besar wanta d Jawa Tmur yang menjad responden SDKI 07 menggunaan metode ontraseps modern dan hanya sebagan ecl yang menggunaan metode tradsonal. Usa wanta d bawah 0 tahun menjad mnortas dengan hanya meml prosentase urang dar 3%. Domsl terbag cuup merata dengan ecenderungan menggunaan metode ontraseps modern ba domsl perotaan maupun pedesaan. Penddan terahr str yang domnan adalah SMP sedangan untu suam adalah SD. Dtnjau dar status peerjaan maa sebagan besar meml peerjaan. Dtnjau dar eberadaan unjungan dar petugas esehatan maupun PLKB maa mayortas lebh dar 90% tda mendapatan unjungan.. Dar pemodelan regres logst multnomal ndvdu terhadap metode ontraseps detahu bahwa dar 8 varabel predtor yang dduga berpengaruh terdapat 5 varabel yang sgnfan yatu domsl, penddan str dan suam, jumlah ana yang hdup dan unjungan petugas esehatan. Pemodelan regres logst multnomal secara serenta menunjuan bahwa varabel domsl, penddan str dan penddan suam berpengaruh sgnfan terhadap pemlhan metode ontraseps tradsonal, sedangan varabel jumlah ana yang hdup, unjungan petugas esehatan dan penddan str berpengaruh sgnfan terhadap pemlhan metode ontraseps modernpada taraf sgnfans α=5%. 9

10 6. Saran Berdasaran hasl peneltan detahu bahwa sebagan besar wanta d Jawa Tmur meggunaan metode ontraseps modern sehngga dapat dpergunaan lebh lanjut untu peneltan alat ontraseps dengan metode modern (Pl, Sterlsas, AKDR dll). Detahu pula dar hasl peneltan bahwa mash terdapat lebh dar 35% wanta d Jawa Tmur yang tda menggunaan metode ontraseps dmana detahu pula bahwa unjungan PLKB mash belum berpengaruh sgnfan terhadap pemlhan metode ontraseps, hal n dapat rujuan bag pemerntah untu menngatan sosalsas program KB melalu unjungan PLKB dengan metode pendeatan yang lebh mengena d masyaraat. DAFTAR PUSTAKA Adsense. (00). Alat ontraseps. (Rabu, 7 Maret 00, 0.09 WIB) Agrest, A.. (990). Categorcal Data Analyss. John Wley and Sons, New Yor Anonm_a. (009). KB (Keluarga Berencana) dan perembanganya. (Kams, 5 Februar 00, 0.09 WIB) Anonm_b. (009). SDKI. (Kams, 9 Februar 00, 3.5 WIB) Bhattacarya, G.K. dan Johnson, R.A.. (977). Statstcal Concepts and Methods. John Wley & Sons, New Yor Edelwz. (00). Kontraseps dengan cara alam. (Rabu, 7 Maret 00, 0.55 WIB) Fahrmer, and Tutz. (994). Multvarate Statstcal Modellng Based on Generalzed Lnear Models. Sprnger- Verlag. New-Yor. Inc. Hosmer, D.W., and Lemenshow. (000). Appled Logstc Regresson. John Wley and Sons. USA Safuddn. (008). Kontraseps dan Kesehatan Reprodus Esensal. (5 Maret 009, 0.55 WIB) Salamah, M. (998) Perbandngan Regres Logst Dotomus dan Regres Logst Polotomus. Unverstas Arlangga,Surabaya Utoyo, S. (009). Analss Regres Logst Multnomal dengan Interas Untu Stud Kasus Prevalens Penggunaan Kontraseps pada Wanta d Indonesa, Instut Tenolog Sepuluh Nopember, Surabaya 0

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

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

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

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

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

Lebih terperinci

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

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

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

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

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

Lebih terperinci

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

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

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

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

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

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

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

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

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

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

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

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

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

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

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd

Lebih terperinci

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik Prosdng Statsta ISSN: 2460-6456 Dagram Kontrol Fuzzy Multnomal Untu Data ngust 1 Amy Amallya Azzah, 2 Suwanda Idrs, 3 snur Wachdah 1,2,3 Prod Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.

Lebih terperinci

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

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

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Pengolahan lanjut data gravitasi

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Analss Model Loglner Untu data yang bersfat ategor dan dapat dbentu pada suatu tabel ontngens, dapat danalss dengan analss odel loglner. Model loglner dgunaan untu enganalss eungnan

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

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

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

ANALISIS PEUBAH RESPON BINER

ANALISIS PEUBAH RESPON BINER Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS

Lebih terperinci