Universitas Negeri Malang
|
|
- Yuliani Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI REGRESI LOGISTIK ORDINAL PADA FAKTOR- FAKTOR YANG MEMPENGARUHI PERMINTAAN ASURANSI JIWA (Studi Kasus di AJB Bumiputera 1912 Cabang Malang Dieng) Universitas Negeri Malang Abstrak: Penelitian ini bertujuan untuk mengetahui model regresi logistik ordinal terbaik yang menggambarkan faktor-faktor yang berpengaruh signifikan terhadap permintaan asuransi jiwa di AJB Bumiputera 1912 Cabang Malang Dieng. Faktor-faktor yang diamati meliputi usia, keadaan ekonomi, kondisi keluarga, motivasi asuransi, serta gaya hidup. Metode analisis yang digunakan adalah regresi logistik ordinal. Berdasarkan hasil analisis data, diperoleh 3 model regresi logistik ordinal terbaik pada faktor-faktor yang mempengaruhi permintaan asuransi jiwa secara signifikan, yaitu: Model logit 1: Log. Logit 2: Log Logit 3: Log Jadi, permintaan asuransi jiwa dijelaskan oleh model sebesar 64,9%. Kata kunci: asuransi jiwa, permintaan, regresi logistik ordinal. Asuransi jiwa merupakan bentuk kerjasama antara orang-orang yang ingin meminimalkan risiko hidup yang tidak berkepastian. Asuransi jiwa memberikan perlindungan dan jaminan apabila terjadi risiko kematian, risiko hari tua, dan risiko kecelakaan. Karena adanya risiko kematian dan risiko hari tua tersebut, maka timbul kesadaran seseorang untuk melimpahkan risiko-risiko tersebut kepada perusahaan asuransi jiwa dengan mengajukan permintaan asuransi jiwa. Adanya permintaan asuransi jiwa mendorong berbagai perusahaan asuransi untuk melakukan upaya dalam menarik minat nasabahnya. Berbagai perusahaan asuransi berlomba-lomba untuk menciptakan produk jasa yang dapat memenuhi kebutuhan para nasabah. Memahami perilaku nasabah merupakan tugas penting bagi perusahaan untuk mengetahui faktor-faktor yang mendorong para nasabah mengikuti asuransi jiwa. Untuk dapat mengetahui faktor-faktor tersebut, maka metode yang dapat digunakan adalah analisis regresi logistik ordinal. Regresi logistik ordinal adalah suatu analisis regresi yang digunakan untuk menggambarkan hubungan antara variabel bebas dengan variabel respon yang berskala ordinal. Dalam regresi logistik ordinal ini, variabel responnya berskala ordinal dengan lebih dari 2 kategori dan setiap kategori dapat diperingkat. Model Rizqi Tri Ramadhayanti adalah mahasiswa jurusan Matematika FMIPA Universitas Negeri Malang I Nengah Parta adalah dosen jurusan Matematika FMIPA Universitas Negeri Malang 3. Hendro Permadi adalah dosen jurusan Matematika FMIPA Universitas Negeri Malang
2 2 untuk regresi logistik ordinal adalah cumulative logit models atau model logit kumulatif. Model peluang kumulatif untuk k kategori menurut Fahrmeir (1994:76) adalah. Sedangkan model logit kumulatifnya adalah = dimana r = 1,, k-1, = konstanta ke-r, = ( adalah vektor koefisien variabel bebas, dan = vektor variabel bebas. Metode pendugaan parameter yang dapat digunakan pada model regresi logistik ordinal adalah metode kemungkinan maksimum atau maximum likelihood estimation (MLE). Dugaan parameter ini diperoleh dengan memaksimumkan fungsi likelihood terhadap parameternya. Fungsi likelihood tiga kategori adalah:. Dalam model regresi logistik ordinal dilakukan pengujian koefisien regresi secara serentak dan parsial. Pengujian signifikansi koefisien regresi secara serentak dilakukan menggunakan uji nisbah kemungkinan yang disimbolkan dengan G yang dirumuskan sebagai (Hosmer dan Lemeshow, 2000:14) : dengan,. Hipotesis uji ini adalah: Ho : : minimal ada satu Hipotesis nol ditolak jika P[ kurang dari yang diinginkan. Statistik G akan mengikuti distribusi chi-square dengan v derajat bebas. Sedangkan pengujian signifikansi koefisien regresi secara parsial dilakukan dengan menggunakan uji Wald yang dirumuskan sebagai W =. Hipotesis dari pengujian ini adalah: Hipotesis nol ditolak jika P[ Z > W] kurang dari yang diinginkan, dimana Z merupakan variabel acak yang mengikuti distribusi normal baku (Hosmer dan Lemeshow, 2000:16). Selain itu, juga dilakukan pengujian kesesuaian model yang digunakan untuk memeriksa model yang diperoleh sudah sesuai atau belum sesuai dengan data yang diamati. Pengujian ini dilakukan menggunakan uji pearson dan deviance (Fahrmeir, 1994:99). Statistik Pearson dirumuskan sebagai: Statistik Deviance dirumuskan sebagai: D = 2, dengan: =. Hipotesis uji ini adalah Model sesuai, : Model tidak sesuai..
3 3 Statistik Pearson dan Deviance menyebar menurut distribusi Chi-Square dengan derajat bebas (k-1)-p. Keputusan tolak hipotesis nol, jika: kurang dari peluang yang diinginkan atau alpha. Dengan ditolaknya hipotesis nol, maka kesimpulannya model yang diperoleh tidak sesuai. Dan sebaliknya jika peluang yang dihasilkan lebih besar dari peluang yang diinginkan atau alpha maka diterima sehingga model sesuai. METODE Data yang digunakan dalam penelitian ini adalah data primer yang diperoleh dengan cara menyebarkan kuisioner kepada nasabah AJB Bumiputera 1912 Cabang Malang Dieng pada tanggal 16 januari-31 januari 2013 sebanyak 96 orang. Variabel respon yang digunakan dalam penelitian ini adalah permintaan asuransi jiwa, sedangkan variabel bebasnya adalah usia (X1), keadaan ekonomi (X2), kondisi keluarga (X3), motivasi asuransi (X4), dan gaya hidup (X5). Langkah-langkah yang dilakukan dalam penelitian ini, pertama adalah melakukan pengujian asumsi multikolinieritas. Pengujian ini menggunakan matrik korelasi. Selanjutnya melakukan analisis model regresi logistik ordinal univariabel. Analisis ini digunakan untuk memilah-milah variabel bebas yang akan masuk ke dalam model regresi logistik ordinal multivariabel dan untuk menghasilkan taksiran parameter. Setelah itu melakukan analisis model regresi logistik ordinal. Dalam analisis ini juga dilakukan pengujian koefisien regresi logistik secara serentak menggunakan uji nisbah kemungkinan atau likelihood ratio test. Sedangkan untuk pengujian koefisien regresi logistik ordinal secara parsial dilakukan dengan menggunakan uji wald. Setelah mendapatkan model regresi logistik ordinal terbaik maka selanjutnya melakukan pengujian kesesuaian model. HASIL DANPEMBAHASAN Dari hasil pengujian instrumen penelitian diperoleh bahwa variabel X2, X3, X4, dan X5 adalah valid dan reliabel. Dengan demikian semua variabel penelitian layak digunakan dalam penelitian. Sebelum melakukan analisis regresi logistik ordinal univariabel, maka dilakukan pengujian asumsi multikolinieritas. Dari hasil pemeriksaan multikolinieritas diperoleh nilai korelasi antara dengan X3 sebesar 0,572 lebih besar dibandingkan dengan korelasi antara X4 dengan Y yaitu 0,453. Hal ini mengindikasikan terjadi multikolinieritas, namun tidak dikeluarkan karena diduga mempengaruhi variabel dependen. Langkah selanjutnya adalah melakukan analisis regresi logistik ordinal univariabel. Pada analisis ini, terlebih dahulu yang dilakukan adalah melakukan pengujian likelihood ratio model regresi logistik ordinal univariabel.
4 4 Tabel 1. Hasil Pengujian Likelihood Ratio Model Regresi Logistik Ordinal Univariabel Variabel G P-value Berdasarkan Tabel 1 dapat diketahui bahwa p-value rasio kemungkinan (G) dari empat variabel bebas yaitu keadaan ekonomi (X2), kondisi keluarga (X3), motivasi asuransi (X4), dan gaya hidup (X5) kurang dari. Oleh karena itu dapat disimpulkan bahwa dari empat variabel yang signifikan tersebut tidak semua parameter dalam model bernilai nol. Setelah itu dilakukan pengujian nilai taksiran parameter dari model regresi logistik ordinal univariabel. Tabel 2. Hasil Estimasi Parameter, Nilai-Z Model Regresi Logistik Ordinal Univariabel Variabel Prediktor Koefisien Z P Usia -2, , , ,72-1,54 0,84 0,006 0,123 0,402 Keadaan Ekonomi 0, , , , , ,68 2,02 3,02 4,54-3,66 0,498 0,043 0,003 Kondisi Keluarga 1, , , , ,34 4,96 7,13-6,26 0,019 Motivasi Asuransi 2, , , , ,52 3,88 5,77-4,76 0,012 Gaya Hidup , , , ,22 5,52 7,10-6,34
5 5 Dari Tabel 2 diketahui bahwa hasil statistik nilai Z dan P-value pada variabel usia tidak signifikan dalam model karena P[ Z > 0,68] = 0,498 lebih besar dari. Pada variabel keadaan ekonomi signifikan dalam model karena P[ Z > 3,66] = lebih kecil dari. Pada variabel kondisi keluarga signifikan dalam model karena P[ Z > 6,26] = lebih kecil dari. Pada variabel motivasi asuransi signifikan dalam model karena P[ Z > 4,76] = lebih kecil dari. Pada variabel gaya hidup signifikan dalam model karena P[ Z > 6,34] = lebih kecil dari. Dengan demikian, variabel bebas yang layak masuk dalam model regresi logistik ordinal adalah variabel keadaan ekonomi (X2), kondisi keluarga (X3), motivasi asuransi (X4), dan gaya hidup (X5). Selanjutnya, akan dilakukan analisis regresi logistik ordinal dengan menggunakan variabel X2, X3, X4, dan X5 sehingga diperoleh: Tabel 3. Hasil Estimasi Parameter, Standard Errors Model Regresi Logistik Berdasarkan hasil regresi logistik ordinal diperoleh tiga model logit, yaitu: Model logit 1: Log Model logit 2: Log Model logit 3: Log Prediktor Koefisien SE Koefisien , , ,64728 X2-0, , X3-0, , X4-0, , X5-0, , Setelah itu dilakukan pengujian koefisien regresi logistik ordinal secara serentak menggunakan uji nisbah kemungkinan dan diperoleh nilai G = dngan p-value = < Hal ini dapat disimpulkan bahwa minimal ada satu variabel bebas yang berpengaruh nyata terhadap variabel respon. Kemudian dilakukan pengujian koefisien regresi logistik ordinal secara parsial menggunakan uji Wald. Tabel 4. Hasil Uji Wald Variabel Z P -2,82 0,005-3,47 0,001-0,59 0,558-4,76
6 6 Pada hasil uji Wald diketahui bahwa terdapat 3 variabel bebas yaitu variabel X2, X3, dan X5 yang mempunyai peluang lebih kecil dari. Hal ini berarti variabel bebas tersebut signifikan pada taraf 5%. Selain itu, terdapat 1 variabel bebas yaitu variabel X4 yang mempunyai peluang lebih dari pada taraf 5%. Dengan demikian dapat disimpulkan bahwa faktor keadaan ekonomi, kondisi keluarga, dan gaya hidup mempunyai pengaruh nyata terhadap permintaan asuransi jiwa. Selanjutnya, dilakukan uji kesesuaian model dengan menggunakan uji pearson dan deviance. Berdasarkan hasil pengujian kesesuaian model diperoleh p-value untuk metode pearson tidak signifikan karena P[ = 0,479 lebih besar dari. Selain itu, p-value untuk metode deviance juga tidak signifikan karena P[ = 1,000 lebih besar dari Hal ini berarti menerima Ho, sehingga dapat disimpulkan bahwa model yang diperoleh telah sesuai dengan data yang diamati. Berdasarkan hasil Pseudo R-Square diperoleh nilai Nagelkerke sebesar 0,649. Hal ini berarti bahwa 64,9% variabilitas variabel dependen mampu dijelaskan oleh variabel X2, X3, X4, dan X5 sedangkan sisanya 35,1% dijelaskan oleh variabel lain. Dengan demikian interpretasi model dari model regresi logistik ordinal terbaik untuk model logit satu dapat disimpulkan bahwa peluang variabel keadaan ekonomi ( ) mempengaruhi permintaan asuransi jiwa untuk kategori pertama lebih dibandingkan dengan kategori kedua. Peluang variabel kondisi keluarga ( ) mempengaruhi permintaan asuransi jiwa untuk kategori pertama lebih dibandingkan dengan kategori kedua. Peluang variabel motivasi asuransi ( ) mempengaruhi permintaan asuransi jiwa untuk kategori pertama lebih dibandingkan dengan kategori kedua. Peluang variabel gaya hidup ( ) mempengaruhi permintaan asuransi untuk kategori pertama lebih dibandingkan dengan kategori kedua. Dari model logit dua dapat disimpulkan bahwa peluang variabel keadaan ekonomi ( ) mempengaruhi permintaan asuransi jiwa untuk kategori kedua lebih dibandingkan dengan kategori ketiga. Peluang variabel kondisi keluarga ( ) mempengaruhi permintaan asuransi jiwa untuk kategori kedua lebih dibandingkan dengan kategori ketiga. Peluang variabel motivasi asuransi ( ) mempengaruhi permintaan asuransi jiwa untuk kategori kedua lebih dibandingkan dengan kategori ketiga. Peluang variabel gaya hidup ( ) mempengaruhi permintaan asuransi untuk kategori kedua lebih dibandingkan dengan kategori ketiga. Dari model logit tiga dapat disimpulkan bahwa peluang variabel keadaan ekonomi ( ) mempengaruhi permintaan asuransi jiwa untuk kategori ketiga lebih dibandingkan dengan kategori keempat. Peluang variabel kondisi keluarga ( ) mempengaruhi permintaan asuransi jiwa untuk kategori ketiga lebih dibandingkan dengan kategori keempat. Peluang variabel motivasi asuransi ( ) mempengaruhi permintaan asuransi jiwa untuk kategori ketiga lebih dibandingkan dengan kategori keempat. Peluang variabel gaya hidup ( ) mempengaruhi permintaan asuransi untuk kategori ketiga lebih dibandingkan dengan kategori keempat.
7 7 PENUTUP Kesimpulan Dari hasil analisis data yang telah dilakukan, diperoleh tiga model regresi logistik ordinal terbaik pada faktor-faktor yang mempengaruhi permintaan asuransi jiwa secara signifikan, yaitu: Model logit 1 dapat dituliskan sebagai berikut: Log Model logit 2 dapat dituliskan sebagai berikut: Log Model logit 3 dapat dituliskan sebagai berikut: Log Jadi, berdasarkan nilai Pseudo R-Square permintaan asuransi jiwa mampu dijelaskan oleh model sebesar 64,9%. Sedangkan sisanya 35,1% dijelaskan oleh faktor lain. Saran Setelah mengetahui faktor-faktor yang berpengaruh signifikan terhadap permintaan asuransi jiwa diharapkan agar perusahaan AJB Bumiputera 1912 Cabang Malang Dieng bisa lebih meningkatkan penjualan produk. Selain itu, untuk penelitian selanjutnya dapat menggunakan metode yang sama namun pada instansi yang berbeda dan perlu menambahkan variabel lainnya agar diperoleh hasil yang lebih akurat.. DAFTAR RUJUKAN Arikunto, S Prosedur Penelitian Suatu Pendekatan Praktik. Edisi Revisi VI. Jakarta: Rineka Cipta. Baker, R. Weinand, C. Jeng, J. Hoeksema, H. Monstrey, S. Pae, S. Spence, R. and Wilson, D Using Ordinal Logistic Regression to Evaluate the Performance of Laser-Doppler Predictions of Burn-Haling Time. BMC Medical Research Methodology, (online), 9-11, ( diakses 5 Mei Das, S. and Rahman, R Application of Ordinal Logistic Regression Analysis in Determining Risk Factors of Child Malnutrition in Bangladesh. Nutrition Journal, (online), 10:124, ( diakses 5 Mei Fahrmeir, Ludwig and Tutz, Gerhard Multivariate Statistical Modelling Based on Generalized Linear Models. New York: Springer Verlag. Hosmer, D.W and Lemeshow, S Applied Logistic Regression. Second Edition. Canada: John Wiley & Sons, Inc.
8 8 Iriawan, N. dan Astuti, S Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14. Yogyakarta: ANDI. Javali, S. and Pandit, P A Comparison of Ordinal Regression Models in an Analysis of Factors Associated with Periodontal Disease. Journal of Indian Society of Periodontology, (online), 14(3): , ( diakses 5 Mei Kotler, P Manajemen pemasaran. Jakarta: Erlangga. Lailiyah, N. dan Purhadi Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression. Jurnal Sains dan Seni ITS, 1 ( 1 ): Luca, A Ordinal Logistic Regression for the Estimate of the Response Functions in the Conjoint Analysis. ibusiness, (online), 3: , ( diakses 2 Mei Martono Bank dan Lembaga Keuangan Lainnya. Yogyakarta: Ekonsia. Purba, R Memahami Asuransi di Indonesia. Jakarta: PT Pustaka Binaman Pressindo. Rosyidi, S Pengantar Teori Ekonomi Pendekatan kepada Teori Ekonomi Mikro & Makro. Jakarta: PT Raja Grafindo. Salim, A Asuransi dan Manajemen Risiko. Jakarta: PT RajaGrafindo Persada. Sari, V. N Pemilihan Model Regresi Logistik Multinomial dan Ordinal Terbaik Berdasarkan MC. Fadden. Skripsi tidak diterbitkan. Malang: program Sarjana Universitas Brawijaya Malang. Subekti, R Partial Least Square (PLS) Generalized Linear dalam Regresi Logistik. Yogyakarta, 25 Agustus 2007, (online), ( sites/default/files/penelitian/retno%20subekti,%20m.sc/regresi%20pls%20 logistik%20semnasmat% pdf), diakses 20 Februari Sugiyono Metode Penelitian Bisnis. Bandung: Alfabeta. Sugiyono Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta. Tiyasari, M Implementasi Regresi Logistik Ordinal terhadap Faktor-Faktor yang Mempengaruhi Kinerja Pegawai Pemerintah Kota Blitar. Skripsi tidak diterbitkan. Malang: program Sarjana Universitas Negeri Malang. Trihendradi, C Kupas Tuntas Analisis Regresi, Strategi Jitu Melakukan Analisis Hubungan Causal. Yogyakarta: ANDI.
9
PEMODELAN 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 terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
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 terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
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 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 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 terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik
Lebih terperinciPEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 31-36 ISSN: 2303-1751 PEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciMISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK
MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK Mohammad Farhan Qudratullah Program Studi Matematika Fakultas Sains dan Teknologi Universitas
Lebih terperinciEARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK
EARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK Diah Arianti, 1) dan Nur Iriawan 2) 1) Information Management Technology,
Lebih terperinciMODEL REGRESI PROBIT BIVARIAT
MODEL REGRESI PROBIT BIVARIAT NURFIDAH DWITIYANTI Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta PGRI Jl. Nangka No. 58 C, Tanjung Barat,
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Jenis penelitian pada penelitian ini adalah penelitian asosiatif/hubungan. Penelitian asosiatif merupakan penelitian yang bertujuan untuk mengetahui
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik perempuan yang bekerja di bidang informal mayoritas pada perempuan
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciModel Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama Anita Nur Vitriana, Rosita Kusumawati Program Studi
Lebih terperinciponsel, purposive sampling, regresi logistik politomus
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO
Lebih terperinciPerbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank
Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Fajri Zufa Alumni Program Studi Statistika, FMIPA, Universitas Bengkulu e-mail
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
1 SidangTugas Akhir Javelline Putri B. Purba (1310030080) Dosen Pembimbing : Dr.Dra.Ismaini Zain, Msi ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinci(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo
PERBANDINGAN REGRESI MODEL LOGISTIK BINER DENGAN REGRESI MODEL PROBIT TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI SIKAP SISWA SMP PADA MATA PELAJARAN MATEMATIKA (Studi Kasus Siswa SMP Kelas VIII di SMPN 1
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah penelitian asosiatif kausal. Penelitian asosiatif kausal berguna untuk menganalisis pengaruh antara satu variabel dengan variabel
Lebih terperinciSuma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya
PEMODELAN RETURN IHSG PERIODE 15 SEPTEMBER 1998 13 SEPTEMBER 2013 MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (TGARCH(1,1)) DENGAN DUA THRESHOLD Suma Suci Sholihah,
Lebih terperinciPENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)
PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciMODEL PELUANG KEJADIAN TSUNAMI PASCA TERJADI GEMPA BUMI DI WILAYAH PESISIR PULAU SUMATERA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 37 46. MODEL PELUANG KEJADIAN TSUNAMI PASCA TERJADI GEMPA BUMI DI WILAYAH PESISIR PULAU SUMATERA Jose Rizal, Etis Sunandi,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Indonesia dengan mengakses website Bank Indonesia yaitu
BAB III METODOLOGI PENELITIAN 3.1 Lokasi Penelitian Ruang lingkup dalam penelitian ini dilakukan di Bank Umum Syariah di Indonesia dengan mengakses website Bank Indonesia yaitu www.bi.go.id. 3.2 Jenis
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciPemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya
Jurnal Penelitian Sains Volume 16 Nomor 2(A) April 2013 Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Dian Cahyawati
Lebih terperinciMODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH
JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciE-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Konsep Dasar dan Batasan Operasional Konsep dasar dan batasan operasional dalam penelitian ini mencakup seluruh definisi yang digunakan untuk memperoleh data yang akan dianalisis
Lebih terperinciDosen 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 terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Populasi dan Sampel Penelitian Populasi yang digunakan dalam penelitian ini adalah bank syariah Bank Umum Syariah (BUS) yang terdaftar di BI pada tahun 2009-2012. Penentuan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 651-659 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciIMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG
IMPLEMENTASI REGRESI LOGISTIK BINER PADA PENENTUAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT JANTUNG Wardatuz Zakiyah, Hendro Permadi, dan Swasono Rahardjo Universitas Negeri Malang E-mail : zakiyah_musta
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat)
Statistika, Vol. 14 No. 2, 69 76 November 2014 Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat) Jurusan Matematika, Fakultas Sains dan
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciMODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP
MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA Puji Subekti Mahasiswa Program Magister Matematika Universitas Brawijaya Malang Telp : 8564963425; Email
Lebih terperinciBAB III METODE PENELITIAN
51 BAB III METODE PENELITIAN A. Jenis Penelitian Dalam penelitian ini, jenis metode penelitian yang digunakan adalah kuantitatif. Metode penelitian kuantitatif merupakan metode penelitian yang digunakan
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING
ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS RLOTG DENGAN METODE FISHER SCORING Aulia Nugrahani Putri, Purnami Widyaningsih, dan Dewi Retno Sari Saputro Program Studi Matematika
Lebih terperinciBAB III METODOLOGI PENELITIAN DAN DATA
47 BAB III METODOLOGI PENELITIAN DAN DATA 3.1 Metodologi Penelitian Sesuai dengan bentuk data dan tujuan yang ingin dicapai dalam penelitian ini, yaitu untuk mengetahui bagaimana pengaruh office channeling
Lebih terperinciVI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN
VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN Penelitian ini menggunakan regresi logistik untuk mengetahui faktorfaktor yang mempengaruhi
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciBAB III METODE PENELITIAN. Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian
36 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penilitian yang digunakan dalam penelitian ini merupakan penelitian yang bersifat deskriptif kuantitatif. Penelitian yang bersifat deskriptif bertujuan
Lebih terperinciPERLUASAN REGRESI COX DENGAN PENAMBAHAN PEUBAH TERIKAT-WAKTU
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 86-91 ISSN: 2303-1751 PERLUASAN REGRESI COX DENGAN PENAMBAHAN PEUBAH TERIKAT-WAKTU Luh Putu Ari Dewiyanti 1, Ni Luh Putu Suciptawati 2, I Wayan Sumarjaya
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 405-416 Online di: http://ejournal-s1undipacid/indexphp/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Objek Penelitian Penelitian ini menggunakan data sekunder yang diperoleh dari Bursa Efek Indonesia (BEI) atau idx.com dan website masing-masing perusahaan. Objek dalam penelitian
Lebih terperinciBAB III METODE PENELITIAN. Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini
digilib.uns.ac.id BAB III METODE PENELITIAN 3.1. Model Penelitian Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini menggunakan metode deskriptif dengan pendekatan kuantitatif, tujuannya
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 173-181 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI COX PROPORTIONAL HAZARDS PADA DATA LAMA STUDI
Lebih terperinciSaintia Matematika ISSN: Vol. 02, No. 04 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 04 (2014), pp. 313 321. SUATU KAJIAN TENTANG PELAYANAN KESEHATAN DI PUSKESMAS PEMBANTU JATI UTOMO BINJAI Nida Elhaq, Pasukat Sembiring, Djakaria Sebayang
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI PENGAMBILAN KEPUTUSAN PETANI TERHADAP PENGGUNAAN BENIH PADI DI KECAMATAN NISAM KABUPATEN ACEH UTARA
FAKTOR-FAKTOR YANG MEMPENGARUHI PENGAMBILAN KEPUTUSAN PETANI TERHADAP PENGGUNAAN BENIH PADI DI KECAMATAN NISAM KABUPATEN ACEH UTARA 18 Hayatul Rahmi 1, Fadli 2 email: fadli@unimal.ac.id ABSTRAK Pengambilan
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh
43 BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskripsi Data Jumlah responden yang diambil dalam penelitian ini ada sebanyak 72 mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh karena
Lebih terperinciPENGARUH PERENCANAAN DAN PENEMPATAN PEGAWAI TERHADAP KINERJA PEGAWAI PADA BADAN KEPEGAWAIAN DAERAH KOTA LUBUKLINGGAU
PENGARUH PERENCANAAN DAN PENEMPATAN PEGAWAI TERHADAP KINERJA PEGAWAI PADA BADAN KEPEGAWAIAN DAERAH KOTA LUBUKLINGGAU Fitria STMIK MURA Lubuklinggau Email: fitria_cutte33@yahoo.com Abstrak Penelitian ini
Lebih terperinciPemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih
Lebih terperinci2015 REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR)
1 BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan salah satu cabang ilmu matematika yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasikan
Lebih terperinciPENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR
PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 215 S-5 Penerapan Hurdle Negative Binomial pada Data Tersensor Resa Septiani Pontoh, Defi
Lebih terperinci1 BAB I 2 PENDAHULUAN. sangat diperlukan dalam kehidupan sehari-hari. Begitu pula dalam penelitian
1 BAB I 2 PENDAHULUAN A. Latar Belakang Masalah Statistika merupakan salah satu disiplin ilmu yang penerapannya hampir di semua aspek kehidupan. Hal ini menunjukkan bahwa peranan statistika sangat diperlukan
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinci(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER
(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak
Lebih terperinciBAB I PENDAHULUAN. Dalam suatu penelitian, hubungan suatu variabel dependent atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam suatu penelitian, hubungan suatu variabel dependent atau variabel respon dengan beberapa variabel bebas atau variabel penjelas dapat dimodelkan dengan
Lebih terperinciPenerapan Hurdle Negative Binomial pada Data Tersensor
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Hurdle Negative Binomial pada Data Tersensor S - 5 Resa Septiani Pontoh, Defi Yusti Faidah. Departemen Statistika FMIPA Universitas
Lebih terperinciANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION
ANALISIS PENGARUH STATUS BEKERJA TERHADAP JENIS KELAMIN DAN UMUR DENGAN PENDEKATAN BINARY LOGISTIC REGRESSION Syamsul Rizal 1, Imaroh Izzatun Nisa 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi S1 Statistika
Lebih terperinciBAB IV ANALISA HASIL DAN PEMBAHASAN. Tabel 4.1. Pada table 4.1 diatas menunjukan bahwa hasil uji statistik deskriptif untuk
BAB IV ANALISA HASIL DAN PEMBAHASAN A. Analisis Deskriptif Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation IS 81 0 1.23.426 SIZE 81 4.8932 7.4245 6.171004.6447805 NPM 81.0002.2895.093994.0754724
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Istilah
Lebih terperinciPEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL
PEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL Hasriana 1, Raupong 2, Nirwan Ilyas 3 1 Program Studi Statistika FMIPA Universitas Hasanuddin
Lebih terperinciperembesan zat pencemar dari limbah yang berasal dari aktivitas domestik.
VIII. IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN PENDUDUK UNTUK MELAKUKAN TINDAKAN PENCEGAHAN AKIBAT PENCEMARAN AIR TANAH Pertambahan jumlah penduduk yang semakin tinggi di Kota Bekasi mengakibatkan
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB III METODOLOGI PENELITIAN. sampai dengan bulan mei tahun 2014.
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian 1. Waktu penelitian dilakukan dengan mengambil data statistic penerimaan offer untuk okupasi high rise building dari bulan januari sampai dengan
Lebih terperinciANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA)
ANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA) Gerry Budiman Program Manajemen Bisnis, Program Studi
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
50 BAB IV HASIL DAN PEMBAHASAN A. Analisis Statisik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran umum data yang telah dikumpulkan dalam penelitian ini. Sebanyak 25 perusahaan yang masuk
Lebih terperinciMAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY
MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI
Lebih terperinciBAB III METODOLOGI PENELITIAN. memilih sampel seluruh perusahaan di BEI periode adalah karena
26 BAB III METODOLOGI PENELITIAN 3.1. Populasi dan Sampel Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2009-2013. Alasan penulis
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciStatistika ITS Surabaya
SEMINAR TUGAS AKHIR POLA HUBUNGAN ANTARA STATUS GIZI BALITA DAN FAKTOR- FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KESEJAHTERAAN KELUARGA PADA KELUARGA NELAYAN DI SURABAYA TIMUR Oleh : Rindyanita Rizky K.
Lebih terperinciANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA
TUGAS AKHIR ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA Any Masruroh 1308 030 065 Dosen Pembimbing Ir. Arie Kismanto, M.Sc PENDAHULUAN Latar Belakang Permasalahan
Lebih terperinciBAB III METODE PENELITIAN. hipotesis. Pengujian hipotesis dilakukan pada variabel Profitabilitas,
39 BAB III METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian ini merupakan penelitian kuantitatif, yaitu penelitian yang lebih menekankan pada pengujian teori-teori melalui variabel-variabel penelitian
Lebih terperinci