Pemodelan Pengaruh Iklim Terhadap Angka Kejadian Demam Berdarah Dengue di Surabaya

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Pengaruh Iklim Terhadap Angka Kejadian Demam Berdarah Dengue di Surabaya"

Transkripsi

1 JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-9 Pemodelan Pengaruh Iklm erhadap Angka Kejadan Demam Berdarah Dengue d Surabaya Dan Rahayu K., Wwek Setya Wnahju, Adatul Mukarromah Jurusan Statstka, Fakultas MIPA, Insttut eknolog Sepuluh Nopember (IS Jl. Aref Rahman Hakm, Surabaya 0 E-mal: wwek@statstka.ts.ac.d Abstrak Demam Berdarah Dengue adalah penyakt nfeks tular vektor yang dtemukan d daerah trops-subtrops. Faktor klm melput suhu, kelembaban dan curah hujan dduga berpengaruh terhadap angka kejadan Demam Berdarah Dengue. Peneltan n tentang pemodelan pengaruh klm terhadap angka kejadan Demam Berdarah Dengue menggunakan regres Posson, regres Generalzed Posson dan regres Bnomal Negatf. Hasl analss menunjukkan model terbak dperoleh menggunakan regres Bnomal Negatf. Faktor yang berpengaruh terhadap angka kejadan Demam Berdarah Dengue d Genteng adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan, curah hujan bulan sebelumnya dan kelembaban udara bulan sebelumnya. Gubeng melput angka kejadan Demam Berdarah Dengue bulan sebelumnya, suhu udara, curah hujan, curah hujan bulan sebelumnya dan kelembaban bulan sebelumnya. Selanjutnya, egalsar melput angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan dan kelembaban udara bulan sebelumnya. Kata Kunc Demam Berdarah Dengue, faktor klm, overdspers, regres Posson. I. PENDAHULUAN Demam Berdarah Dengue merupakan penyakt nfeks tular vektor yang dsebabkan oleh vrus Dengue yang dtularkan melalu nyamuk Aedes dan dtemukan d daerah berklm trops-subtrops. Indonesa merupakan negara yang berada d wlayah trops, sehngga merupakan daerah penyebaran sekalgus daerah endems yang menyebabkan tnggnya angka kesaktan d Indonesa []. Informas klm dapat djadkan sebaga nput/masukan untuk menduga tngkat resko kejadan penyakt Demam Berdarah Dengue pada suatu musm []. Banyak stud yang menunjukkan bahwa klm mempengaruh kejadan Demam Berdarah Dengue salah satunya adalah [3]-[4] yang melakukan penyusunan model kejadan Demam Berdarah Dengue dengan unsur klm (curah hujan, har hujan dan suhu. Peneltan tersebut memberkan hasl bahwa curah hujan dan suhu berpengaruh terhadap kejadan Demam Berdarah Dengue. Angka kejadan Demam Berdarah Dengue merupakan data dskrt (count yang mengkut dstrbus Posson. Dalam peneltan n dlakukan pemodelan pengaruh klm terhadap angka kejadan Demam Berdarah Dengue menggunakan metode regres Posson. Alasan dplhnya regres Posson adalah karena merupakan analss regres nonlnear dar dstrbus Posson, dmana analss n sangat cocok dgunakan dalam menganalss data dskrt (count jka mean proses sama dengan varansnya. Namun, dalam analss regres Posson asums equdspers jarang terpenuh yatu terdapat adanya kasus Over/Under Dspers. Untuk mengatas kasus n dlakukan pendekatan model menggunakan regres Generalsed Posson dan regres Bnomal Negatf. Dalam pemodelan pengaruh klm terhadap angka kejadan Demam Berdarah Dengue d daerah rawan yakn Genteng, Gubeng dan egalsar dengan menggunakan regres Posson dan memperhtungkan faktor tme lag dan bulan untuk faktor klm. Hal n dsebabkan antara curah hujan dan jumlah penderta Demam Berdarah Dengue memlk pola oslas yang sama, namun terdapat perbedaan waktu puncak (tme lag yatu sampa perode []. Adanya perbedaan waktu tersebut dapat djadkan acuan sebaga waktu ntervens untuk kewaspadaan Demam Berdarah Dengue. Dengan demkan, dar peneltan n dapat dperoleh model angka kejadan Demam Berdarah Dengue berdasarkan perkembangan nformas klm, sehngga dapat dperoleh nformas sebaga upaya dalam menangan kasus Demam Berdarah Dengue lebh tepat. II. LANDASAN EORI Untuk mengetahu pengaruh faktor klm terhadap angka kejadan Demam Berdarah Dengue menggunakan metode regres Posson, regres Generalzed Posson dan Bnomal Negatf. A. Regres Posson Model Regres Posson merupakan model regres nonlnear yang dgunakan untuk menganalss data dskrt (count. Beberapa karakterstk dar percobaan yang mengkut sebaran dstrbus Posson [].. Kejadan yang terjad pada jumlah anggota populas yang besar dengan probabltas yang kecl (kejadan yang jarang terjad. Kejadan yang termasuk ke dalam countng process atau termasuk ke dalam lngkungan proses stokastk 3. Bergantung pada nterval waktu tertentu 4. Perulangan dar kejadan yang mengkut sebaran dstrbus bnomal Model Regres Posson merupakan Generalzed Lnear Model (GLM yang data responnya dasumskan berdstrbus Posson [7]. Model regres Posson dberkan sebaga berkut. y ~ Posson ( exp( x β maka, ln x x x ( 0 k k

2 JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-70 Estmas parameter model regres Posson menggunakan metode Maxmum Lkelhood Estmaton [8]. Fungs loglkelhood dstrbus Posson sebaga berkut. n n n ln L( expx β y x β lny! ( Untuk memperoleh nla taksran maka persamaan ( dturunkan terhadap dan dsama dengan-kan nol menggunakan metode Newton Raphson [7]. Untuk menguj kelayakan model regres Posson, dlakukan pengujan menggunakan Lkelhood Rato est (LR. Perumusan hpotess kemaknaan parameter dapat dtulskan dengan H 0 : k 0, H : palng sedkt ada satu 0; j,,, k. Statstk uj yang dgunakanadalah Lkelhood rato dnotaskan sebaga j berkut ˆ D( ( ˆ ln ln L( ˆ L (3 Dengan daerah penolakannya adalah tolak H 0 jka yang menyatakan bahwa palng sedkt ada satu k D (ˆ > ( ; parameter yang berpengaruh terhadap model [8]. Langkah selanjutnya, dlakukan pengujan parameter model secara parsal yatu untuk mengetahu parameter yang bermakna dengan perumusan H 0 : = 0, H j : j 0 dan H 0 : 0, H : 0 ; Statstk uj yang dgunakan : ˆ j (4 Menolak H 0 jka t htung t se ˆ > nla j t ( nk ; pada taraf sgnkans. Dalam regres Posson terdapat asums equdspers, namun serng terjad pelanggaran sepert kasus overdspers/underdspers. Deteks overdspers/underdspers dlakukan menggunakan statstk Goodness of ft oleh Pearson dbag dengan derajat bebas dnyatakan dengan persamaan sebaga berkut []. ( db Jka nla sama dengan maka tdak terjad overdspers, tetap bla db > terjad adanya overdspers. db erdapat beberapa metode yang dgunakan dalam menentukan model terbak, salah satunya adalah AIC (Akake s Informaton Crteron. Dalam rujukan [], Akake s Informaton Crteron (AIC ddefnskan sebaga berkut. AIC ln L ˆ k ( dmana L ˆ adalah nla lkelhood, dan k adalah jumlah parameter. Model terbak adalah model yang mempunya nla AIC terkecl. B. Regres Generalzed Posson (GPR Dalam menangan pelanggaran asums equdspers pada regres Posson dlakukan pengembangan model menggunakan regres Generalzed Posson. Pada regres Generalzed Posson selan terdapat parameter juga terdapat sebaga parameter dspers. Model Generalzed Posson Regresson mrp dengan regres Posson yatu pada persamaan ( akan tetap model regres Generalzed Posson mengasumskan bahwa komponen randomnya berdstrbus General Posson [9]. Dalam regres Generalzed Posson, jka sama dengan 0 maka model regres Generalzed Posson akan menjad model regres Posson. Jka lebh dar 0 maka model regres Generalzed Posson merepresentaskan data count yang mengandung kasus overdspers dan jka kurang dar 0 merepresentaskan data count yang mengandung fenomena under dspers. Penaksran parameter model regres Generalzed Posson menggunakan metode Maxmum Lkelhood Estmaton (MLE. Fungs log-lkelhood untuk model regres Generalzed Posson adalah. y x β y ln exp x β y ln y n ln Lβ, lny! expx β y expx β (7 Untuk mendapatkan taksran parameter β dan maka persamaan (7 dturunkan terhadap β dan. menggunakan metode numerk, teras Newton-Raphson. Pengujan parameter model regres Generalzed Posson dlakukan sama sepert regres Posson dengan menggunakan metode Lkelhood Rato est (LR dan uj parsal menggunakan statstk uj t. C. Regres Bnomal Negatf Selan regres Generalzed Posson, penanganan overdspers pada regres Posson juga dapat dlakukan menggunakan pendekatan model Bnomal Negatf. Dalam regres Bnomal Negatf, jka menuju nol maka var Y menuju sehngga Bnomal Negatf akan konvergen menuju Posson. Model regres Bnomal Negatf memlk bentuk yang sama dengan model regres Posson yatu pada persamaan (. Penaksran parameter regres Bnomal dlakukan menggunakan metode Maxmum Lkelhood Estmaton. Persamaan log-lkelhood untuk Bnomal Negatf. n y ln L(, ln j j0 ln y! ( ln( exp( β y β y ln y x (8 Estmas parameter ˆ, ˆ dperoleh dengan menurunkan persamaan (8 terhadap β dan. Pengujan parameter yang dlakukan sama dengan pengujan pada regres Posson. Untuk uj serentak menggunakan statstk uj D(ˆ dan untuk statstk uj parsal menggunakan statstk uj t. D. Penyakt Demam Berdarah Dengue Demam Berdarah Dengue (DBD dsebabkan oleh vrus Dengue (Arbovrus. erdapat tga faktor yang memegang peranan pada penularan nfeks vrus Dengue, yatu manusa, vrus, dan vektor perantara. Vrus Dengue dtularkan kepada manusa melalu ggtan nyamuk Aedes aegypt. D tubuh manusa, vrus memerlukan waktu masa tunas 4 sampa har (masa nkubas ntrnsk sebelum menmbulkan penyakt. Penularan dar manusa kepada nyamuk hanya dapat terjad bla nyamuk mengggt manusa yang sedang mengalam vrema, yatu har sebelum panas sampa har setelah demam tmbul []. x

3 JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-7 E. Katan pengaruh Faktor Iklm dengan Kejadan Demam Berdarah Dengue Beberapa unsur klm yang berpengaruh domnan terhadap angka kejadan Demam Berdarah Dengue adalah curah hujan, kelembaban dan suhu [4]. Curah hujan merupakan faktor penentu tersedanya tempat perndukan bag nyamuk. Hujan dengan ntenstas yang cukup akan menmbulkan genangan ar d tempattempat penampungan ar yang merupakan tempat perkembangbakan nyamuk. Menurut rujukan [4] menyatakan bahwa curah hujan bulanan yang melampau 300 mm perbulan akan menngkatkan kasus Demam Berdarah Dengue sebesar 0%. Suhu menentukan kecepatan tumbuh kembang nyamuk, yatu daya tahan nyamuk dewasa, lamanya sklus gonotropk, perode nkubas extrnsk dan ukuran vektor yang mempengaruh laju mengggt []. Vektor Demam Berdarah Dengue yatu nyamuk Aedes akan bertahan hdup pada suhu 8 0 C-3 0 C []. D Indonesa, kasus Demam Berdarah Dengue menngkat jka suhu rata-rata 8, 0 C ; jumlah kasus maksmum terjad pada suhu 7,8 0 C; dan pada suhu udara lebh dar 8, 0 C kasus akan berkurang []. Kelembaban udara menentukan daya hdup nyamuk, yatu menentukan daya tahan trachea yang merupakan alat pernafasan nyamuk. D Indonesa kasus penyakt DBD tertngg terjad pada kelembaban 8% [4]. Menurut rujukan [], kelembaban tdak berpengaruh langsung terhadap angka kejadan Demam Berdarah Dengue namun berpengaruh terhadap umur nyamuk karena kelembaban yang kurang dar 0% akan menyebabkan penguapan ar dar tubuh nyamuk yang memperpendek umur nyamuk dan kelembaban optmum adalah 70%-80%. III. MEODOLOGI PENELIIAN Data yang dgunakan adalah data sekunder yang dperoleh dar Dnas Kesehatan dan BMKG Surabaya yang merupakan data bulanan mula tahun 00 sampa dengan 0. Varabel Y X X X 3 X 4 X X X 7 X 8 X 9 X X abel. Varabel Peneltan Keterangan Angka Kejadan Demam Berdarah Dengue Y (t- Y (t- Kelembaban udara (% Suhu udara ( o C Curah hujan (mm Kelembaban udara (t- Suhu udara (t- Curah hujan (t- Kelembaban udara (t- Suhu udara (t- Curah hujan (t- Langkah-langkah analss yang dgunakan untuk mencapa tujuan peneltan yakn sebaga berkut a. Melakukan pemerksaan multkolneartas menggunakan koefsen korelas, nla VIF dan nla egen, jka terdapat multkolneartas maka dlakukan droppng varable. b. Memperoleh model terbak menggunakan regres Posson c. Memerksa adanya angka Over/Under Dsperson dar model regres Posson. Jka terdapat over/underdspers maka dlakukan pendekatan model dengan menggunakan regres Generalsed Posson dan regres Bnomal Negatf. d. Mendapatkan model terbak menggunakan regres Generalzed Posson dan Bnomal Negatf. e. Membandngkan model terbak hasl regres Generalzed Posson dan Bnomal Negatf menggunakan nla AIC. f. Memperoleh faktor-faktor yang mempengaruh angka kejadan Demam Berdarah Dengue. IV. ANALISIS DAN PEMBAHASAN A. Karakterstk Daerah Rawan Demam Berdarah Dengue d Surabaya Pada kecamatan Genteng angka kejadan Demam Berdarah Dengue tertngg selama tahun terdapat pada tahun 00 bulan Maret sebesar 3 kejadan, dmana pada saat tersebut suhu rata-rata sebesar 7,7 0 C, kelembaban 8% dan curah hujan 33 mm. Untuk kecamatan Gubeng menunjukkan bahwa rata-rata angka kejadan Demam Berdarah Dengue selama tahun dar tahun 00 sampa 0 sebesar 7 sampa kasus pertahun. Sedangkan untuk kasus tertngg terjad pada tahun 00 sebanyak kasus. Kasus tertngg n terjad pada suhu rata-rata sebesar 7,7 0 C, kelembaban 8% dan curah hujan 378 mm. Kecamatan egalsar mula tahun 00 sampa dengan 0 memlk kasus tertngg terjad pada bulan Me tahun 007 sebanyak 38 kasus. Pada bulan Me 007 tersebut suhu rata-rata adalah 9 0 C, kelembaban 77% dan curah hujan sebesar 3 mm. pada kecamatan Genteng dan Gubeng, suhu udara, kelembaban udara dan curah hujan terletak pada range konds optmum yakn suhu antara 8 0 C sampa dengan 3 0 C, kelembaban 70%- 80% dan curah hujan datas 300mm. namun untuk egalsar, curah hujan tdak termasuk dalam konds optmum, konds n menunjukkan angka kejadan yang tngg bsa dsebabkan karena adanya penularan dar penderta bulan sebelumnya. Hal n menunjukkan suhu, kelembaban dan curah hujan ketga kecamatan termasuk kedalam range konds optmum untuk perkembangbakan maupun kehdupan nyamuk, sehngga memungknkan untuk nyamuk menyebarkan vrus Dengue yang mengakbatkan angka kejadan yang tngg. B. Pemodelan Pengaruh Iklm terhadap Angka Kejadan Demam Berdarah Dengue menggunakan Regres Posson Dalam regres yang melbatkan beberapa varabel predktor, salah satu syarat adalah antara varabel predktornya salng bebas. Jka terdapat adanya hubungan antara varabel predktor maka terjad adanya kasus multkolneartas. Dalam mengdentfkas kasus multkolneartas dgunakan 3 krtera yatu nla korelas, VIF dan egen. Dar hasl analss dperoleh nla korelas untuk ketga kecamatan lebh kecl dar 0,9, untuk nla VIF lebh kecl dar dan serta nla egen yang lebh kecl dar 0,0. Dengan demkan pada varabel predktor untuk kecamatan Genteng, Gubeng dan egalsar tdak terdapat adanya kasus multkolneartas (hubungan antara varabel predktornya kecl. Data angka kejadan Demam Berdarah Dengue adalah data count yang mengkut dstrbus Posson, untuk mengetahu pengaruh klm terhadap angka kejadan Demam Berdarah Dengue maka dlakukan pemodelan menggunakan analss regres Posson.

4 JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-7 abel. Model Regres Posson Kecamatan Predktor yang Sgnfkan AIC Genteng X X X X 7 X 9 X 70,7 Kecamatan Predktor yang Sgnfkan AIC Gubeng X X 3 X X 8 X X 87, egalsar X X X X 9 X 800, Dar abel. dperoleh model untuk regres Posson pada kecamatan Genteng, Gubeng dan egalsar. Selanjutnya, dar model regres tersebut dlakukan uj sgnfkans parameter serentak maupun parsal dar hasl estmas parameter untuk mengetahu pengaruh varabel predktor terhadap varabel respon. abel 3. Estmas Parameter Model Regres Posson kecamatan Genteng Parameter Estmas SE t htung P value 0-3,8,90,8 0,03 0,043 0,000 8, <0,000 0,0007 0,000 4,7 <0,000-0,8 0,089,3 0,007 0,094 0,0348,8 0,03 7 0,3 0,074,7 0, ,0449 0,0388 3,3 0,00 Dar hasl analss dperoleh nla D(ˆ sebesar 70,7 pada taraf sgnfkans % nla sebesar,44, sehngga (;0, dambl keputusan menolak H 0 yang yang artnya varabel predktor berpengaruh terhadap model. Selanjutnya dlakukan uj parameter secara parsal untuk mengetahu pengaruh yang dberkan setap varabel predktor terhadap respon. Berdasarkan abel 3. terlhat bahwa parameter yang sgnfkan adalah karena nla t setap htung parameter lebh besar dar nla t (, 0, yatu,87. Dengan demkan varabel predktor yang sgnfkan adalah X, X, X, X 7, X 9 dan X sehngga model regres Possonnya adalah sebaga berkut. ln( μ ˆ 3,8 0,0437 X 0, X 0, 8 X 0,0937 X 0, 3 X 0, X 7 9 Faktor yang mempengaruh angka Demam Berdarah Dengue d kecamatan Genteng adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan, suhu udara bulan sebelumnya, kelembaban udara bulan sebelumnya, suhu udara bulan sebelumnya dan kelembaban udara bulan sebelumnya. Dar model regres Posson yang dperoleh, selanjutnya dlakukan pemerksaan kasus overdspers pada abel 4. abel 4. Nla Devans/db dan Pearson/db Model Regres Posson Kecamatan Krtera Nla Db Nla/db Genteng Devance 34,8 3,08 Pearson Ch-square 3,3 3,0 Gubeng Devance 37,00 3,3 Pearson Ch-square 407,7 3,8 egalsar Devance 439,8 3,973 Pearson Ch-square 439,793 3,97 Dar abel 4. dperoleh nla devance/db atau pearson/dbnya lebh besar dar sehngga dapat dsmpulkan bahwa pada model regres Posson Genteng, Gubeng dan egalsar terjad adanya overdspers. Untuk mengatas hal n, maka dlakukan pemodelan menggunakan regeres Generalzed Posson dan Bnomal Negatf, dmana metode tersebut mengakomodas parameter dspers. C. Pemodelan Pengaruh Iklm terhadap Angka Kejadan Demam Berdarah Dengue menggunakan Regres Generalzed Posson Berkut adalah hasl analss menggunakan regres Generalzed Posson. abel. Model Regres Generalzed Posson Kecamatan Predktor yang sgnfkan AIC Genteng X X X X 3,0 Gubeng X X X 8 X 7,9 egalsar X X X 4, abel. menyajkan predktor yang sgnfkan dar model terbak untuk regres Generalzed Posson pada masngmasng kecamatan. Untuk kecamatan Genteng dperoleh predktor yang sgnfkan pada regres Generalzed Posson adalah X X X X, kecamatan Gubeng X X X 8 X dan kecamatan egalsar X X X. abel. Estmas Parameter Model Regres Generalzed Posson kecamatan Genteng Parameter Estmas SE t htung P value 0,0890 3, , 0,4 0,000 0,09 3,93 0,000 0,004 0, ,4 0,0009-0,9330 0,370,8 0,049 0,0934 0,0 3,89 0,000 0,470 0,00,4 <0,000 Dar hasl analss dperoleh nla D (ˆ adalah 0,0 sedangkan nla adalah 7,7794, sehngga menolak H 0 (4;0, yang berart varabel predktor berpengaruh terhadap model. Untuk mengetahu pengaruh yang dberkan setap varabel predktor terhadap respon maka dlakukan uj parsal. abel. menyajkan hasl estmas parameter beserta nla statstk uj t htung. Dar hasl tersebut terlhat bahwa parameter yang sgnfkan adalah dan. Karena nla t htung setap parameter lebh besar dar nla t (3, 0, yatu,8. Dengan demkan varabel predktor yang sgnfkan adalah X, X, X dan X. Dar hasl estmas parameter dan pengujan parameter, maka dperoleh model regres Generalzed Posson tap kecamatan sebaga berkut Genteng : ln( μ ˆ,0890 0,000 X 0,004 X 0,933 X 0, 0934 X Gubeng : ln μˆ,9 0,049 X X 0,00 X 0,00 X 0,

5 JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-73 egalsar : lnμˆ,04 0,0730 X 0,0080 X 0, 0799 X Dengan demkan faktor yang mempengaruh angka kejadan Demam Berdarah Dengue pada taraf sgnfkan % d kecamatan Genteng adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan, suhu udara bulan sebelumnya dan kelembaban udara bulan sebelumnya. Untuk kecamatan Gubeng adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan, curah hujan bulan sebelumnya dan kelembaban udara bulan sebelumnya. egalsar adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan dan kelembaban udara bulan sebelumnya. D. Pemodelan Pengaruh Iklm terhadap Angka Kejadan Demam Berdarah Dengue menggunakan Regres Bnomal Negatf Selan menggunakan regres Generalzed Posson dalam menangan overdspers pada model regres Posson, juga bsa menggunakan model regres Bnomal Negatf. abel 7. Model Regres Bnomal Negatf Kecamatan Predktor yang sgnfkan AIC Genteng X X X 8 X 9,8 Gubeng X X 3 X X 8 X 7,3 egalsar X X X 3, Dar hasl abel 7. maka dperoleh varabel predktor yang sgnfkan dar model untuk regres Bnomal Negatf kecamatan Genteng adalah X X X 8 X. Untuk kecamatan Gubeng X X 3 X X 8 X. Sedangkan untuk kecamatan egalsar adalah X X X. abel 8. Estmas Parameter Model Regres Bnomal Negatf kecamatan Genteng Parameter Estmas SE t htung 0-3,4379,73 3,070 0, ,039 4,30 0, ,00034,840 0,0007 0,00037, ,098 0,043 3,8770, ,000 4,40 (4;0, Nla D(ˆ dperoleh dar lampran I adalah 7,80 sedangkan nla adalah 7,7794, sehngga dambl keputusan menolak H 0 yang berart varabel predktor berpengaruh terhadap model. Selanjutnya dlakukan uj parameter secara parsal untuk mengetahu pengaruh yang dberkan setap varabel predktor terhadap respon. Dar hasl abel 8. terlhat bahwa parameter yang sgnfkan adalah 8 lebh besar dar nla t dan, sebab nla t htung (3, 0, setap parameter yatu,8. Dengan demkan varabel predktor yang sgnfkan adalah X X X 8 dan X. Dar hasl estmas parameter serta pengujannya, maka dperoleh model regres Bnomal Negatf tap kecamatan sebaga berkut Genteng : ln( μ ˆ 3,4379 0,04879 X 0, X 0,0007X 8 0, 098X Gubeng : lnμˆ,83 0,03 X 0,43 X 0, 0009 X 3 0,00X 0, 049X 8 egalsar : ln μˆ,38 0,04 X 0,007 X 0, 083 X Dengan demkan faktor-faktor yang mempengaruh angka Demam Berdarah Dengue d kecamatan Genteng adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan (mm, curah hujan bulan sebelumnya dan kelembaban udara bulan sebelumnya. Untuk angka Demam Berdarah Dengue kecamatan Gubeng dpengaruh angka kejadan Demam Berdarah Dengue bulan sebelumnya, suhu udara, curah hujan, curah hujan bulan sebelumnya dan kelembaban bulan sebelumnya. Selanjutnya, faktor-faktor yang mempengaruh angka Demam Berdarah Dengue d kecamatan egalsar yakn angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan dan kelembaban udara bulan sebelumnya. E. Pemlhan Model erbak Dar hasl seluruh pemodelan regres Posson, regres Generalzed Posson dan regres Bnomal Negatf, selanjutnya dlakukan pemlhan model terbak dar ketga metode tersebut yang dtamplkan pada abel 9. abel 9. Pemlhan Model erbak Kecamatan Metode Predktor yang sgnfkan AIC Genteng Regres Posson X X X X 7 X 9 X 70,7 Regres X X X X 3,0 Generalzed Posson Regres X X X 8 X 9,8* Bnomal Negatf Gubeng Regres Posson X X 3 X X 8 X X 87, Regres X X X 8 X 7,9 Generalzed Posson Regres X X 3 X X 8 X 7,3* Bnomal Negatf egalsar Regres Posson X X X X 9 X 800, Regres X X X 4, Generalzed Posson Regres Bnomal Negatf X X X 3,* Berdasarkan nla AIC pada abel 9. maka dperoleh model terbak untuk pemodelan pengaruh klm terhadap angka kejadan Demam Berdarah Dengue adalah menggunakan regres Bnomal Negatf. Faktor-faktor yang mempengaruh angka kejadan Demam Berdarah Dengue untuk kecamatan Genteng melput angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan (mm, curah hujan bulan sebelumnya dan kelembaban udara bulan sebelumnya. Setap penambahan orang penderta Demam Berdarah Dengue pada bulan n maka akan menngkatkan rata-rata angka kejadan Demam Berdarah Dengue pada bulan berkutnya. Dengan kata lan, angka kejadan Demam Berdarah Dengue bulan sebelumnya memlk hubungan searah dengan angka kejadan Demam Berdarah Dengue saat n. Selan tu, curah hujan sekarang dan curah hujan bulan sebelumnya serta kelembaban udara bulan sebelumnya juga memlk hubungan yang

6 JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-74 searah dengan angka kejadan Demam Berdarah Dengue, setap penambahan mm curah hujan maka akan menngkatkan rata-rata angka kejadan Demam Berdarah Dengue pada bulan berkutnya. Setap penambahan % kelembaban udara akan menngkatkan rata-rata angka kejadan Demam Berdarah Dengue pada bulan berkutnya. Kelembaban udara yang optmum akan mempertahankan daya tahan hdup nyamuk dan selama masa hdupnya nyamuk akan terus berkembang bak. Curah hujan yang cukup akan menmbulkan banyak genangan-genangan ar sebaga tempat perkembangbakan larva nyamuk. Nyamuk yang berkembangbak membutuhkan darah sebaga asupan nutrs sehngga akan mengggt manusa. Dalam menghsap darah terjad multple feedng yakn perlaku mengggt/menghsap darah dar beberapa manusa. Adanya multple feedng akan mengakbatkan penyebaran vrus Demam Berdarah Dengue, karena terjadnya penularan vrus dar penderta Demam Berdarah Dengue pada manusa normal. V. KESIMPULAN Berdasarkan hasl analss dan pembahasan maka dapat dperoleh kesmpulan sebaga berkut.. Kasus tertngg yang pernah terjad d masng-masng kecamatan, terjad pada saat suhu, kelembaban dan curah hujan termasuk kedalam range konds optmum yakn suhu antara 8 0 C sampa dengan 3 0 C, kelembaban 70%- 80% dan curah hujan datas 300 mm. Hal n menunjukkan bahwa konds klm yang optmum secara tdak langsung mendukung terjadnya angka Demam Berdarah Dengue yang tngg.. Hasl pemodelan terbak untuk kecamatan Genteng dan egalsar dperoleh menggunakan regres Bnomal Negatf. Adapun faktor-faktor yang berpengaruh terhadap angka kejadan Demam Berdarah Dengue yatu. a. Genteng, faktor yang berpengaruh terhadap angka kejadan Demam Berdarah Dengue Genteng adalah angka Demam Berdarah Dengue d kecamatan Genteng dpengaruh oleh angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan, curah hujan bulan sebelumnya dan kelembaban udara bulan sebelumnya. b. Gubeng, faktor yang berpengaruh terhadap angka kejadan Demam Berdarah Dengue Gubeng adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, suhu udara, curah hujan, curah hujan bulan sebelumnya dan kelembaban bulan sebelumnya. c. egalsar, faktor yang berpengaruh terhadap angka kejadan Demam Berdarah Dengue egalsar adalah angka kejadan Demam Berdarah Dengue bulan sebelumnya, curah hujan dan kelembaban udara bulan sebelumnya. [4] R. Hdayat, Model Perngatan Dn Penyakt Demam Berdarah dengan Informas Unsur Iklm, Dsertas Jurusan Statstka, Sekolah Pascasarjana IPB Bogor (008. [] Departemen Kesehatan RI. (0. Buletn Demam Berdarah Dengue Volume Agustus. Dunduh dar alamat pada Mnggu Februar 0 [] A. C. Cameron dan P. K. rved, Regresson Analyss of Count Data. Cambrdge:Cambrdge Unversty Press (998. [7] Agrest, Categorcal Data Analyss Second Edton, New York: John Wley & Sons (00. [8] R. H. Myers, Classcal and Modern Regresson wth Applcatons, second edton. Boston : PWS KEN Publshng Company (990. [9] F. Famoye, S. Bae, J.. Wulu, A.A. Bartolucc dan K.P. Sngh, On the Generalzed Posson Regresson Model wth an Applcaton to Accdent Data. Central Mchgan Unversty, Bureau of Prmary Health Care UN Health Scence Center,.Journal of Data Scence, Vol. ( [] N. Y. Chan, K. L. Eb, F. Smth,. F. Wlson dan A. E. Smth, AE. (999. An Integrated Assessment Framework for Clmate Change and Infectous Dseases. Envronmental Health Perspectves [onlne]. Avalable: [] S. E. Yant, Hubungan Faktor-Faktor Iklm dengan Kasus Demam Berdarah Dengue d Kotamadya Jakarta mur ahun , Skrps Fakultas Kesehatan Masyarakat, Unverstas Indonesa (004. DAFAR PUSAKA [] Departemen Kesehatan RI, ata Laksana DBD, Jakarta: Dep Kes RI (00. [] S. Sukowat, Dampak Perubahan Lngkungan erhadap Penyakt ular Nyamuk (Vektor d Indonesa, Makalah Utama pada Semnar Nasonal IV Perhmpunan Enromolg Indonesa Cabang Bogor, Bogor (004. [3] A. Sasmto dan m BMG, Protpe model Perngatan Dn Bahaya Demam Berdarah Dengue (DBD d Wlayah DKI Jakarta, Makalah dsampakan pada Semnar Hasl Peneltan Pengembangan Meteorolog dan Geofska, Badan Meteorolog dan Geofska, Jakarta (00.

ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF

ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF Template Artkel Prosdng Sendka 017 ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF Ummu Ftryan 1), Jaka Nugraha ) 1 Departemen

Lebih terperinci

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007

PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007 PEMODELAN GENERALIZED REGRESI POISSON PADA FAKOR-FAKOR YANG MEMPENGARUHI ANGKA KEMAIAN BAYI DI PROVINSI JAWA IMUR AHUN 007 Yayuk Lstan 1 dan Purhad 1 Mahasswa S1 Statstka IS, Dosen statstka IS 1 yayuk.yangce@gmal.com,

Lebih terperinci

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc. PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA

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 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

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih 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

PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION

PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION TUGAS AKHIR SS 4556 PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION Vresa Endra Marta NRP 34 030 063 Dosen Pembmbng :

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 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

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

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

PEMODELAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA KASUS TETANUS NEONATORUMDI PROVINSIJAWA TIMUR

PEMODELAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA KASUS TETANUS NEONATORUMDI PROVINSIJAWA TIMUR ISBN : 978.602.36.002.0 PEMODELAN REGRESI ZERO INFLAED NEGAIVE BINOMIAL (ZINB) PADA KASUS EANUS NEONAORUMDI PROVINSIJAWA IMUR Cndy Cahyanng Asut, Isman Zan 2 Mahasswa Jurusan Statstka Insttut eknolog Sepuluh

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

BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON

BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 2009 BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro

Lebih 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 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

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 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

Rahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson.

Rahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson. Jurnal Sans Matematka dan Statstka, Vol. No. Jul 16 ISSN 46-454 Perbandngan Model Regres Generalzed Posson Dan Bnomal Negatf Untuk Mengatas Overdspers Pada Regres Posson (Stud Kasus: Penderta Flarass d

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

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

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih 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

OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL

OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

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 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat

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

Nirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK

Nirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK PERBANDINGAN MODEL REGRESI LOGISTIK DAN ZERO-INFLATED POISSON (ZIP) UNTUK MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELANGSUNGAN HIDUP PENDERITA PENYAKIT DEMAM BERDARAH (DBD) RS WAHIDIN SUDIROHUSODO

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN

Lebih terperinci

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN

Lebih terperinci

PERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1 Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Dalam menganalss hubungan antara beberapa peubah, terdapat

Lebih terperinci

Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013

Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013 JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prnt) Analss Faktor Rsko Kematan Ibu dan Kematan Bay dengan Pendekatan Regres Posson Bvarat d Provns Jawa mur ahun 03 D39 Ind Arkand dan Wwek

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

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

Regresi Linear Sederhana dan Korelasi

Regresi Linear Sederhana dan Korelasi Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARAH DENGUE

ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARAH DENGUE Statstka, Vol., No., November ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARA DENGUE Tan Wahyu Utam Program Stud Statstka, Fakultas Matematka dan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih 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

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA

PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

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

BAB III PEMBAHASAN. Dalam bab III ini, akan dibahas mengenai bentuk umum model

BAB III PEMBAHASAN. Dalam bab III ini, akan dibahas mengenai bentuk umum model BAB III PEMBAASAN Dalam bab III n, akan dbahas mengena bentuk umum model Autoregressve Condtonal Duraton (ACD), model Autoregressve Condtonal Duraton dengan error berdstrbus Eksponensal (EACD), beserta

Lebih terperinci

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

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 GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di: JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 361-368 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan APLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PUTUS SEKOLAH DI PROVINSI JAWA TIMUR MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION

FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PUTUS SEKOLAH DI PROVINSI JAWA TIMUR MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION TUGAS AKHIR SS 4556 FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PUTUS SEKOLAH DI PROVINSI JAWA TIMUR MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION Tlawatul Qur an Rfa NRP 34 030 5 Dosen Pembmbng Ir. Mutah

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih 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

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP

Lebih terperinci

BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON

BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih 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

Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression

Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 Pemodelan Jumlah Kematan Ibu dan Jumlah Kematan a d Provns Jawa Tmur Menggunakan varate Posson Regresson Nna Fauzah Rachmah dan Purhad Jurusan

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan

Lebih 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 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

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih 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 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

2. ANALISIS DATA LONGITUDINAL

2. ANALISIS DATA LONGITUDINAL . ANALISIS DATA LONGITUDINAL Data longtudnal merupakan salah satu bentuk data berkorelas. Pada data longtudnal, peubah respon dukur pada beberapa ttk waktu untuk setap subyek. Dalam stud longtudnal dmungknkan

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih 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

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

Post test (Treatment) Y 1 X Y 2

Post test (Treatment) Y 1 X Y 2 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl

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

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

Lebih terperinci

Prediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap

Prediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta

Lebih terperinci

Pemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes

Pemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes

Lebih terperinci

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR) JURNAL SAINS DAN SENI IS Vol., No., () (98X Prnt) D9 Pemodelan Jumlah Kasus Penyakt etanus Neonatorum d Jawa mur ahun dengan Geographcally Weghted ZeroInflated Posson Regresson (GWZIPR) Rath Kumala Puspa

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih 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

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur

Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas

Lebih terperinci

PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION

PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION TUGAS MATA KULIAH ANALISIS SPASIAL PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Dosen: Dr. Sutkno Dr. Setawan Dsusun Oleh: RINDANG BANGUN PRASETYO

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

Lebih terperinci