Pemodelan Pengaruh Iklim Terhadap Angka Kejadian Demam Berdarah Dengue di Surabaya
|
|
- Yulia Kurniawan
- 7 tahun lalu
- Tontonan:
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
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 terperinciPemodelan 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 terperinciBAB 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 terperinciPEMODELAN 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 terperinciPEMODELAN 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 terperinciBAB 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 terperinciBAB 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 terperinciESTIMASI 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 terperinciPROPOSAL 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 terperinciPEMODELAN 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 terperinciBAB 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 terperinciBAB 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 terperinciPEMODELAN 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 terperinciBAB 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 terperinciPEMODELAN 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 terperinciEVALUASI 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 terperinciBINOMIAL 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 terperinciConfigural 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciRahmadeni 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 terperinciBAB 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 terperinciBAB 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 terperinciANALISIS 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 terperinciBAB 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 terperinciOVERDISPERSI 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 terperinciBAB 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 terperinciANALISIS 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 terperinciBAB 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 terperinciPenerapan 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 terperinciBAB 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 terperinciNirwan 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 terperinciBAB.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 terperinciANALISIS 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 terperinciANALISIS 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 terperinciISSN: 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 terperinciPERBANDINGAN 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 terperinciAnalisis 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 terperinciBAB 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 terperinciIII. 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 terperinciRegresi 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 terperinciANALISIS 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 terperinciANALISIS 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 terperinciBAB 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 terperinciPendeteksian 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 terperinciJumlah 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 terperinciIII. 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 terperinciBAB 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 terperinciPERBANDINGAN 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciFaktor 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 terperinciIII. 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 terperinciBAB 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 terperinciJURNAL 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 terperinciBAB 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 terperinciBAB 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 terperinciIII. 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 terperinciFAKTOR-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 terperinciJURNAL 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 terperinciSELANG 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 terperinciANALISIS 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 terperinciINFERENSI 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 terperinciBINOMIAL 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 terperinciBAB 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 terperinciBAB 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 terperinciPemodelan 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 terperinciMETODE 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 terperinciSEMINAR 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 terperinciJURNAL 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 terperinciBAB 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 terperinciBAB 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 terperinciKecocokan 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 terperinciIV. 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 terperinciBAB 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 terperinciUJI 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 terperinciBAB 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 terperinci2. 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 terperinciDISTRIBUSI 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 terperinciBAB 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 terperinciMETODE 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 terperinciPost 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 terperinciBAB 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 terperinciBAB 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 terperinciPrediksi 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 terperinciPemetaan 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 terperinciPemodelan 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 terperinciBAB 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 terperinciREGRESI 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 terperinciIII. 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 terperinciMETODE 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 terperinciANALISIS 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 terperinciBAB 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 terperinciMULTIVARIATE 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 terperinciPemodelan 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 terperinciPEMODELAN 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 terperinciBAB 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