Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)
|
|
- Hengki Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI POMITS Vol., No.1, ( (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan Anugrah Smamora dan Vta Ratnasar Jurusan Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Insttut Tenolog Sepuluh Nopember (ITS Jl. Aref Rahman Ham, Surabaya Indonesa e-mal: pan_smamora@yahoo.com Abstra Keahatan atau rmnaltas merupaan perbuatan seseorang yang dapat dancam huuman berdasaran KUHP atau undang-undang serta peraturan lannya d Indonesa. Pada tahun 010 Polda Jaa Tmur mendudu perngat eempat umlah rmnaltas tertngg d Indonesa setelah Polda Metro Jaya, Polda Sumatera Utara dan Polda Jaa Barat. Perbedaan araterst geografs menyebaban perbedaan atau eteratan fator eonom, sosal, budaya yang uga berpengaruh pada tndaan rmnaltas d setap daerah. Karena tu peneltan n aan memodelan persentase rmnaltas dan fator-fator yang mempengaruhnya d Provns Jaa Tmur dengan pendeatan Geographcally Weghted Regresson (GWR. Dar hasl peneltan n ddapatan baha adanya pengaruh spasal dalam pemodelan persentase rmnaltas d Jaa Tmur. Pemlhan pembobot dlauan dengan cara memlh pembobot yang meml nla AIC terecl yatu fx gaussan. Wlayah yang berdeatan cenderung meml esamaan fator-fator yang mempengaruh persentase rmnaltas d Jaa Tmur. Varabel epadatan pendudu dan persentase pendudu mgran berpengaruh sgnfan pada sebagan besar abupaten/ota d Jaa Tmur. Model GWR menghaslan R sebesar 86,95 persen lebh besar dar model OLS yatu 54,1 persen. Kata Kunc Krmnaltas, fx Gaussan, GWR. I. PENDAHULUAN rmnaltas merupaan perbuatan seseorang yang Kdapat dancam huuman berdasaran KUHP atau Undang-undang serta peraturan lannya d Indonesa (Statst Krmnal, 01. Persta yang dlaporaan adalah setap persta yang dlaporan masyaraat pada Polr, atau persta dmana pelaunya tertangap tangan oleh epolsan. Laporan masyaraat n aan dcatat dan dtnda-lanut oleh Polr a dategoran meml cuup but. Dalam Statst Krmnal yang deluaran oleh Badan Pusat Statst, pada tahun 010 Polda Jaa Tmur mendudu perngat eempat umlah rmnaltas tertngg d Indonesa setelah Polda Metro Jaya, Polda Sumatera Utara dan Polda Jaa Barat. Peneltan tentang rmnaltas arang dlauan dengan menggunaan metode statsta. D dalam beberapa peneltan rmnaltas dengan menggunaan metode statsta, sangat sedt yang menggunaan atau memperhatan pengaruh dar aspe geografs layah. Perbedaan araterst geografs menyebaban perbedaan atau eteratan fator eonom, sosal, budaya yang uga berpengaruh pada tndaan rmnaltas d daerah tersebut. Sehngga dalam peneltan n, penelt uga menggunaan pengaruh spasal atau geografs untu mendapatan model yang terba. Analss yang dgunaan dalam peneltan n adalah metode Geographcally Weghted Regresson (GWR. TINJAUAN PUSTAKA Regres Spasal Regres Spasal adalah salah satu metode statst yang dgunaan untu mengetahu hubungan antara varabel respon dan predtor dengan mempertmbangan eteratan loas atau spasal. Segala sesuatu salng berhubungan satu dengan yang lannya, tetap sesuatu yang deat lebh mempunya pengaruh dar pada sesuatu yang auh (huum Tobler I, Masng-masng layah meml araterst yang berbeda, parameter yang berbeda, uga bentu fungs yang berbeda yang membutan adanya heterogentas spasal. Penguan Moran s I merupaan penguan yang dlauan untu melhat apaah pengamatan dsuatu loas berpengaruh terhadap pengamatan dloas lan yang letanya salng berdeatan. Hpotessnya adalah sebaga berut : H 0 : λ = 0 (tda ada dependens spasal H 1 : λ 0 (terdapat dependens spasal Ι Ι0 Statst u : Z htung = (1 var ( Ι T Dengan : e We Ι = T e e Dmana : e : Resdual regres Ordnary Least Square (OLS W : Matrs penmbang spasal Penguuan Breusch-Pagan dgunaan untu melhat heterogentas spasal setap loas. Hpotessnya adalah sebaga berut. H 0 : σ 1 = σ =... = σ (homoedaststas H 1 : mnmal ada satu σ σ (heteroedaststas 1 Statst u : T T 1 T BP = f A( A A A f (
2 JURNAL SAINS DAN SENI POMITS Vol., No.1, ( (01-98X Prnt D-19 e Dengan : f = 1 σ Dmana : e : Error dar metode Ordnary Least Square (OLS A : Matrs beruuran n (+1 yang bers vetor yang sudah d normal standaran untu setap observas Daerah penolaannya adalah tola H 0 a BP > χ Ja terdapat efe heterogentas spasal maa asus tersebut dapat dselesaan dengan menggunaan pendeatan tt. A. Geographcally Weghted Regresson (GWR Geographcally Weghted Regresson (GWR merupaan pengembangan dar model regres global dmana de dasarnya dambl dar regres non paramter (Me, 005. Varabel respon bergantung pada loas daerah. Model GWR dapat drumusan sebaga berut. Dengan : y β x ε y = β ( u, v m 0, = 1 ( : Tt oordnat (longtude, lattude loas e- : Koefsen regres, = 1,...,p : Nla observas predtor pengamatan e- : Error e- Pembobot spasal merupaan pembobot yang menelasan leta data yang satu dengan yang lannya. Wlayah yang deat dengan layah yang sedang dtelt dberan nla pembobot yang besar sedangan yang auh dberan nla pembobot yang ecl. Fungs ernel merupaan cara yang dgunaan untu menentuan besarnya pembobot masng-masng loas yang berbeda pada model GWR. Fungs pembobot dapat dtuls sebaga berut : 1. Gaussan : 1 d = ( u, v exp h. Adaptve Gaussan :. Bsquare : d ( u, v = h 4. Adaptve Bsquare : ( u v + β ( u v, x + ε 1 d = ( u, v exp h, untu d untu d h > h d ( u, v = h 5. Trcube : d ( u, v = h 6. Adaptve Trcube :, untu d untu d h > h d, untu d h ( u, v = h untu d > h B. Penguan Hpotess Model (GWR Penguan esesuaan model GWR (goodness of ft dlauan dengan hpotess sebaga berut. H 0 : β ( u, v = β ( tda ada perbedaan OLS dengan GWR H 1 : sedtnya ada satu β ( u, v β (ada perbedaan OLS dengan GWR ( RSS RSS OLS GWR Statst u : Fhtung = v RSSGWR δ Daerah penolaan : tola H 0, Fhtung > F( α ; df 1; df Penguan sgnfans parameter pada setap loas dlauan dengan mengu parameter secara parsal. Penguan n dlauan untu mengetahu sgnfans β ( u, v terhadap varabel respon secara parsal pada model Geographcally Weghted Regresson. Hpotessnya adalah sebaga berut. H 0 : β ( u, v = 0 H 1 : β ( u, v 0; =1,,,n; =1,,,p Penasran parameter ( u, v aan mengut dstrbus normal multvarate. ˆ Statst u : β ( u, v T = (5 ˆ σ g tola H 0 a nla T > t ( α / ; db yang artnya β u, v sgnfan terhadap model. parameter (, untu untu d h > h C. Krmnaltas Krmnaltas atau tnda eahatan atau pelanggaran merupaan perbuatan seseorang yang dapat dancam huuman berdasaran KUHP atau Undang-Undang serta peraturan lannya yang berlau d Indonesa. Persta yang dlaporaan adalah setap persta yang dlaporan masyaraat pada Polr, dmana pelaunya tertangap tangan oleh epolsan. Laporan masyaraat n aan dcatat dan dtnda-lanut oleh Polr a dategoran meml cuup but. d (4
3 JURNAL SAINS DAN SENI POMITS Vol., No.1, ( (01-98X Prnt D-0 Pelau eahatan adalah: 1. Orang yang melauan eahatan. Orang yang turut melauan eahatan.. Orang yang menyuruh melauan eahatan 4. Orang yang membuu orang lan untu melauan eahatan 5. Orang yang membantu melauan eahatan Tahanan adalah tersanga pelau tnda eahatan atau pelanggaran yang dtahan oleh pha epolsan sebelum dterusan epada Keasaan atau mash dalam proses pengusutan lebh lanut. Lamanya dtahan urang dar 0 har. Kerugan adalah hlang rusa atau musnahnya harta benda yang dtmbulan abat suatu persta eahatan atau pelanggaran dan tda termasu orban a atau badan. Korban eahatan adalah seseorang atau harta bendanya yang selama setahun terahr mengalam atau terena tnda eahatan atau usaha atau percobaan eahatan. (Krmnaltas Indonesa, 01. II. METODOLOGI PENELITIAN a. Sumber Data Data yang dgunaan dalam peneltan n adalah data seunder, data seunder yang dgunaan adalah data Hasl Survey Sosal Eonom Nasonal Jaa Tmur 010, Laporan Eseutf Angatan Kera Jaa Tmur 010, Publas Jaa Tmur Dalam Anga 011. Dalam peneltan n uga menggunaan leta tt lntang dan tt buur sebaga fator pembobot georgrafs. Unt peneltan yang dtelt adalah 9 abupaten dan 9 ota d Jaa Tmur. b. Varabel Peneltan Varabel yang dgunaan dalam peneltan n adalah sebaga berut : 1. Varabel dependen yatu persentase rmnaltas per Kabupaten/Kota d Jaa Tmur.. Varabel ndependen yatu adalah epadatan pendudu, pengangguran terbua, pendudu msn, pendudu yang tda pernah seolah, pendudu yang merupaan orban penyalahgunaan NAPZA, eluarga bermasalah, persentase pendudu mgran, ndes pembangunan manusa. c. Langah Analss Langah analss yang aan dlauan dalam untu mencapa tuuan pada peneltan n adalah sebaga berut. 1. Mendesrpsan data dengan menggunaan peta temat sebaga gambaran eadaan persentase rmnaltas d Provns Jaa Tmur dan fator-fator yang dduga mempengaruhnya.. Mengdentfas pola hubungan antar varabel predtor terhadap varabel persentase rmnaltas dengan menggunaan scatterplot.. Mengu multolnertas pada setap varabel predtor dalam peneltan n, dengan menggunaan nla VIF untu mengdentfas asus multolnertas. 4. Mendapatan model regres lner berganda persentase rmnaltas d Provns Jaa Tmur dengan langah sebaga berut. a. Melauan estmas parameter untu memodelan varabel respon dan varabel predtor dengan menggunaan metode Ordnary Least Square (OLS. b. Melauan u sgnfans parameter regres lner berganda secara serenta dan secara parsal. c. Melauan penguan terhadap resdual yang ddapat dar model regres lner berganda, dantaranya adalah penguan asums resdual dent, resdual ndependen, dan resdual berdstrbus normal. 5. Memersa dependens aspe spasal dengan menggunaan statst u Morans I dan penguan heterogentas spasal dengan menggunaan statst u Breusch-Pagan. 6. Menganalss model GWR dengan langah-langah analss sebaga berut. a. Menentuan u dan v berdasaran gars lntang selatan dan gars buur utara untu setap abupatan/ota d Provns Jaa Tmur. b. Menghtung ara euclden antar loas terhadap loas yang terleta pada oordnat ( u, v. Perhtungan dlauan untu seluruh loas pengamatan =1,..,8. c. Matrs pembobot dbentu dengan menggunaan fungs ernel fungs Gaussan, fungs Bsquare, dan fungs Trcube ba Fx dan Adaptve. d. Nla AIC dar masng-masng pembobot fungs ernel dgunaan untu menentuan fungs ernel yang aan dgunaan dalam pemodelan dengan menggunaan rtera nla AIC yang palng mnmum. e. Mendapatan matrs pembobot pada masngmasng loas. f. Mendapatan estmas parameter untu model GWR d setap loas. g. Melauan penguan parameter model GWR secara serenta dan ndvdu. h. Mendapatan model regres terba untu persentase rmnaltas d Provns Jaa Tmur. III. ANALISIS DAN PEMBAHASAN A. Penyebaran persentase rmnaltas d Jaa Tmur Gambar 1 menunuan persentase rmnaltas Jaa Tmur pada tahun 010. Persentase Krmnaltas dbag menad lma ategor, yatu sangat tngg, tngg, sedang, rendah, sangat rendah. Rata-rata persentase rmnaltas d Jaa Tmur adalah sebesar 8,81 persen, n berart dar orang pendudu d Jaa Tmur terdapat 8 orang yang melauan tndaan rmnaltas. Berdasaran Gambar detahu baha tedapat varabel predtor yang meml pola negatf terhadap varabel persentase rmnaltas ( yatu varabel persentase pendudu msn (X, persentase pendudu tda seolah (X 4, dan persentase eluarga bermasalah (X 6, orelas negatf n berart apabla terad enaan pada varabel X, X 4, dan X 6 maa persentase rmnaltas aan mengalam penurunan. Varabel predtor yang meml pola postf terhadap varabel persentase rmnaltas ( yatu varabel persentase epadatan pendudu (X 1, persentase pengangguran terbua (X, persentase pendudu orban penyalahgunaan NAPZA (X 5, persentase pendudu mgran(x 7, ndes pembangunan manusa(x 8, orelas postf berart apabla
4 JURNAL SAINS DAN SENI POMITS Vol., No.1, ( (01-98X Prnt D-1 Tabel. Penguan Aspe Spasal Penguan Nla Sgnfans Keputusan Moran's I 0,679 Gagal Tola H 0 TUBAN BANGKALAN GRESIK SUMENEP SAMPANG LAMONGAN PAMEKASAN BOJONEGORO SURABAA (KOTA NGAWI SIDOARJO NGANJUK MOJOKERTO MADIUN JOMBANG MAGETAN PASURUAN KEDIRI PROBOLINGGO SITUBONDO PONOROGO MALANG (KOTA BONDOWOSO PACITAN BLITAR MALANG TRENGGALEK LUMAJANG JEMBER BANUWANGI Breusch-Pagan 0,00414 Tola H 0 Tabel. Nla AIC Fungs Kernel GWR Gaussan Bsquare Trcube Jatm.shp Fx Adaptve Fx Adaptve Fx Adaptve Gambar 1 Persentase Krmnaltas Jaa Tmur B. Regres OLS epadatan napza penganggur eluargaberm emsnan Mgran tdaseolah Gambar Pola Hubungan Antar Varabel Predtor dan Varabel Respon Tabel 1. Nla VIF Varabel Predtor Persentase Krmnaltas Varabel X 1 X X X 4 X 5 X 6 X 7 X 8 VIF,6,4,8 5,5 1, 1,4, 1,7 terad enaan pada varabel X 1, X,X 5, X 7 dan X 8 maa persentase rmnaltas aan mengalam enaan. Berdasaran Tabel 1 ddapat baha nla VIF setap varabel predtor lebh ecl dar 10 sehngga dapat dsmpulan baha tda terad multolnertas antar varabel predtor maa asums multolnertas dpenuh sehngga analss metode regres lnear berganda dapat dlauan. Varabel yang sgnfan terhadap persentase rmnaltas dgunaan regres OLS. ˆ = X X X 0.167X X X X 8 Persentase rmnaltas aan mengalam enaan sebesar a epadatan pendudu mengat sebesar satu persen dengan syarat varabel predtor yang lan onstan, sebalnya persentase rmnaltas aan mengalam penurunan sebesar a persentase pendudu msn menngat sebesar satu persen dengan syarat varabel predtor yang lan onstan. Berlau sama pula untu setap varabel dalam model regres. Nla R yang dhaslan adalah 54.1, n berart varabel predtor mampu menelasan data sebesar 54,1 persen. Asums resdual dent, ndependen, dan berdstrbus normal serta penguan multolnertas antar varabel IPM 4 + Tabel 4 Estmas parameter d setap loas Estmas parameter Masmum Mnmum e-01.14e e-0.746e e e-01.90e e-0.514e-0 SSE R e e e e e e e e e-0 Tabel 5. Perbandngan Model OLS dan GWR Krtera Regres OLS GWR R 54,1%. 86,95% SSE 0,086 0,0067 harus dpenuh dalam analss regres OLS. Dar hasl penguan Kolmogorov-Smrnov dperoleh nla p_value lebh dar 0,15 dengan menggunaan α sebesar 5% dputusan untu gagal tola H 0 dsmpulan resdual model regres telah berdstrbus normal. Durbn Watson sebesar dengan nla d L sebesar 1,09 maa dputusan untu gagal tola H 0 arena nla statst u d>d L hal n berart baha tda terad orelas antar resdual. Penguan asums resdual dent menggunaan u Gleser dengan meregresan absolute resdual dar regres OLS ddapatan p-value < α maa resdual dent terpenuh. C. Penguan Aspe Spasal Penguan Moran s I dgunaan untu penguan dependens spasal. Penguuan Breusch-Pagan dgunaan untu melhat heterogentas spasal setap loas. Breusch-Pagan < 0,05 tola Ho, menympulan aspe spasal terpenuh yatu terdapat efe heterogentas spasal maa asus tersebut dapat dselesaan dengan menggunaan pendeatan tt. Selanutnya aan dlauan analss dengan menggunaan metode Geographcally Weghted Regresson.
5 JURNAL SAINS DAN SENI POMITS Vol., No.1, ( (01-98X Prnt D- Kabupaten/Kota Tabel 6. Sgnfans Parameter Setap Loas Sgnfan Kab. Banyuang - Kab. Pactan Kab. Ponorogo Kab. Trenggale Kab. Tulungagung Kab. Nganu Kab. Madun Kab. Magetan Kab. Nga Kota Madun Kab. Jember Kab. Bondooso Kab. Stubondo Kab. Sumenep Kota Bltar Kab. Bltar Kab. Lumaang Kab. Boonegoro Kab. Sampang Kab. Pameasan Kab. Sdoaro Kota Pasuruan Kota Surabaya Kota Batu Kab. Mooerto Kota Malang Kab. Malang Kab. Lamongan Kab. Gres Kab. Bangalan Kota Kedr Kab. Kedr Kota Probolnggo Kab. Probolnggo Kab. Pasuruan Kab. Jombang Kab. Tuban Kota Mooerto,X8,X8,X6 X,X4,,X,X8,X,X8,X,X,X6,,X8,X,X,X6,,X8,X,X,X6,,X8,X,X,X6,,X8,X,X,X6,,X8,X,X,X6,,X8,X,X,X6,,X8,X,X6,,X8,X,X6,,X8,X,X6,,X8,X,,X8,X,,X8,X,X6,X8,X,X6,X8,X,X,X6,X8,X,X,,X8,X,X4,,X8,X,X,X4,X6,,X8 D. Pemodelan Persentase Krmnaltas dengan GWR Matrs pembobot dplh dengan menggunaan rtera AIC yang palng mnmum. Hasl perhtungan AIC dar masng-masng pembobot dapat dlhat pada Tabel. Berdasaran rtera AIC mnmum adalah pembobot fx Gaussan. Estmas parameter d setap loas berbeda menghaslan rentang nla estmas pada Tabel 4. TUBAN BANGKALAN GRESIK SUMENEP SAMPANG LAMONGAN PAMEKASAN BOJONEGORO SURABAA (KOTA NGAWI SIDOARJO NGANJUK MOJOKERTO MADIUN JOMBANG MAGETAN PASURUAN KEDIRI PROBOLINGGO SITUBONDO PONOROGO MALANG (KOTA BONDOWOSO PACITAN BLITAR MALANG TRENGGALEK LUMAJANG JEMBER BANUWANGI Gambar Persebaran Varabel Sgnfan Menurut Kabupaten/Kota d Jaa Tmur Pemodelan persentase rmnaltas d Jaa Tmur dengan menggunaan pendeatan Geographcally Weghted Regresson merupaan model yang lebh ba a dbandngan dengan model regres OLS, hal n dapat dlhat dar nla SSE yang lebh ecl yatu 0,0067 dan R yang lebh besar yatu sebesar 86,95% yang berart baha model tersebut mampu menelasan data sebesar 86,95%. Penguan esesuan model GWR dharapan lebh ba a dbandngan dengan pemodelan menggunaan regres OLS. Hpotess yang dgunaan dalam penguan esesuaan model yatu : β u, v = β (tda ada perbedaan OLS dan GWR H 0 : ( β u, v β (ada perbedaan H 1 : Sedtnya ada satu ( OLS dan GWR Nla F htung yang dhaslan adalah,519 dengan nla p_value 0,017, dan F Tabel sebesar,8 sehngga dputusan untu tola H 0 yang berart baha terdapat perbedaan yang sgnfan antara model global dan model GWR. Penguan sgnfans parameter secara parsal dlauan untu mengetahu varabel yang sgnfan d setap loas. Hpotess yang dgunaan adalah sebaga berut. H 0 : β ( u, v = 0 H 1 : (, 0 β u v ; =1,,,8 ; =1,,,8 Tabel 6 menelasan varabel yang sgnfan mempengaruh persentase rmnaltas d setap abupaten/ota d Jaa Tmur. Wlayah yang tda meml varabel yang sgnfan adalah Kabupaten Banyuang. Model GWR Kabupaten Sampang adalah sebaga berut. ˆ =0, ,004978X+ 0,0006X8 Persentase rmnaltas aan mengalam enaan sebesar 0, a epadatan pendudu mengat sebesar satu persen dengan syarat varabel predtor yang lan onstan. Berlau sama pula untu setap varabel dalam model regres. Pemodelan persentase rmnaltas meml perbedaan d setap abupaten/ota d Jaa Tmur, sehngga abupaten/ota yang meml esamaan sgnfans terhadap model delompoan. Pengelompoan dapat dlhat dar Gambar. Gambar menunuan beberapa layah yang berdeatan meml esamaan varabel yang sgnfan yang menelasan adanya pengaruh spasal dalam pemodelan persentase rmnaltas d Jaa Tmur 010.
6 JURNAL SAINS DAN SENI POMITS Vol., No.1, ( (01-98X Prnt D- IV. KESIMPULAN DAN SARAN A. Kesmpulan Berdasaran hasl analss yang telah dlauan, dperoleh esmpulan sebaga berut : 1. Berdasaran pendesrpsan varabel respon dan varabel predtor yang dtelt, dapat dsmpulan baha setap layah meml araterst yang berbeda-beda atau meml unsur spasal. Persentase Krmnaltas dbag menad lma ategor, yatu sangat tngg, tngg, sedang, rendah, sangat rendah untu memudahan dalam lasfas. Persentase rmnaltas yang tertngg d Jaa Tmur terdapat d Kota Bltar, sedangan persentase rmnaltas yang terendah d Jaa Tmur adalah Kota Batu. Kepadatan pendudu yang terendah d Jaa Tmur adalah abupaten pactan, sedangan epadatan pendudu yang tertngg d Jaa Tmur adalah Kota Surabaya. Tngat pengangguran yang tertngg d Jaa Tmur terdapat d Kota Madun, sedangan tngat pengangguran yang terendah d Jaa Tmur adalah Kabupaten pactan. Persentase pendudu msn yang tertngg d Jaa Tmur terdapat d Kabupaten Sampang, sedangan persentase pendudu msn yang terendah d Jaa Tmur adalah Kota Batu. Persentase pendudu tda seolah yang tertngg d Jaa Tmur terdapat d Kabupaten Sumenep, sedangan persentase pendudu tda seolah yang terendah d Jaa Tmur adalah Kota Surabaya. Persentase pendudu orban penyalahgunaan NAPZA yang tertngg d Jaa Tmur terdapat d Kabupaten Bltar, sedangan persentase pendudu orban penyalahgunaan NAPZA yang terendah d Jaa Tmur terdapat beberapa daerah sebesar 0 persen yang berart tda ada orban penyalahgunaan d daerah tersebut. Persentase pendudu eluarga bermasalah yang tertngg d Jaa Tmur terdapat d Kabupaten Tuban, sedangan persentase pendudu eluarga bermasalah yang terendah d Jaa Tmur d Kabupaten Jember. Persentase pendudu pendudu mgran yang tertngg d Jaa Tmur terdapat d Kota Malang, sedangan persentase pendudu mgran yang terendah d Jaa Tmur d Kabupaten Sumenep. Indes pembangunan manusa pendudu mgran yang tertngg d Jaa Tmur terdapat d Kabupaten Tulungagung, sedangan ndes pembangunan manusa yang terendah d Jaa Tmur d Kabupaten Bltar. rmnaltas d Jaa Tmur untu mendapatan hasl analss yang lebh ba. DAFTAR PUSTAKA Anseln, L. (1988. Spatal Econometrcs Methods and Models, Kluer Academc Publshers: Dordrecht. Draper, N,. & Smth, R. (1998. Analss Regres Terapan. Grameda Pustaa Utama: Jaarta. Rancher, A.C, Schalce,G.B.(007. Lnear Models n Statstcs, Wley Interscence : Unted States. Sar.D.M. (01. Pemodelan Tnda Pdana D Kota Surabaya Dengan Pendeatan Regres Spasal. asn, H. (011. Pemlhan Varabel Pada Model Geographcally Weghted Regresson. Unverstas Dponegoro: Semarang. Walpole (1995. Pengantar Statsta. Grameda Pustaa Utama: Jaarta.. Model GWR persentase rmnaltas d Jaa Tmur lebh ba dbandngan model OLS. R yang ddapatan dengan pemodelan GWR lebh besar yatu sebesar 86,95%, dan SSE yang lebh ecl yatu 0,0067 sehngga tedapat pengaruh aspe spasal pada pemodelan persentase rmnaltas d Jaa Tmur. Varabel yang sgnfan berbeda-beda setap abupaten/ota d Jaa Tmur, beberapa daerah yang berdeatan meml sgnfans varabel yang sama. B. Saran Dar permasalahan yang drasaan penelt baha untu pemlhan varabel ndependen yang dgunaan sebanya da embal sesua dengan elmuan rmnaltas sehngga aan ddapatan hasl analss yang lebh ba. Kemudan dcoba menggunaan metode statsta yang lan untu memodelan persentase
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.
Lebih terperinciFaktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan
Lebih terperinciPemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression
JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah
Lebih terperinciPemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression
JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof
Lebih terperinciPemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciPemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188
JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla
Lebih terperinciPEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION
PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut
Lebih terperinciPEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION
PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan
Lebih terperinciPemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya
Lebih terperinciPendekatan Hurdle Poisson Pada Excess Zero Data
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d
Lebih terperinciBAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/
Lebih terperinciPenggunaan Model Regresi Tobit Pada Data Tersensor
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d
Lebih terperinciANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION
E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY
Lebih terperinciPemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu
Lebih terperinciPemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd
Lebih 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan
Lebih terperinciBAB II TEORI DASAR. Analisis Kelompok
BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan
Lebih terperinciANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR
ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School
Lebih terperinciPENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI
PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR
Lebih terperincie + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e
ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan
Lebih terperinciPemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression
Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah
BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah
Lebih terperinciπ(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)
Lebih terperinciPengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA
Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,
Lebih terperinciBAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode
BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)
Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar
Lebih 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 terperinciEKSPEKTASI SATU PEUBAH ACAK
EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt
Lebih terperinciPendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman
Lebih terperinciKarakterisasi Matrik Leslie Ordo Tiga
Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36
JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran
Lebih terperinciANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)
ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster
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 terperinciCONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA
CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata
Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola
Lebih terperinciUSULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG
Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,
Lebih terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciBAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA
BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model
Lebih terperinciANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL
ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciJumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota
Jumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota TAHUN LAKI-LAKI KOMPOSISI PENDUDUK PEREMPUAN JML TOTAL JIWA % 1 2005 17,639,401
Lebih terperinciBenyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN
METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.
Lebih terperinciBab III Model Estimasi Outstanding Claims Liability
Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa
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 terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)
Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,
Lebih terperinciEVALUASI/FEEDBACK KOMDAT PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN
EVALUASI/FEEDBACK PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN MALANG, 1 JUNI 2016 APLIKASI KOMUNIKASI DATA PRIORITAS FEEDBACK KETERISIAN DATA PADA APLIKASI PRIORITAS 3 OVERVIEW KOMUNIKASI DATA
Lebih terperinciPENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR
Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program
Lebih terperinciEman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK
PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata
Lebih terperinciLampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000)
Lampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000) Kabupaten/Kota DAU 2010 PAD 2010 Belanja Daerah 2010 Kab Bangkalan 497.594.900
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciINVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN
Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu
Lebih terperinciKOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda
KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,
Lebih terperinciANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING
Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah
BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciEVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah
EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya
Lebih terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih 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 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 terperinciBAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)
BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang
Lebih terperinciBAB 3 METODE PENELITIAN. disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
BAB 3 METODE PENELITIAN 3.1 Gambaran Umum Objek Wilayah Provinsi Jawa Timur meliputi 29 kabupaten dan 9 kota. Peta wilayah disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciBab III. Plant Nonlinear Dengan Fase Nonminimum
Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017
\ PERATURAN NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017 DENGAN RAHMAT TUHAN YANG MAHA ESA. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan masyarakat khususnya
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010 GUBERNUR JAWA TIMUR, Menimbang Mengingat : a. bahwa dalam upaya meningkatkan
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 terperinciPENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.
PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu
Lebih terperinciBAB II GAMBARAN UMUM INSTANSI. 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur
BAB II GAMBARAN UMUM INSTANSI 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur PT PLN (Persero) Distribusi Jawa Timur merupakan salah satu unit pelaksana induk dibawah PT PLN (Persero) yang merupakan
Lebih terperinciPEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012
PEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012 OLEH : Drs. MUDJIB AFAN, MARS KEPALA BADAN PERPUSTAKAAN DAN KEARSIPAN PROVINSI JAWA TIMUR DEFINISI : Dalam sistem pemerintahan di Indonesia
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 terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
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 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 terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG PERKIRAAN ALOKASI DANA BAGI HASIL CUKAI HASIL TEMBAKAU KEPADA PROVINSI JAWA TIMUR DAN KABUPATEN/KOTA DI JAWA TIMUR TAHUN ANGGARAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciSTATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil
Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan
Lebih terperinciIMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG
IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.
Lebih 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 terperinciPERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH
PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH La Mftakhul Janah 1, TanWahyu Utam 2 1, emal: lamftakhul7@gmal.com
Lebih terperinciSEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.
16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari
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 KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS
ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)
Lebih terperinciPENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD
ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh
Lebih terperinciPemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)
Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan
Lebih terperinciANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA
ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI
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 terperinciPemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud
Lebih terperinciKAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR
Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan
Lebih terperinciProsiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:
Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: 978-6-53--3 Pemodelan Geographcally Weghted Regresson (GWR) Dengan Fungs Kernel Adaptve Gaussan Untuk
Lebih terperinci