ESTIMASI PARAMETER MODEL TAHAP AWAL AR(1) REGRESI RESPON BINER LONGITUDINAL. Rohmatul Fajriyah FMIPA UII Yogyakarta dan Subanar FMIPA UGM Yogyakarta
|
|
- Hendri Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, 78-87, Desember 2002, ISSN : ESTIMASI PARAMETER MODEL TAHAP AWAL AR( REGRESI RESPON BINER LONGITUDINAL Rohmatul Fajriyah FMIPA UII Yogyakarta dan Subanar FMIPA UGM Yogyakarta Abstrak Data yang diperoleh dari hasil pengukuran berulang pada subyek tertentu, biasanya akan berkorelasi. Pada regresi respon biner, jika digunakan model autoregressif order -, AR(, maka diperlukan pengetahuan tentang outome sebelumnya, y 0, yang tak terobservasi. Model untuk menginferensi data dengan model AR(, diantaranya adalah model AR( kondisional. Pada model ini, nilai y diambil sembarang, yau 0 atau. Model di atas 0 akan dibahas dan dibandingkan hasil estimasinya melalui studi simulasi Kata kuni : Data biner berkorelasi, Maximum Likelihood, Dependensi serial.. PENDAHULUAN Dalam perobaan klinis, sering dianalisa data biner yang diperoleh di waktu-waktu yang berurutan untuk menguji hubungan antara probabilas sukses dan kovariat-kovariat yang bergantung pada waktu. Data tersebut diperoleh jika diobservasi satu grup pasien per tahun, misalnya, dan observasi-observasi diambil setiap minggu. Tepatnya, setiap subyek atau individu atau pasien mengalami pengukuran berulang mingguan. Jika data diperoleh dari hasil pengukuran berulang per waktu tertentu, maka data akan berkorelasi tinggi. Pada data seperti ini digunakan model autoregressif ( AR, khususnya model AR(. Misal Y representasi outome pasien ke i dalam minggu ke t. Pada t, maka outome sebelumnya y 0 tentu tak terobservasi. 78
2 Estimasi Parameter Model (Rohmatul Fajriyah dan Subanar Jika diambil Y i0 0, akan timbul masalah dalam pemodelan jika ternyata yang benar adalahy i0, begu sebaliknya. Permasalahan seperti ini dikenal sebagai permasalahan tahap awal. Penting untuk mengetahui bagaimana mengatasi masalah tahap awal pada regresi data respon biner longudinal. Pada tulisan ini, jelasnya, akan dibahas estimasi parameter regresi respon biner longudinal model AR( kondisional, dalam permasalahan tahap awal. 2. DATA LONGITUDINAL Beberapa penelian, mengobservasi variabel respon setiap subyek, beberapa kali untuk beberapa waktu tertentu atau pada keadaaan tertentu. Hasil penelian semaam ini akan menghasilkan data respon berulang. Jika subyek diobservasi berulang beberapa waktu tertentu, maka data hasil observasi berulang semaam ini disebut sebagai data longudinal dan studinya disebut studi longudinal. jika Data longudinal biasanya akan berkorelasi serial dalam subyek. Jelasnya, y merepresentasikan observasi subyek ke - i waktu ke - t, maka subyek i memuat respon berulang sama akibatnya respon berulang ini berkorelasi. y, yau karena observasinya diambil dari subyek yang Selanjutnya, respon biner dari subyek yang diobservasi beberapa kali beberapa waktu tertentu disebut data respon biner longudinal. 3. GLM dan MLE Model-model statistik klasik, untuk menganalisa data regresi, runtun waktu dan longudinal seara umum berguna dalam suasi-suasi dimana datanya Gaussian dan dapat dijelaskan dengan suatu struktur linear. Nelder dan Wedderburn pada tahun 972 memperkenalkan suatu keluarga dari model-model untuk analisis regresi nonstandar dengan respon non normal yang disebut Generalized Linear Models ( GLM 79
3 JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, 78-87, Desember 2002, ISSN : Maximum likelihood merupakan metode pengestimasian yang sangat populer. Misal X ( X,..., X suatu vektor random observasi-observasi yang distribusi bersamanya adalah suatu fungsi densas ( x Θ n f n pada ruang Eulide berdimensi - n, R n. Vektor parameter Θ yang tak diketahui termuat dalam ruang parameter Ω s R sebagai L( Θ L ( Θ f ( x Θ x. Untuk x tertentu didefinisikan fungsi likelihood dari x n yang dipandang sebagai fungsi dari Θ Ω. 4. MODEL AR( DALAM PERMASALAHAN TAHAP AWAL Sebagaimana telah dikemukakan dimuka, data longudinal merupakan data yang diperoleh dari hasil pengukuran berulang. Data longudinal ini dapat dihimpun seara prospektif, mengikuti subyek berkembang sesuai waktu, atau retrospektif, dengan mengekstraksi pengukuranpengukuran pada setiap subyek dari atatan terdahulunya. Himpunan data longudinal pada satu subyek enderung berinterkorelasi (subyek-subyek biasanya diasumsikan independen,oleh sebab u diperlukan metode statistik khusus agar diperoleh inferensi yang valid. 4.. Model AR( Kondisional Diasumsikan data observasi berulang ( x y,, t,2,..., ni,ada,untuk setiap subyek i,2,..., m, dan distribusi bersyarat dari setiap respon y,merupakan fungsi eksplis dari respon-respon sebelumnya y,..., yi dan kovariat x, juga probabilas bersyarat Pr{ Y,..., Y } Pr{ Y Y } Y merupakan log i i, t i, t linear. Misal y,..., yi disebut sebagai history subyek ke - i pada waktu - t dan dinotasikan dengan y diketahui H,maka H { y, k,..., t } ik. Model yang akan dibahas adalah model dimana distribusi bersyarat dari H hanya bergantung pada satu observasi sebelumnya, y. Jadi, 80
4 Estimasi Parameter Model (Rohmatul Fajriyah dan Subanar h ' ' ( µ x + f ( H ;α ( 4.. atau model ini menyajikan mean bersyarat µ sebagai fungsi dari kovariat x dan respon sebelumnya y. Outome sebelumnya merupakan variabel penjelas tambahan. Dengan demikian, diperoleh ' ( Y H + y, ( 4..2 log Pr x α atau log Pr( Y H x ', ( 4..3 dimana ' x dan adalah vektor berukuran ( + p. Fungsi densas probabilas Y Y duliskan sebagai ( f ( Y y Y y exp y log( + e ( 4..4 Mean dan variansi bersyaratnya ialah ' µ E( Y H a ( θ dan v L dan '' ( Y H a ( θ e + e e Var. ( 2 + e Fungsi likelihood untuk fungsi densas diatas duliskan (, Y f ( Y y Y y ( 4..5 i t log-likelihoodnya l ( (, Y log L, Y log f ( Y y Y y ( 4..6 log Jadi i t Dari persamaan ( 4..4, diperoleh f ( Y y Y y y log ( + e ( 4..7 l (,Y log L (,Y y log( + e i t (
5 JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, 78-87, Desember 2002, ISSN : log Selanjutnya, persamaan ( 4..7 dapat juga duliskan sebagai f ( Y y Y y y ( µ + ( y log( µ Dengan demikian diperoleh l (,Y log ( 4..9 y log ( µ + ( y log( µ ( 4..0 i t Persamaan terakhir ini lebih mudah diadaptasi ke dalam bentuk matriksnya. Namakan log f ( Y y Y y l ( sebagai berikut S ( S ( i t l dimana S ( ( ( µ dengan h ( Z ' l S ( ( dimana (. Akan diperoleh fungsi sore, ( 4... S diperoleh dengan menggunakan persamaan (..9, yau ' ' ( y log h( Z + ( y log( h( Z ' ' ' ' ' ' y Z h ( Z ( y Z h ( Z ' ' ( h( Z ' ' ' ' Z h ( Z ( ( ( ( y ( ' ' 4, dan mengganti Z ' D ( ( y ( ( 4..2 µ ' ' ' h D ( ( Z µ 82
6 Estimasi Parameter Model (Rohmatul Fajriyah dan Subanar ( ' ' ( h( Z ( h( Z h Seara similar akan diperoleh matriks ' ' ( Z ( h( Z ekspektasi informasi Fisher, G G ( ( 4..3 dimana i t l G ( ( ' ( ( ( ( ( ( ' ' ' ' ' ' Z Z ' ' ' ' Z D ( ( D ( Z Selanjutnya MLE untuk diperoleh dengan metode erasi pada S ( S ( i t 0, dengan mempertimbangkan dua keadaan, yau untuk Y i0 0 dan Y i Contoh Aplikasi Sebagai aplikasi, disini diambil data hasil simulasi untuk model Chan (2000, yang telah dikerjakan Fajriyah (200. Data diatas, merupakan data simulasi pasien peserta program MMT (Methadone Maintenae Treatment di Sydney Barat pada tahun 986. Chan (2000, dalam papernya menyebutkan bahwa, berdasarkan riset doktoralnya, yang dipublikasikan sebagian pada tahun 998, model bagi pasien MMT, ternyata mengikuti model AR(. Hal ini mengakibatkan, diperlukannya pengetahuan tentang Y untuk setiap pasien, yang tentu saja tak terobservasi. i 0 Model tersebut yau: log { Pr( Y, } d ln( t Y, Y ( 4.2. i t i t 83
7 JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, 78-87, Desember 2002, ISSN : dimana, , , dan berturut-turut adalah intersep, koefisien slope dosis methadone ( dalam miligram, koefisien slope durasi waktu ( dalam minggu dan koefisien slope outome sebelumnya. Alasan digunakannya simulasi oleh Fajriyah (2000, adalah tidak dapat diperolehnya data asli MMT. Berdasarkan perhungan, untuk m 0, n 5, dan ulangan simulasi sebanyak 0 dari data hasil simulasi, estimasi parameter simulasi untuk Y 0 dan Y, masing-masing adalah : i 0 i 0 Simulasi ke- Tabel. Parameter Hasil Simulasi Model 4.2.(
8 Estimasi Parameter Model (Rohmatul Fajriyah dan Subanar Tabel 2. Parameter Hasil Simulasi Model 4.2.( Simulasi Ke Dari kedua tabel hasil simulasi di atas, diperoleh kesimpulan bahwa, untuk sampel keil (m 0, pengambilan nilai Y 0, ternyata lebih mendekati model asli, terutama dari segi interpretasi, dimana hasil ini sejalan dengan kesimpulan Chan (2000, dengan menggunakan sampel asli m 36, maupun hasil simulasinya sendiri dengan pengulangan simulasi sebanyak 00, m 36 dan n 26. Adapun untuk Y, meskipun tidak mendekati model asli, namun i 0 sejalan dengan hasil simulasi Chan (2000 dengan pengulangan simulasi sebanyak 00, m 36 dan n 26. i 0 85
9 JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, 78-87, Desember 2002, ISSN : KESIMPULAN Data respon biner longudinal, yang diperoleh dari hasil pengukuran berulang pada subyek tertentu, biasanya akan berkorelasi. Jika digunakan model autoregressif order -, AR(, maka pengetahuan tentang outome sebelumnya, y, yang tak terobservasi diperlukan untuk inferensi. 0 Model-model AR( yang dapat digunakan untuk mengakomodasi y, 0 diantaranya adalah, Model AR( Kondisional dan estimasi parameter dilakukan dengan menggunakan metode MLE. DAFTAR PUSTAKA. Azzalini, A, Logisti Regression for Autoorrelated Data wh Appliation to Repeated Measures, Biometrika, 994, 8 : Chan, J. S. K., Inial Stage Problem in Autoregressive Binary Regression, Journal Royal Statistal Soiety, Part 4, 2000, 49 : Chan, J. S. K, and Kuk, A. Y. C, Bell, J and MGilhrist, C, The Analysis of Methadone Clini Data Using Marginal and Condional Logisti Models wh Mixture or Random Effets, Aust. New Zeal. J. Statist, 998, 40 : Diggle, P. J, Liang, K.Y and Zeger, S. L, Analysis of Longudinal Data, Clarendon Press, Oxford, Fahrmeir, L and Tutz, G, Multivariate Statistial Modelling Based on Generalized Linear Models, Springer-Verlag, New York, Fajriyah, R, Estimasi Parameter Beberapa Model Tahap Awal Regresi Respon Biner Longudinal, Tesis S2 Matematika FMIPA UGM, Yogyakarta,
10 Estimasi Parameter Model (Rohmatul Fajriyah dan Subanar 7. Fzmaurie, G. M and Laird, N. M, A Likelihood-Based Method for Analysing Longudinal Binary responses, Biometrika, 993, 80 : Liang, K. Y and Zeger, S. L, A Class of Regression Models for Multivariate Binary Time Series, J. Am. Statist. Ass, 989, 84 : Ware, J. H, Lipsz, S and Speizer, F. E, Issues in the Analyssis of Repeated Categorial Outome, Statist. Med, 988, 3 : , Enylopedia of Statistial Sienes, John Wiley and Sons, 982, Vol. I. 87
ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract
Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa
Lebih terperinciPENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1)
PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) Anang Kurnia Departemen Statistika FMIPA IPB Jl. Meranti, Wing 22 Level 4 Kampus IPB Darmaga, Bogor Email: anangk@ipb.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dewasa ini industri asuransi telah menjadi suatu bidang usaha yang menarik dan mempunyai peranan yang tidak kecil dalam perekonomian. Keberadaan industri
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu metode statistika yang luas penggunaanya dalam berbagai bidang dan telah diterapkan untuk berbagai jenis pengujian serta penelitian.
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Statistika merupakan salah satu alat pengambilan keputusan. Keputusan yang diambil yaitu untuk menjawab karakteristik populasi menggunakan sampel, menjawab
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING
ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS RLOTG DENGAN METODE FISHER SCORING Aulia Nugrahani Putri, Purnami Widyaningsih, dan Dewi Retno Sari Saputro Program Studi Matematika
Lebih terperinciPENAKSIRAN PARAMETER MODEL REGRESI POISSON DENGAN METODE EXACT GENERALIZED ESTIMATING EQUATIONS (EGEE) UNTUK MULTIPLE-RANDOM EFFECTS
PENAKSIRAN PARAMETER MODEL REGRESI POISSON DENGAN METODE EXACT GENERALIZED ESTIMATING EQUATIONS (EGEE) UNTUK MULTIPLE-RANDOM EFFECTS Anisah Nurul Hayati Pembimbing : Dr. Yekti Widyaningsih, M.Si dan Dr.
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian-penelitian di bidang kesehatan sering dijumpai salah satu jenis data yang disebut dengan data antar kejadian atau data survival. Data survival
Lebih terperinciJurnal Dinamika, April 2015, halaman Vol. 06. No. 1 ISSN
Jurnal Dinamika, April 2015, halaman 61-66 Vol. 06. No. 1 ISSN 2087-7889 SIMULASI PERBANDINGAN METODE PERAMALAN MODEL GENERALIZED SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (GSARIMA) DENGAN SEASONAL
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dari tahun ke tahun, produksi mobil dunia semakin berkembang pesat. Berbagai merek ataupun jenis beserta keunggulan-keunggulan yang ditawarkan berbedabeda
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB III MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
25 BAB III (MSAR) 3.1 Model Markov Switching Autoregressive Model runtun waktu Markov Switching Autoregressive adalah salah satu model runtun waktu yang merupakan perluasan dari model Autoregressive (AR).Ide
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciBAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya adalah analisis terhadap sampel yang kemudian hasil analisisnya akan digeneralisasikan untuk mengetahui karakteristik populasi.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perjalanan pembangunan ekonomi telah menimbulkan berbagai macam perubahan terutama pada struktur perekonomian. Perubahan struktur ekonomi merupakan salah satu karakteristik
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis varians (ANOVA) pertama kali diperkenalkan oleh Sir Ronald Fisher. ANOVA merupakan generalisasi dari uji t, digunakan pada situasi saat peneliti ingin
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Manusia boleh berencana tetapi Tuhan lah yang menentukan. Ungkapan ini sudah sangat sering kita dengar dalam kehidupan sehari-hari. Makna yang terkandung dalam
Lebih terperinciPERBANDINGAN GLMM UNIVARIAT, BIVARIAT, DAN REDUKSI DENGAN PCA PADA DATA LONGITUDINAL DENGAN RESPON BIVARIAT
PERBANDINGAN GLMM UNIVARIAT, BIVARIAT, DAN REDUKSI DENGAN PCA PADA DATA LONGITUDINAL DENGAN RESPON BIVARIAT A. A. R. Fernandes 1) dan Solimun 1) 1) Staf Pengajar Program Studi Statistika Jurusan Matematika
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan ilmu pengetahuan dewasa ini tidak lepas dari kompleknya permasalahan hidup manusia. Salah satu ilmu yang berkenaan dengan hal tersebut
Lebih terperinciSuma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya
PEMODELAN RETURN IHSG PERIODE 15 SEPTEMBER 1998 13 SEPTEMBER 2013 MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (TGARCH(1,1)) DENGAN DUA THRESHOLD Suma Suci Sholihah,
Lebih terperinciKARAKTERISTIK PENDUGA PARAMETER GENERALIZED ESTIMATING EQUATION (GEE) PADA DATA LONGITUDINAL. (Skripsi) Oleh NAELU RASYIDA
KARAKTERISTIK PENDUGA PARAMETER GENERALIZED ESTIMATING EQUATION (GEE) PADA DATA LONGITUDINAL (Skripsi) Oleh NAELU RASYIDA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDARLAMPUNG
Lebih terperinciALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL
ALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL 1) Program Studi Matematika Universitas Ahmad Dahlan dian@math.uad.ac.id
Lebih terperinciBAB I PENDAHULUAN. banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan asuransi menawarkan berbagai produk untuk menarik minat banyak orang agar mau menjadi pemegang polis pada perusahaan tersebut. Salah satu produk asuransi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Secara umum, analisis survival dapat didefinisikan sebagai seperangkat metode yang digunakan untuk menganalisis data di mana variabel outputnya berupa lama
Lebih terperinciBAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat
BAB III Model Regresi Linear 2-Level Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat linear. Untuk data berstruktur hirarki 2 tingkat, analisis regresi yang dapat digunakan adalah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciKAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA. Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran
KAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran triyani.hendrawati@gmail.com ABSTRAK. Pada sebuah survey, adakalanya tidak semua
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO ADJUSTED INVERSE GAUSSIAN (ZAIG) UNTUK MENENTUKAN BESAR KLAIM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 323-328 ESTIMASI PARAMETER MODEL REGRESI ZERO ADJUSTED INVERSE GAUSSIAN (ZAIG) UNTUK MENENTUKAN BESAR KLAIM Nurul Huda,
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciBAB I PENDAHULUAN. Cure rate models merupakan model survival yang memuat cured fraction dan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Cure rate models merupakan model survival yang memuat cured fraction dan uncured fraction. Model ini dikembangkan untuk estimasi proporsi pasien yang sembuh
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi Poisson telah mendapat banyak perhatian dalam literatur sebagai model untuk mendeskripsikan data hitungan yang mengasumsikan nilai bilangan bulat sesuai dengan
Lebih terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
Lebih terperinciMETODE KEMUNGKINAN MAKSIMUM UNTUK KOREKSI SEBARAN BERSYARAT PADA ANALISIS KORELASI
METODE KEMUNGKINAN MAKSIMUM UNTUK KOREKSI SEBARAN BERSYARAT PADA ANALISIS KORELASI Restu Arisanti Departemen Statistika FMIPA Universitas Padjadjaran restu.arisanti@unpad.ac.id ABSTRAK. Masalah umum pada
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB I PENDAHULUAN. yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika
BAB I PENDAHULUAN A. Latar Belakang Masalah Dalam kehidupan, seringkali peneliti dihadapkan dengan suatu kejadian yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika mengenal metode
Lebih terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Distribusi Sampling Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com Bila sampling berasal dari populasi yang
Lebih terperinciPROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciBAB I PENDAHULUAN. atau tidak semua T1 T2 TN. sehingga banyaknya. keseluruhan observasi data panel adalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Data panel merupakan gabungan data periode (time series) dan data objek (cross section). Data cross section adalah data yang dikumpulkan dalam satu waktu terhadap
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciMODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI
MODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI Puspitaningrum Rahmawati, Bambang Susanto, Leopoldus Ricky Sasongko Program Studi Matematika (Fakultas Sains dan Matematika,
Lebih terperinciKajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, 2015 2337-3520 2301-928X Print A-67 Kajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya Marselly Dian Saputri, Farida Agustini Widjajati,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin majunya peradaban zaman, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data kedalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciKata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI
Lebih terperinciMODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL. Universitas Hasanuddin
MODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL 1 Rima Ruktiari, 2 Sri Astuti Thamrin, 3 Armin Lawi 1,2,3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciOLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1
ANALISIS REGRESI MULTILEVEL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI NILAI UASBN SD/MI (Studi Kasus Nilai UASBN SD/MI di Kecamatan Tulangan Tahun Ajaran 2009/2010) OLEH: SINDY FEBRI A. 1307 100 066 DOSEN
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciRegresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru
Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru IIN SUNDARI Program Studi Matematika, Fakultas Matematika
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciPENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT
Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 07, No. (08), hal 8. PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT Ridho Pratama,
Lebih terperinciBAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir
Lebih terperinciKurniawati, Sri Sulistijowati Handajani, dan Purnami Widyaningsih Program Studi Matematika FMIPA UNS
PERBANDINGAN PENERAPAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE DENGAN PEMBOBOT INVERS JARAK DAN NORMALISASI KORELASI SILANG PADA LAJU INFLASI DI KOTA SURAKARTA, YOGYAKARTA, DAN SURABAYA Kurniawati,
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Statistika FMIPA Universitas Islam Indonesia Bila sampling berasal dari populasi yang digambarkan melalui fungsi peluang f X (x θ), pengetahuan tentang θ menghasilkan karakteristik mengenai keseluruhan
Lebih terperinciBAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinciPEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk Permatasari, Budi Warsito 2, Sugito 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 421-430 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk
Lebih terperinciPengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat)
Statistika, Vol. 14 No. 2, 69 76 November 2014 Pengujian Overdispersi pada Model Regresi Poisson (Studi Kasus: Laka Lantas Mobil Penumpang di Provinsi Jawa Barat) Jurusan Matematika, Fakultas Sains dan
Lebih terperinciPERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH
PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL
Statistika Vol 1 No 1 Mei 213 ESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL Tiani Wahyu Utami 1 Program Studi S1 Statistika Universitas Muhammadiyah
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciPEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinci(R.6) REGRESI MULTILEVEL ZERO INFLATED POISSON UNTUK PEMODELAN DATA RESPON COUNT (Studi Kasus: Kejadian Kematian Bayi)
(R.6) REGRESI MULTILEVEL ZERO INFLATED POISSON UNTUK PEMODELAN DATA RESPON COUNT (Studi Kasus: Kejadian Kematian Bayi) 1 Parwoto, 2 Septiadi Padmadisastra, 3 Anna Chadidjah 1 Mahasiswa Magister Statistika
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Konsep Dasar Analisis Runtun Waktu Pada bagian ini akan dikemukakan beberapa definisi yang menyangkut pengertian dan konsep dasar analisis runtun waktu. Definisi Runtun waktu
Lebih terperinciPEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS
S-9 PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Retno Hestiningtyas dan Winita Sulandari, M.Si Jurusan Matematika FMIPA UNS ABSTRAK. Pada data finansial sering terjadi keadaan leverage effect,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer digunakan dalam sebuah penelitian untuk mengetahui bentuk hubungan antara variabel
Lebih terperinciAnalysis of Factors Affecting Economic Growth in Bangka Belitung Province, Indonesia With LSDV and FGLS Methods
MPRA Munich Personal RePEc Archive Analysis of Factors Affecting Economic Growth in Bangka Belung Province, Indonesia Wh LSDV and FGLS Methods Darman Saputra Universy of Bangka Belung 30 January 2017 Online
Lebih terperinci(T.2) PENERAPAN THRESHOLD VECTOR ERROR CORRECTION MODEL (TVECM) PADA DATA INFLASI DAN SUKU BUNGA
(T.2) PENERAPAN THRESHOLD VECTOR ERROR CORRECTION MODEL (TVECM) PADA DATA INFLASI DAN SUKU BUNGA Widiyantono 1), Budi Nurani R 2), Gumgum Darmawan 3) 1)Mahasiswa Program Magister Statistika Terapan Universitas
Lebih terperinciSem 7-4. Garis Besar Rencana Pembelajaran (GBRP)
Sem 7-. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah Kode MK/SKS Semester Mata Kuliah Prasyarat : Pemodelan Statistika : H0/SKS : Awal/7 (Tahun IV) : Metode Statistika, Teori Peluang, Ilmu Stokastik,
Lebih terperinciPenggunaan Model Regresi Klasik untuk Mengetahui Faktor-Faktor yang Mempengaruhi Angka Kemiskinan di Provinsi Sulawesi Selatan
Vol. 8, No., 52-63, Juli 20 Penggunaan Model Regresi Klasik untuk Mengetahui Faktor-Faktor yang Mempengaruhi Angka Kemiskinan di Provinsi Sulawesi Selatan Anisa Abstrak Salah satu sasaran pembangunan nasional
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciGENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI
GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI Agus Supriatna 1), Riaman 2), Sudradjat 3), Tari Septiyani 4) Departemen Matematika, FMIPA Unpad Jalan Raya Bandung-Sumedang
Lebih terperinciPRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU
PRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU Nuruma Nurul Malik 1, Fevi Novkaniza 2 Departemen Matematika FMIPA UI, Depok Email korespondensi : fevi.novkaniza@sci.ui.ac.id Abstrak Pada suatu data
Lebih terperinciGENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 191 196. GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinci