ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARAH DENGUE
|
|
- Djaja Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Statstka, Vol., No., November ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARA DENGUE Tan Wahyu Utam Program Stud Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Muhammadyah Semarang Alamat e-mal : tan.utam88@gmal.com ABSTRAK Dalam analss regres Posson, varabel respon (Y) harus memenuh asums equdsperson (nla varans sama dengan mean). Namun, dalam data rl serngkal terad overdsperson (nla varans lebh besar dar mean). Salah satu cara untuk mengatasnya yatu dengan menggant asums dstrbus Posson dengan dstrbus Bnomal Negatf. Tuuan dar artkel n adalah mendapatkan pola hubungan terbak dalam analss regres Bnomal Negatf untuk mengatas overdsperson regres Posson Kasus Demam Berdarah Dengue pada Balta Menurut Kabupaten/Kota d Propns Jawa Tmur. Berdasarkan persamaan model regres Bnomal Negatf yang dperoleh dapat delaskan bahwa dengan semakn bertambahnya presentase tenaga meds d sarana pelayanan kesehatan ( ) dan presentase rumah tangga yang memlk rumah sehat ( ), maka akan menurunkan umlah penderta DBD pada balta d Propns Jawa Tmur. Kata Kunc : Regres Posson, Equdsperson, Overdsperson, Generalzed Lner Model (GLM), Regres Bnomal Negatf. PENDAULUAN Analss regres adalah suatu metode yang dgunakan untuk menganalss hubungan antara varabel respon dengan beberapa varabel predktor. Analss regres dgunakan untuk menganalss data varabel respon yang berupa data kontnu dan data dskrt. Metode analss regres yang umumnya serng dgunakan untuk menganalss data dengan varabel respon Y yang berupa data dskrt dan varabel predktor X berupa data dskrt, kontnu, kategork atau campuran berdstrbus Posson adalah model regres Posson []. Jka Y merupakan data dskrt yang berdstrbus Posson dengan parameter μ > maka fungs massa peluangnya adalah μ y e μ f ( y, μ) = ;y=,,,...n () y! Persamaan dapat drubah sebaga berkut: f y, μ) = ep[ y In( μ ) μ In( y!)] f ( ( y, μ ) = ep[ y θ b( θ ) In( y!)] () Persamaan merupakan suatu bentuk persamaan fungs dstrbus keluarga eksponensal. Dengan menggunakan fungs lnk dperoleh model regres Posson dalam bentuk: In (μ) = X E( ) = μ y m μ = ep( + ); =,,... n () = dengan berupa unt ekspermen, unt ekspermen sebanyak n dan m menyatakan banyaknya varabel 59
2 Statstka, Vol., No., November predktor. Dalam bentuk matrk model regres Posson dtuls adalah sebaga berkut : y = ep( X ) dengan =,,,,n () dmana y berupa varabel respon berdstrbus Posson yang berbentuk vektor dengan ukuran (n), X menyatakan varabel predktor berbentuk matrk dengan ukuran (n(p+)) dan adalah parameter dengan ukuran ((p+)) []. Dalam regres Posson, ada asums yang harus terpenuh yatu asums equdsperson [9]. Akan tetap dalam kasus data rl, asums equdsperson arang terpenuh karena data yang bertpe dskrt serngkal mengalam kasus overdsperson (penympangan tngg) yatu nla mean dan varance tdak sama atau dengan kata lan nla varance lebh besar darpada nla mean (var (Y)> μ ) [7]. Overdsperson menyebabkan nla devans model menad sangat besar dan menyebabkan model yang dhaslkan menad kurang tepat. Salah satu cara untuk mengatas adanya kasus overdsperson dalam regres Posson adalah dengan menggant asums dstrbus Posson dengan dstrbus lan yang lebh fleksbel. Dalam hal n dstrbus alternatf yang dterapkan yatu dstrbus Bnomal Negatf. Dgunakan pendekatan model regres Bnomal Negatf karena dstrbus Posson merupakan bentuk khusus dar dstrbus Bnomal Negatf dengan nla parameter α = []. Model regres Bnomal Negatf dbentuk dar dstrbus Bnomal Negatf, dmana dalam regres Bnomal Negatf tdak menekankan adanya asums equdsperson yang terdapat d dalam regres Posson. Bentuk umum dar regres Bnomal Negatf adalah y = ep( X ) dengan =,,,,n (5) dmana y adalah varabel respon berdstrbus Bnomal Negatf yang berbentuk vektor dengan ukuran (n), X adalah varabel predktor yang berbentuk matrk dengan ukuran (n(p+)) dan adalah parameter yang berbentuk vektor dengan ukuran ((p+)), atau dengan kata lan model regres Bnomal Negatf merupakan pemodelan nla harapan dar varabel respon (μ) sebaga fungs eksponensal dar seumlah kovarat, yang bentuknya sebaga berkut: E( y ) = μ = ep( + ) (6) m = dengan menyatakan unt ekspermen dan m menyatakan banyaknya varabel predktor yang dgunakan []. Penyakt demam berdarah dengue atau Dengue aemorrhagc Fever (DF) adalah penyakt yang dsebabkan oleh vrus dengue yang dtularkan melalu ggtan nyamuk Aedes aegypt dan Aedes albopctus []. Penyakt DBD serng muncul sebaga keadan luar basa (KLB) dengan angka kematan relatf tngg. Pada tahun umlah kematan akbat kasus demam berdarah dengue (DBD) d Indonesa sektar.7 orang, hal n menyebabkan Indonesa menduduk urutan tertngg kasus demam berdarah dengue d ASEAN []. D Jawa Tmur saa, pada tahun umlah kasus DBD sebesar 8.87, umlah kasus DBD mencapa puncaknya pada tahun 7 dengan umlah kasus DBD sebesar 5.95 [5]. Fakta n menunukkan bahwa penyebaran DBD d Jawa Tmur termasuk kategor tngg dan butuh penanganan serus. Menurut perkraan badan kesehatan duna (WO) setap ment sekal, seorang mennggal akbat penyakt yang dtularkan nyamuk Aedes Aegypt n[]. D Jawa Tmur, DBD sudah mula menelan korban mennggal dan ratusan lannya drawat d rumah sakt terutama pada anak-anak. Menurut dr Agus aranto SpA(K), dokter spesals anak 6
3 Statstka, Vol., No., November RSU dr Soetomo, demam berdarah memang sangat berbahaya pada balta. Karena tu, persentase kematan pada anak lebh besar ketmbang dewasa sebab daya tahan mereka sangat rendah []. Data umlah kasus DBD pada balta menurut kabupaten/kota d propns Jawa Tmur merupakan data dskrt berdstrbus Posson yang mengalam overdsperson. Sebaga varabel respon bertpe dskrt adalah umlah kasus DBD pada balta menurut kabupaten/kota d Propns Jawa Tmur dan sebaga varaabel predktornya adalah presentase rumah tangga yang memlk rumah tdak sehat, presentase rumah tangga yang memlk rumah tdak bebas entk nyamuk Aedes, presentase tenaga meds d sarana pelayanan kesehatan, presentase penduduk mskn. Dalam urnal n akan dbahas suatu model analss statstk yang sesua dengan konds data yang bersfat dskrt berdstrbus Posson yang mengalam overdsperson dan menggunakan analss regres Bnomal Negatf sebaga solus untuk mengatas adanya kasus overdsperson pada regres Posson dalam kasus DBD pada balta d Propns Jawa Tmur. Sebelumnya telah dlakukan peneltan analss regres Bnomal Negatf untuk mengatas overdsperson regres Posson dantaranya mengena perbandngan model regres Posson dengan Bnomal [6], pemodelan regres Bnomal Negatf untuk mengatas overdsperson pada kasus kematan bu melahrkan dengan Software SAS [], selan tu penerapan Bnomal Negatf untuk mengatas overdsperson pada regres Posson penyelesaannya dengan bantuan menggunakan Software SAS 9.. []. Kebanyakan peneltanpeneltan sebelumnya menganalss data dengan mengunakan software SAS, sedangkan penuls akan menganalss data menggunakan software R dan dterapkan pada kasus DBD balta. Kemudan menentukan model terbak berdasarkan krtera model terbak yatu nla devans/df mendekat satu dan nla AIC terkecl. METODE PENELITIAN Sumber Data dan Varabel Peneltan Penuls melakukan analss data terhadap data sekunder umlah kasus DBD pada balta menurut kabupaten/kota d Propns Jawa Tmur tahun 7 [8]. Data yang dgunskan sebanyak kabupaten atau kota d Propns Jawa Tmur. Varabel-varabel yang dgunakan dnyatakan sebaga berkut y = Jumlah kasus DBD = Presentase rumah tangga yang memlk rumah tdak bebas entk nyamuk Aedes = Presentase tenaga meds d sarana pelayanan kesehatan = Presentase rumah tangga yang memlk rumah sehat = Presentase masyarakat mskn Metode Analss Langkah-langkah yang dlakukan d dalam pengolahan data sekunder untuk mendapatkan pola hubungan terbak dalam analss regres Bnomal Negatf untuk mengatas overdsperson regres Posson kasus DBD pada balta d Propns Jawa Tmur tahun 7 adalah sebaga berkut : a. U multkolnertas menggunakan software statstka SPSS.5 for wndows. b. Pembentukan model regres Posson menggunakan program Generalzed Lner Model (glm) dalam software R.7.. Bentuk taksran model regres Posson merupakan pemodelan nla harapan dar varabel respon (μ) sebaga fungs eksponensal varabel- 6
4 Statstka, Vol., No., November varabel predktor yang dnyatakan dalam persamaan (). c. Melakukan u sgnfkans parameter model regres Posson. d. Melakukan u overdsperson pada model regres Posson dengan menggunakan u Wald yatu dengan statstk u : ˆ θ t Wald = ~ Z α se( ˆ) θ e. Pembentukan model regres Bnomal Negatf dgunakan program generalzed lner model Bnomal Negatf (glm.nb) yang terdapat d dalam software statstk R.7.. Bentuk taksran model regres Bnomal Negatf uga merupakan pemodelan nla harapan dar varabel respon (μ) sebaga fungs eksponensal varabel-varabel predktor yang dnyatakan dalam persamaan (). f. Melakukan u sgnfkans parameter model regres Bnomal Negatf. g. Menentukan model regres Bnomal Negatf berdasarkan varabel-varabel predktor yang sgnfkan. h. Menentukan model terbak dar ketga model tersebut yatu model regres Posson, model regres Bnomal Negatf dan model regres Bnomal Negatf dengan varabel yang sgnfkan berdasarkan krtera model terbak yatu nla devans/df dan nla AIC. ASIL PENELITIAN Langkah awal yang dlakukan d dalam pengolahan data n adalah melakukan u multkolnertas dengan melhat nla Varance Inflaton Factor (VIF)-nya yang dperoleh dar software SPSS.5 for wndows dan haslnya dsakan dalam tabel berkut n: Tabel Nla VIF masng-masng predktor Varabel VIF,8,8,,9 Nla VIF pada masng-masng predktor tdak ada yang lebh dar. al n menunukkan bahwa antar varabel predktor tdak terdapat kolnertas sehngga layak dkutsertakan dalam pembentukan model regres Posson dan Bnomal Negatf. Untuk memperoleh bentuk taksran model regres Posson berdasarkan data datas dgunakan program generalzed lner model (glm) dalam software R.7.. asl analss regres Posson dsakan dalam tabel berkut n : Tabel Nla Parameter dan P-value Regres Posson Parameter Nla P-value Intersep Maka dperoleh bentuk taksran model regres Posson yatu: μ = ep(8,9568-,99 -, (7) -.7) dengan menyatakan banyaknya unt ekspermen yatu kabupaten/kota d propns Jawa Tmur. Selanutnya dlakukan u sgnfkans parameter model regres Posson yang telah dperoleh dengan hpotess sebaga berkut : : = : ; =,,, Berdasarkan Tabel, dengan α = 5% dperoleh P-value = P-value = P- 6
5 Statstka, Vol., No., November value = P-value keputusan tolak < α yang berart. Sehngga dapat dsmpulkan bahwa semua parameter sgnfkan. Tabel asl Analss Regres Posson Null devance= 6. Resdual devance=. *df = degrees of freedom df = 9 df = 5 Berdasarkan Tabel pada model regres Posson yang dhaslkan nla resdual devance dengan deraat bebas 5 sangat besar yatu, dan ka nla resdual devance dbag dengan deraat bebasnya sebesar 69,7 maka secara sgnfkan lebh besar dar. al n merupakan ndkator adanya overdsperson pada model regres Posson yang dhaslkan. Adanya overdsperson menyebabkan model regres Posson menad kurang bak, karena memlk tngkat kesalahan yang tngg. Salah satu cara untuk mengatas adanya kasus overdsperson dalam regres Posson adalah dengan menggant asums dstrbus Posson dengan dstrbus Bnomal Negatf. Untuk memperoleh bentuk taksran model regres Bnomal Negatf dgunakan program generalzed lner model Bnomal Negatf (glm.nb) yang terdapat d dalam software statstk R.7.. asl analss regres Bnomal Negatf dsakan dalam tabel berkut n : Tabel Nla Parameter dan P-value Regres Bnomal Negatf Parameter Nla P-value Intersep ,576,57,8,877 Tabel 5 asl Analss Regres Bnomal Negatf Null devance=. Resdual devance=.9 Standart Error θˆ =.8 *df = degrees of freedom df= 9 df= 5 theta( θˆ ) =.698 Keberadaan overdsperson pada model regres Posson dapat du menggunakan u Wald dengan hpotess sebaga berkut : : θ =, dengan asums parameter model tdak mengalam overdsperson. : θ, dengan asums parameter model mengalam overdsperson. Berdasarkan Tabel 5, dengan θˆ adalah taksran parameter dspers pada model Bnomal Negatf maka statstk u ˆ θ t Wald = =,. Berdasarkan tngkat se( ˆ) θ sgnfkans sebesar 5% maka statstk u n menolak karena nla t Wald > Z,95 (,889). Sehngga dapat dsmpulkan parameter mengalam overdsperson. Bentuk taksran model regres Bnomal Negatf berdasarkan Tabel adalah sebaga berkut : μ = ep(9,679-,665 -,975 -,79 (8) -,98) dengan menyatakan banyaknya unt ekspermen yatu kabupaten/kota d propns Jawa Tmur. Selan tu, berdasarkan Tabel 5 dperoleh nla resdual devance dbag deraat bebas sebesar, yang secara sgnfkan lebh mendekat. al n menunukkan bahwa keberadaan overdsperson dalam model regres Posson telah dapat dkoreks pada model regres Bnomal Negatf. Kemudan dlakukan u sgnfkans parameter model regres Bnomal Negatf dengan hpotess sebaga berkut: : = : ; =,,, 6
6 Statstka, Vol., No., November Berdasarkan Tabel, dengan α = 5% dperoleh P-value untuk =,576 > α sehngga keputusan terma dan dapat dsmpulkan bahwa nla parameter =, sedangkan P-value untuk =,57 < α maka keputusan tolak ad dapat dsmpulkan bahwa nla parameter. Nla P-value untuk sebesar,8 lebh kecl dar α sehngga keputusan terma dan dapat dsmpulkan bahwa nla parameter. Untuk P-value untuk sebesar,877 lebh besar α maka keputusan tolak sehngga dapat dsmpulkan bahwa nla parameter =. Jad varabel-varabel predktor yang sgnfkan adalah dan. Selanutnya dlakukan penentukan model regres Bnomal Negatf berdasarkan varabelvarabel predktor yang sgnfkan yatu dan mengunakan program Generalzed Lner Model Bnomal Negatf (glm.nb) yang terdapat d dalam software R.7.. asl analss regres Bnomal Negatf berdasarkan varabel yang sgnfkan dsakan dalam tabel berkut n : Tabel 6 Nla Parameter Regres Bnomal Negatf berdasarkan varabel sgnfkan Parameter Intersep Nla 8,75 -,77 -,866 Berdasarkan Tabel 6 dperoleh model regres Bnomal Negatf sebaga berkut: μ = ep( 8,75 -,77 (9) -,866 ) dengan menyatakan banyaknya unt ekspermen yatu kabupaten/kota d propns Jawa Tmur. Penentuan model yang lebh bak antara model Regres Posson dan model Regres Bnomal Negatf pada data yangh dgunakan dapat dlhat dar hasl u model terbak tabel berkut : Model Regres. Posson. Bnomal Negatf. Bnomal Negatf dengan varabel sgnfkan (, ) Tabel 7 Krtera Model AIC,,8 99, Devance/df 69,7,,58 Tabel 7 memperlhatkan bahwa dar krtera model terbak berdasarkan nla Devance/df yang lebh mendekat dan nla AIC yang lebh kecl adalah model Regres Bnomal Negatf dengan varabel yang sgnfkan dbandngkan kedua model lannya. Jad model terbaknya adalah model Regres Bnomal Negatf dengan varabel yang sgnfkan. Berdasarkan persamaan 9 yatu model regres Bnomal Negatf dapat delaskan bahwa dengan semakn bertambahnya presentase tenaga meds d sarana pelayanan kesehatan ( ) dan presentase rumah tangga yang memlk rumah sehat ( ), maka akan menurunkan umlah penderta DBD pada balta d Propns Jatm tahun 7. KESIMPULAN Pola hubungan terbak dalam analss regres Bnomal Negatf untuk mengatas overdsperson regres Posson Kasus Demam Berdarah Dengue pada Balta Menurut Kabupaten/Kota d Propns Jawa Tmur Tahun 7 yang ddapatkan melalu software R.7. dengan varabel predktor yang sgnfkan adalah 6
7 Statstka, Vol., No., November μ = ep( 8,75 -,77 -,866) [6] Ksmantn. 8. Perbandngan Model Regres Posson dengan Model Regres Bnomal Negatf. Makalah Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA. Unverstas Neger Yogyakarta dengan menyatakan banyaknya unt ekspermen yatu kabupaten/kota d propns Jawa Tmur. Model tesebut merupakan model terbak dengan nla AIC sebesar 99,. [7] McCullagh, P. & Nelder, J.A Berdasarkan persamaan model regres Bnomal Negatf dengan varabel yang sgnfkan dapat delaskan bahwa dengan semakn bertambahnya presentase tenaga meds d sarana pelayanan kesehatan ( ) dan presentase rumah tangga yang memlk rumah sehat ( ), maka akan menurunkan umlah penderta DBD pada balta d Propns Jawa Tmur tahun 7. Generalzed Lner Models, second edton. London: Chapman & all. [8] Mulyono, M. Iwan. 8. Profl Kesehatan Provns Jawa Tmur Tahun 7. Surabaya: Dnkes Jawa Tmur. [9] Myers, R.., Montgomery, D.C., Vnng, G.G., & Robnson, T.J.. Generalzed Lner Models wth Aplcatons n Engneerng and the Scences. Canada : A John Wley & Sons, Inc., Publcaton. DAFTAR PUSTAKA [] Nur. 9. Demam Berdarah d RSU dr Soetomo. [] Anna, L. K.. kompas health, from kompas: de.php?act=detal&nd= [] Pradawat, P.S., Sukarsa, K.G., DBD.d.Indonesa.Tertngg.d.ASEA N [] Cameron, A.C. and P.K. Trved Regresson Analyss of Count Srnad.. Penerapan Regres Bnomal Negatf untuk Mengatas Overdsperson pada Regres Posson. Jurnal Matematka. Volume, No. Data. Cambrdge Unversty Press [] Thongcharoen, Prasert. Suart, [] Casella, G and Berger, R. L., Statstcal Inference, Wadsworth, Inc., Calforna, 99. [] Chamdah, Nur. 8. Pemodelan Regres Bnomal Negatf untuk Mengatas Overdsperson pada Regres Posson pada Kasus Kematan Ibu Melahrkan d Jawa Tmur. Jurnal Unar Meda Matematka dan Ilmu Pengetahuan Alam. Volume :, No. [5] Depkes.RI. 7. Database Kesehatan per Propns. from Bankdata Depkes RI: fle://localhost/d:/semester%7/ta/ Profl%Kesehatan %Indonesa.mht. Jatanasen. 99. Dengue haemorrhagc fever and dengue shock syndrome: Introducton, hstorcal and epdemologcal background. Dalam Prasert Thongcharoen ed. Monograph On Dengue/Dengue aemorrhagc Fever. WO Regonal Publcaton SEARO, : -8. New Delh: WO Regonal Offce for South-East Asa [] Word ealth Organzaton (WO), 997, Dengue hemorrhagc fever, dagnoss: treatment, preventon and control. nd ed, Geneva: WO, p
ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF
Template Artkel Prosdng Sendka 017 ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF Ummu Ftryan 1), Jaka Nugraha ) 1 Departemen
Lebih terperinciRahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson.
Jurnal Sans Matematka dan Statstka, Vol. No. Jul 16 ISSN 46-454 Perbandngan Model Regres Generalzed Posson Dan Bnomal Negatf Untuk Mengatas Overdspers Pada Regres Posson (Stud Kasus: Penderta Flarass d
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan
Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng
Lebih terperinciPEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007
PEMODELAN GENERALIZED REGRESI POISSON PADA FAKOR-FAKOR YANG MEMPENGARUHI ANGKA KEMAIAN BAYI DI PROVINSI JAWA IMUR AHUN 007 Yayuk Lstan 1 dan Purhad 1 Mahasswa S1 Statstka IS, Dosen statstka IS 1 yayuk.yangce@gmal.com,
Lebih terperinciPemodelan Pengaruh Iklim Terhadap Angka Kejadian Demam Berdarah Dengue di Surabaya
JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-9 Pemodelan Pengaruh Iklm erhadap Angka Kejadan Demam Berdarah Dengue d Surabaya Dan Rahayu K., Wwek Setya Wnahju, Adatul Mukarromah Jurusan Statstka,
Lebih terperinciBINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka
Lebih terperinciPERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
PERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1 Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Dalam menganalss hubungan antara beberapa peubah, terdapat
Lebih 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 terperinciBINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 2009 BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciAnalisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013
JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prnt) Analss Faktor Rsko Kematan Ibu dan Kematan Bay dengan Pendekatan Regres Posson Bvarat d Provns Jawa mur ahun 03 D39 Ind Arkand dan Wwek
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciBAB 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 terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Jun MAJALAH ILMIAH Matematka dan Statstka DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Maalah Ilmah Matematka dan Statstka Volume, Jun MODEL UNTUK DATA BERDISTRIBUSI
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciPEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION
TUGAS AKHIR SS 4556 PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION Vresa Endra Marta NRP 34 030 063 Dosen Pembmbng :
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 361-368 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan APLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA
Lebih terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciPEMODELAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA KASUS TETANUS NEONATORUMDI PROVINSIJAWA TIMUR
ISBN : 978.602.36.002.0 PEMODELAN REGRESI ZERO INFLAED NEGAIVE BINOMIAL (ZINB) PADA KASUS EANUS NEONAORUMDI PROVINSIJAWA IMUR Cndy Cahyanng Asut, Isman Zan 2 Mahasswa Jurusan Statstka Insttut eknolog Sepuluh
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciPROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:
ANALISIS ANGKA KEMATIAN IBU MENGGUNAKAN MODEL REGRESI BINOMIAL NEGATIF (Stud kasus : Angka Kematan Ibu d Provns Jawa Tmur Tahun 011) M. Al Ma sum 1, Suart, Dw Isryant 3 1 Mahasswa Jurusan Statstka FSM
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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciPemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression
JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 Pemodelan Jumlah Kematan Ibu dan Jumlah Kematan a d Provns Jawa Tmur Menggunakan varate Posson Regresson Nna Fauzah Rachmah dan Purhad Jurusan
Lebih terperinciNirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK
PERBANDINGAN MODEL REGRESI LOGISTIK DAN ZERO-INFLATED POISSON (ZIP) UNTUK MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELANGSUNGAN HIDUP PENDERITA PENYAKIT DEMAM BERDARAH (DBD) RS WAHIDIN SUDIROHUSODO
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih 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 KOVARIANSI part 2
ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciPENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP
PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah
Lebih terperinciPemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)
JURNAL SAINS DAN SENI IS Vol., No., () (98X Prnt) D9 Pemodelan Jumlah Kasus Penyakt etanus Neonatorum d Jawa mur ahun dengan Geographcally Weghted ZeroInflated Posson Regresson (GWZIPR) Rath Kumala Puspa
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciPenerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah
The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih 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 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 terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih 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 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 terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciPERHITUNGAN HARGA PREMI MODEL DUA TAHUNAN DENGAN FAKTOR UNDERWRITING MENGGUNAKAN GENERALIZED LINEAR MODELS
PROSIDING ISSN: 50-656 M- PERHITUNGAN HARGA PREMI MODEL DUA TAHUNAN DENGAN FAKTOR UNDERWRITING MENGGUNAKAN GENERALIZED LINEAR MODELS St Alfatur Rohmanah ), Danardono ) ) Unverstas Islam Darul Ulum Lamongan,
Lebih terperinciPERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT
BIAStatstcs (05) Vol. 9, No., hal. -7 PERANCANGAN PARAMETER DENGAN PENDEKATAN TAGUCHI UNTUK DATA DISKRIT Faula Arna Jurusan Teknk Industr, Unverstas Sultan Ageng Trtayasa Banten Emal : faulaarna@yahoo.com
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBAB IV TRIP GENERATION
BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciModel Regresi Variabel dengan Metode Selisih Mutlak. Moderating Variable Regression Model with an Absolute Difference Method
Model Regres Varabel dengan Metode Selsh Mutlak Moderatng Varable Regresson Model wth an Absolute Dfference Method Desy Ika Rachmawat 1, Des Yunart, dan Darnah And Nohe 3 1 Mahasswa Program Stud Statstka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciTaksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil
Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION
TUGAS MATA KULIAH ANALISIS SPASIAL PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Dosen: Dr. Sutkno Dr. Setawan Dsusun Oleh: RINDANG BANGUN PRASETYO
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB 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 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 terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam
BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih 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 III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciTIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN
Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciPELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC
PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
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 terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciPemodelan Regresi Variabel Moderasi Dengan Metode Sub-Group. Regression Modeling of Moderating Variable with a Method of Sub Group
Jurnal EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Pemodelan Regres Varabel Moderas Dengan Metode Sub-Group Regresson Modelng of Moderatng Varable wth a Method of Sub Group Rsna Septawat, Des
Lebih terperinci