ANALISIS PEUBAH RESPON BINER

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS PEUBAH RESPON BINER"

Transkripsi

1 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 peubah yang bersfat kontnu. Bla peubah respon tdak lag kontnu melankan berupa kategor (bner, cacahan) maka model regres lner klask tdak dapat dgunakan. Permasalahan tersebut dapat datas dengan model lner terampat. Model lner terampat yang dgunakan dalam menganalss peubah berskala bner adalah model logt, model probt dan model complementary log-log. Pada tulsan n akan dkaj penggunaan ketga model tersebut dalam menganalss peubah respon bner. Bla nla galat baku Pearson semakn kecl maka semakn bak pula model yang dgunakan. Kata kunc : peubah respon bner, model logt, model probt, model complementary loglog PENDAHULUAN Latar Belakang Suatu metode statstka yang dapat dgunakan untuk mengetahu hubungan antara peubah respon dan beberapa peubah penjelas adalah regres lnear. Dalam regres lnear klask, peubah respon harus bersfat kuanttatf dengan skala pengukuran mnmal adalah nterval dan peubah penjelas adalah fxed. Peubah respon juga dasumskan berdstrbus normal dan mempunya ragam yang homogen. Bla peubah respon bukan lag peubah kuanttatf melankan berupa peubah kategork yang hanya terdr dar beberapa nla maka regres lnear klask tdak dapat dgunakan. Adapun model regres yang serng dgunakan untuk menganalss peubah respon berskala bner adalah model logt, model probt, dan model complementary loglog. Model logt, model probt dan model complementary log-log termasuk dalam model lnear terampat (Generalzed Lnear Models/GLM). GLM merupakan suatu metode yang dapat dgunakan untuk memecahkan masalah peubah respon tdak lag 63

2 Vol. 3, No. 1, Jun 007: 6377 kontnu melankan kategork (msalnya bner), dengan menggunakan fungs penghubung (lnk functon) tertentu sehngga dperoleh suatu model yang mampu menganalsa hubungan antara peubah respon kategork dengan satu atau beberapa peubah penjelas. Fungs penghubung dar model logt, model probt, dan model complementary log-log masng-masng adalah logt, normt/probt, dan gompt/complementary log-log. TINJAUAN PUSTAKA Regres Lnear Klask Pada regres lnear klask, model regres dapat dtulskan sebaga Y x... x p p dengan Y merupakan peubah respon yang bersfat kontnu, X adalah peubah penjelas yang fxed, 0,1,,..., p merupakan parameter dan adalah galat yang menyebar normal dengan nla tengah 0 dan ragam. Asums yang harus dpenuh bla akan melakukan uj hpotess pada regres lnear klask adalah galat menyebar normal dengan nla tengah 0 dan ragam (ragam galat homogen) serta galat menyebar secara acak. Generalzed Lnear Models (GLM) dan Keluarga Sebaran Eksponensal Bla Y peubah respon tdak lag mengkut sebaran normal namun bnomal atau Posson (asalkan mash dalam keluarga eksponensal) dan ragam Y merupakan fungs dar nla tengahnya sehngga dapat dpastkan bahwa ragam tdak homogen maka dgunakanlah suatu model yang dsebut model lnear terampat (Generalzed Lnear Models / GLM). GLM merupakan pengembangan dar model lnear klask dmana peubah respon Y merupakan suatu komponen yang bebas dengan nla tengah. Ada tga komponen utama dalam GLM (McCullagh dan Nelder, 1989): 1. Komponen acak, yatu komponen dar Y yang bebas dan fungs sebaran peluang Y termasuk dalam keluarga sebaran eksponensal dengan E Y.. Komponen sstematk, yatu x, x, 1, x p yang menghaslkan penduga lnear dmana x... x p p. 64

3 Analss Peubah Respon Bner... (Ksmantn) 3. Fungs penghubung (lnk functon) g(.), yang menggambarkan hubungan antara penduga lnear dengan nla tengah. Hubungan n dapat dtuls dengan = g(). Dalam model lnear klask, komponen (1) menyebar normal dan komponen (3) merupakan fungs denttas. Sedangkan dalam GLM, komponen (1) mungkn berasal dar salah satu anggota keluarga sebaran eksponensal lannya dan komponen (3) merupakan fungs monoton lannya. Dengan demkan GLM dapat dmodelkan dengan g EY x g x x x p p, sedangkan ragam Y merupakan fungs dar nla tengah respon yatu Var Y Var. Dengan mengasumskan Y memlk fungs sebaran peluang keluarga eksponensal, sehngga dapat dmodelkan sebaga berkut : b y f y, exp cy, (1) a dengan dan adalah parameter dan a( ), b( ) dan c(y, ) adalah suatu fungs yang dketahu. Jka dketahu, model datas adalah keluarga eksponensal dengan parameter kanonk. Selanjutnya hasl dsebut sebaga fungs penghubung pada GLM. Fungs log-lkelhood adalah log f y,, dtuls sebaga l y,, merupakan suatu fungs dar dan dengan y dketahu. Nla harapan dan ragam Y dapat dtentukan dengan mengevaluas fungs turunan dar l, y yang bersesuaan yatu : dengan E Y b dan Var Y b a b dan b adalah turunan pertama dan kedua dar Sebaga contoh, peubah respon Y kepekatan peluang : 1 1 y y, exp b. yang memlk sebaran normal dengan fungs f () 65

4 Vol. 3, No. 1, Jun 007: 6377 Fungs kepekatan peluang dar sebaran n dapat dtuls juga sebaga berkut : 1 y y 1 f y, exp ln (3) Jad hasl denttas adalah dan adalah, dengan 1 b dengan, maka nla tengah dan ragam dar Y adalah E Y b Var Y b a 1. a =. Dperoleh Pada penguraan fungs kepekatan peluang sebaran normal dperoleh juga fungs penghubung pada model lnear klask yatu. Peubah Respon Bner Peubah respon Y basa dnotaskan dengan Y = 1 dan Y = 0. Nla harapan dar suatu peubah respon bner Y adalah E Y 0 P Y 0 1 P Y 1 P Y 1 Jka dgunakan model regres lnear klask untuk peubah respon bner datas maka modelnya adalah : Y = x + (4) Model n bukanlah model yang layak karena nla harapan dar E Y x = x bsa saja bernla dluar [0, 1] sehngga tdak lag merepresentaskan suatu model peluang. Selan modelnya tdak layak, terdapat permasalahan ketdakhomogenan ragam dengan ragamnya tergantung oleh x yatu Y x Var x (1 - x ). Sehngga untuk mengetahu hubungan antara sebuah peubah respon bner dengan beberapa peubah penjelas, regres lnear klask tdak dapat dgunakan. Model Logt Peubah respon Y yang berskala bner dapat dtulskan Y = 1 dan Y = 0, sehngga mengkut sebaran Bernoull dengan fungs peluang : 66

5 Analss Peubah Respon Bner... (Ksmantn) f y 1 y y 1 1 exp y ln 1 dengan y 0, 1 dan adalah peluang kejadan ke- bernla Y = 1, Sebaran n merupakan keluarga sebaran eksponensal. / 1 1 yang dsebut sebaga logt dar. Secara umum model respon pada regres adalah x (5) ln merupakan log odds pada Y = Y E Y dengan merupakan komponen acak. (6) Dalam model regres bner EY x dengan Var Y x responnya menjad Y 1, sehngga model. Asums yang mendasar model-model regres bner adalah peubah respon bner Y merupakan peubah yang salng bebas antara satu dengan lannya. Galat menghaslkan dua nla yatu 1 jka Y = 1 dengan peluang dan jka Y = 0 dengan peluang 1 -, sehngga menyebar dengan nla tengah dan ragam sebaga berkut: E Var Dapat terlhat bahwa galat dar model-model bner menyebar dengan ragam yang tdak homogen. Sehngga Pada model regres bner, Y mengkut sebaran Bernoull dengan parameter. Y E( ) maka 0 1x 1... p xp, bersfat kontnu dengan 0 1. Adanya masukkan peubah penjelas X menyebabkan > 1 atau < 0 sehngga model 0 1x 1... p xp tdak bak untuk melakukan pendugaan ˆ. Bagamana menghubungkan dengan x... x p p? Membuat fungs yang dapat bernla dar - sampa. g ln 1 67

6 Vol. 3, No. 1, Jun 007: 6377 Fungs dperoleh dar penguraan fungs peluang sebaran Bernoull dalam bentuk fungs sebaran keluarga eksponensal yatu f y 1 y y 1 exp y ln ln1 1 dengan adalah dan adalah 1, dengan a =1. Sehngga / 1 ln 1 ln merupakan fungs penghubung yang dsebut fungs penghubung logt. Sehngga dperoleh model yatu ln x p xp (7) 1 1 Model nlah yang dkenal dengan sebutan model logt, karena mempunya fungs penghubung logt. Model umum regres logstk dengan p peubah penjelas yatu gx gx exp x (8) 1 exp dengan melakukan transformas logt dperoleh g x x x ln (9) 1 dengan g x x... x 1 1 p p 0, g(x) merupakan penduga logt yang berperan sebaga fungs lnear dar peubah penjelas. Model regres logstk merupakan transformas logt dar peluang kejadan pengamatan ke- yatu, sebaga fungs lnear dar peubah penjelas dalam vektor x. Model regres logstk menggunakan logt sebaga fungs penghubung. Model Probt Model probt adalah model peluang yang menggunakan suatu fungs transformas untuk memetakan fungs lner x pada selang [0,1]. P( Y = 1 x ) = F(x ) Fungs transformas yang sesua adalah yang memenuh krtera: F ( ) 0, F ( ) 1, F ( z) / z 0. Krtera d atas dapat dpenuh oleh sembarang fungs sebaran kumulatf (cumulatve densty functon/cdf). Dua fungs yang serng dgunakan adalah sebaran normal baku dan 68

7 Analss Peubah Respon Bner... (Ksmantn) sebaran logstk. Fungs transformas dalam model probt adalah kumulatf dar sebaran normal baku, yatu : fungs sebaran ' x P(Y = 1 x ) = (x ) = ( z ) dz (10) D mana (.) adalah fungs kepekatan peluang dan (.) adalah fungs sebaran kumulatf dar sebaran normal baku. Dengan kata lan, untuk peubah respon bner : F (g(x))= 1 g ( x) e z dz Gambar 1. Kurva Sebaran Normal Kumulatf (11) Secara umum model probt dapat dnyatakan sebaga berkut : = F(Z ) = F (β 0 + β 1 x 1 + β x + β 3 x β p x p + ε ) (1) D mana F merupakan fungs sebaran kumulatf dan X j adalah peubah bebas yang bersfat stokastk. Oleh karena model peluang probt berkatan dengan fungs sebaran kumulatf normal, maka dapat dtulskan model peluang probt sederhana sebaga berkut: Z =β 0 + β 1 x 1 + β x + β 3 x β p x p + ε (13) Untuk memperoleh suatu dugaan dar nla Z, maka dapat dgunakan nvers dar fungs sebaran kumulatf normal baku, sehngga dperoleh : Z =F -1 ( ) = β 0 + β 1 x 1 + β x + β 3 x β p x p + ε (14) Invers dar fungs sebaran kumulatf normal baku n dalam GLM tdak lan adalah fungs penghubung (lnk functon). Dengan demkan model probt dperoleh dengan 69

8 Vol. 3, No. 1, Jun 007: 6377 menggunakan nvers fungs sebaran kumulatf normal baku sebaga lnk functon pada GLM. Fungs penghubung pada model probt dsebut juga sebaga normt. Peluang yang dhaslkan dar suatu model probt dapat dnterpretaskan sebaga suatu dugaan dar peluang bersyarat bahwa suatu objek pengamatan atau kelompok akan mengalam suatu kejadan berdasarkan nla tertentu dar X. Model Complementary log-log Transformas complementary log-log adalah nvers fungs sebaran kumulatf F -1 () dar sebaran Gompertz. Fungs sebaran kumulatf Gompertz adalah F b( c x1 x, c, b 1 exp log c ), x 0, b 0, c 0. (15) Sepert model logt dan probt, transformas complementary log-log memastkan bahwa peluang predks dantara nterval [0,1]. Jka peluang sukses dekspreskan sebaga fungs dar parameter yang sudah dketahu yatu : = 1 exp{-exp( k k x k )} (16) Maka model adalah lnear dalam nvers fungs sebaran kumulatf Gompertz yatu log dar log negatve p atau log{-log(1- )} yatu log{-log(1- )} = k k x k (17) Invers fungs sebaran kumulatf Gompertz n dalam GLM yang dsebut sebaga fungs penghubung. Sehngga model complementary log-log dengan fungs penghubung yang serng dsebut dengan gompt/complementary log-log. Model logt, model probt dan model complementary log-log termasuk dalam model lner terampat (Generalzed Lnear Models/GLM), dengan berturut-turut mempunya fungs penghubung logt, probt, dan complementary log-log. Secara umum, ada 3 fungs penghubung yang dapat dgunakan untuk menganalsa model respon bner. Fungs n adalah : 1) logt, yang merupakan nvers fungs sebaran kumulatf dar sebaran logstk. ) normt (juga dsebut probt), yang merupakan nvers fungs sebaran kumulatf dar sebaran normal baku. 3) gompt (juga dsebut complementary log-log), yang merupakan nvers fungs sebaran kumulatf dar sebaran Gompertz. 70

9 Analss Peubah Respon Bner... (Ksmantn) Tabel 1. Fungs Penghubung Nama Fungs Penghubung Sebaran Rataan Ragam Logt ln { /(1- )} Logstk 0 /3 Normt (probt) -1 ( ) Normal 0 1 Gompt (Complementary Log-log) ln {-ln(1- )} Gompertz - (konstanta Euler) /6 Pendugaan Parameter Pendugaan parameter pada model respon bner dlakukan dengan metode penduga kemungknan maksmum, karena asums kehomogenan ragam galat tdak dpenuh. Jka antara amatan yang satu dengan amatan yang lan dasumskan bebas, maka fungs kemungknan maksmumnya adalah : n f y l (18) 1 Parameter dduga dengan memaksmumkan persamaan datas. Untuk memudahkan perhtungan dlakukan pendekatan logartma, sehngga fungs log-kemungknan sebaga berkut : L() = ln l (19) Nla dugaan dapat dperoleh dengan memaksmumkan ln turunan pertama ln l l yatu dengan membuat terhadap dengan = 0, 1,,, p. Secara analtk penurunan n sangatlah tdak mudah, oleh karena tu secara tekns pendugaan dperoleh dar proses teras yatu dengan menggunakan algortma Iteratvely Reweghted Least Square (IRLS) (McCullagh dan Nelder, 1989). Paket program Mntab dapat dgunakan untuk menghtung nla-nla dugaan. Uj Taraf Nyata Parameter Pengujan terhadap parameter model respon bner dlakukan untuk mengetahu peranan peubah bebas dalam model. Uj parameter yang dgunakan adalah statstk : 1. Uj Wald (W). Uj raso kemungknan (G) 71

10 Vol. 3, No. 1, Jun 007: 6377 Statstk Uj Wald dgunakan untuk menguj parameter (Hosmer dan Lemeshow, 1989). Rumus untuk Uj Wald berdasarkan hpotess H 0 : = 0 lawan H 1 : 0 ( = 1,,, p) adalah W penduga dan ˆ dengan ˆ merupakan SE ˆ ˆ S ˆE ˆ merupakan penduga galat baku dar ˆ. Statstk W mengkut sebaran normal baku. Krtera keputusan adalah H 0 dtolak jka W htung Z. dduga dengan metode kemungknan maksmum maka untuk menguj peranan peubah penjelas d dalam model secara bersama-sama dgunakan uj raso kemungknan yatu Uj G (Hosmer dan Lemeshow, 1989). Rumus untuk uj G berdasarkan hpotess : H 0 :... 0 lawan H 1 : palng sedkt ada satu 0 ( = 1,,, p) adalah 1 p L G ln L L 0 : lkelhood tanpa peubah penjelas L 1 : lkelhood dengan peubah penjelas 0 1 Statstk G akan mengkut sebaran dengan derajat bebas p. Krtera Keputusan yang dambl yatu menolak H 0 jka G htung > p (Hosmer dan Lemeshow, 1989). Krtera Pemlhan Model Terbak Krtera yang dgunakan untuk memlh model terbak antara model logt, model probt, dan model complementary log-log adalah galat baku. Galat baku pada modelmodel n berbeda dengan galat baku pada regres lner klask, karena model logt, probt dan complementary log-log merupakan bagan dar model lner terampat. Galat baku pada model lner terampat berupa galat baku Pearson dan galat baku devance yang drumuskan sebaga berkut (Agrest, 00) : rp y ˆ Var Y dan d sgny ˆ rd ~ ~ dengan d y ˆ b bˆ (0) adalah devance. 7

11 Analss Peubah Respon Bner... (Ksmantn) Intepretas Koefsen Interpretas koefsen untuk model logt dapat dlakukan dengan melhat raso oddsnya. Makna raso odds sebesar adalah bahwa untuk X = 1 memlk kecenderungan Y = 1 sebesar kal dbandngkan dengan untuk X = 0 (Hosmer dan Lemeshow, 1989). Jka suatu peubah penjelas mempunya tanda koefsen postf, maka nla raso oddsnya akan lebh besar dar satu, sebalknya jka tanda koefsennya negatf maka nla raso oddsnya akan lebh kecl dar satu. Interpretas koefsen model probt dan complementary log-log tdak dapat dlakukan sepert pada model logt. Dalam prakteknya, nterpretas koefsen probt dan complementary log-log kadangkala dlakukan hanya dengan melhat tanda dar koefsen, yang berart hanya melhat arah dar pengaruh peubah bebas terhadap peubah respon, apakah memberkan pengaruh postf atau negatf. APLIKASI DENGAN DATA Dua buah jens bohlam lampu yatu A dan B dcobakan pada 10 voltase yang berbeda. Untuk masng-masng level voltase dcobakan bohlam A dan bohlam B. Respon yang damat adalah jumlah bohlam yang putus untuk masng-masng voltase yang dcobakan setelah 800 jam. (Data dambl dar data lghtbul d Mntab vers 13). Berkut data yang dperoleh : Tabel. Data Bohlam Lampu # bohlam putus # percobaan Level voltase Jens bohlam A A A A A B B B B B Keterangan : Peubah respon adalah jumlah bohlam yang putus Peubah penjelas adalah level voltase dan jens bohlam lampu 73

12 Vol. 3, No. 1, Jun 007: 6377 Analss data dolah menggunakan software Mntab vers 13 dengan langkah-langkah sebaga berkut : 1. Masukkan data pada worksheet Mntab.. Langkah analss dmula dengan memlh menu Stat-Regresson-Bnary Logstc Regresson. 3. Masukkan peubah respon yatu putus ke Success, lalu masukkan jumlah percobaan yatu jmlh perc ke Tral, pada Model masukkan peubah penjelas yatu voltase dan type. Karena peubah type merupakan peubah kategork maka masukkan type ke Factors(optonal). 4. Pada Optons plh Lnk Functons Logt lalu tekan OK. 5. Abakan yang lan lalu tekan OK. 6. Ulang langkah -5 dengan menggant lnk functon. 74

13 Analss Peubah Respon Bner... (Ksmantn) Tabel 3. Rngkasan Output Mntab vers 13 untuk Ketga Fungs Penghubung Logt Model dugaan Yˆ = Volts TypeB Uj Taraf Nyata Parameter Constant = 0 Z=-11.68; P=0.000 Volts = 0 Z=11.60; P=0.000 Type B = 0 Z=1.0; P=0.3 Probt Yˆ = Volts TypeB Z=-1.96; P=0.000 Z=1.83; P=0.000 Z=1.1; P=0.5 Complementary Log-log Yˆ = Volts TypeB Z=-1.97; P=0.000 Z=1.87; P=0.000 Z=1.13; P=0.60 Log-Lkelhood G = G = Uj semua slope = 0 P-Value = P-Value = Goodness-of-Ft-Tests Pearson Devance Hosmer-Lemeshow =7.375 P-Value=0.391 =7.51 P-Value=0.378 =7.375 P-Value=0.497 =9.6 P-Value=0.18 =9.63 P-Value=0.11 =9.6 P-Value=0.301 Concordant 84.1% 84.1% 84.1% Measures of Assocaton Somers D Goodman-Kruskal Gamma Kendall s Tau-a G = P-Value = =1.755 P-Value=0.97 =1.740 P-Value=0.973 =1.755 P-Value=0.988 Pembandngan Model Untuk memlh model terbak dantara model logt, model probt, dan model complementary log-log akan dgunakan tabel dbawah n. Peubah bebas Tabel 4. Dugaan Parameter Model Logt, Probt, dan Complementary log-log Model Logt Model Probt Model Complementary log-log bl Z P- P- P- bp Value Z bc Value Z Value Intersep Volts TypeB Statstk-G = P-Value = Statstk-G = P-Value = Statstk-G = P-Value = Rata-rata Galat Baku = Rata-rata Galat Baku = Rata-rata Galat Baku = Berdasarkan Tabel 4 dapat dlhat bahwa model dengan dua peubah penjelas yatu volts dan typeb menghaslkan nla statstk-g untuk model logt sebesar dengan 75

14 Vol. 3, No. 1, Jun 007: 6377 p-value=0.000, untuk model probt sebesar dengan p-value=0.000, untuk model complementary log-log sebesar dengan p-value= Bla dplh maka hasl tersebut menyatakan bahwa secara bersama-sama peubah penjelas tersebut berperan nyata terhadap peubah respon. Hal n menunjukkan bahwa level voltase dan jens bohlam lampu berpengaruh terhadap jumlah bohlam lampu yang putus. Uj Wald dgunakan untuk mengetahu sgnfkans parameter. Untuk model logt terlhat bahwa koefsen-koefsen volts dan typeb memlk nla Z berturut-turut adalah 11.69, 11.60, 1.0 dengan p-value adalah 0.000, 0.000, 0.3. Untuk model probt memlk nla Z berturut-turut adalah 1.96, 1.83, 1.1 dengan p-value adalah 0.000, 0.000, 0.5. Sedangkan untuk model complementary log-log memlk nla Z berturutturut adalah 1.97, 1.87, 1.13 dengan p-value adalah 0.000, 0.000, Bla dplh 0.05 maka hal n menunjukkan bahwa level voltase dapat menerangkan jumlah bohlam lampu yang putus, sedangkan jens bohlam lampu type B tdak dapat menerangkan jumlah bohlam lampu yang putus. Rata-rata galat baku dar model logt adalah 0.196, model probt sebesar 0.160, dan model complementary log-log adalah Dapat dlhat bahwa rata-rata galat baku dar model complementary log-log mempunya nla yang palng kecl dantara ketga model tersebut. Dar krtera n dapat dtark suatu kesmpulan bahwa model complementary log-log yang palng bak untuk menganalsa data tersebut. Interpretas Koefsen Dugaan koefsen untuk model logt, probt, dan complementary log-log mempunya tanda yang sama, sehngga pengaruh peubah penjelas pada peubah respon mempunya arah yang sama. Besar koefsen n berbeda antara model logt, model probt, dan model complementary log-log. Model logt mempunya koefsen yang lebh besar jka dbandngkan koefsen pada model probt dan complementary log-log. Penduga odds rato untuk peubah kontnu volts sebesar 1.4 yang lebh besar dar 1 sehngga dapat dartkan bahwa semakn besar voltase akan semakn besar jumlah bohlam lampu yang putus, sedangkan odds rato untuk peubah kategork yatu peubah type B adalah sebesar 1.33 yang berart jumlah bohlam lampu yang putus dar type bohlam B 1.33 kal dbandngkan dengan type bohlam A. 76

15 Analss Peubah Respon Bner... (Ksmantn) Interpretas koefsen pada model probt dan model complementary log-log dengan melhat tanda koefsennya, yatu koefsen untuk peubah volts dan typeb bertanda postf yang berart peluang jumlah bohlam lampu yang putus akan semakn besar bla voltase dtngkatkan dan jumlah bohlam type B dperbanyak. SIMPULAN Beberapa smpulan yang dapat dambl dar tulsan n adalah : 1. Model complementary log-log merupakan model yang terbak dantara model logt dan model probt untuk data bohlam lampu karena memlk nla galat baku yang palng kecl.. Nla dugaan koefsen bak dar model logt, model probt, maupun model complementary log-log mempunya tanda yang sama. 3. Model logt mempunya nla dugaan koefsen yang palng besar dbandngkan dengan dugaan koefsen pada model probt dan model complementary log-log. 4. Interpretas koefsen model logt lebh mudah dbandngkan nterpretas koefsen model probt dan model complementary log-log yatu dengan melhat dugaan odds rato. DAFTAR PUSTAKA Agrest, Allan. 00. Categorcal Data Analyss. New York: John Wley & Sons. Agrest, Allan An Introducton to Categorcal Data Analyss. New York: John Wley & Sons. Hosmer, D.W. dan Lemeshow, S Appled Logstc Regresson. New York: John Wley & Sons. McCullagh, P. dan Nelder, J. A Generalzed Lnear Models nd Edton. London: Chapman & Hall. Myers, R. H Classcal and Modern Regresson wth Applcaton. Boston: PWS- KENT. 77

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

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

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

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL

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

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

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

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

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

Lebih terperinci

TINJAUAN PUSTAKA Tingkat Keberhasilan Mahasiswa Regresi Logistik

TINJAUAN PUSTAKA Tingkat Keberhasilan Mahasiswa Regresi Logistik 5 TINJAUAN PUSTAKA Tngkat Keberhaslan Mahasswa Secara gars besar, faktor-faktor yang memengaruh keberhaslan mahasswa dalam enddkan (Munthe 983, dacu dalam Halm 29 adalah:. Faktor ntelektual seert masalah

Lebih terperinci

MODEL REGRESI LINEAR DALAM PRESPEKTIF MODEL LINEAR TERAMPAT 1. Setiawan 2

MODEL REGRESI LINEAR DALAM PRESPEKTIF MODEL LINEAR TERAMPAT 1. Setiawan 2 Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 MODEL REGRESI LINEAR DALAM PRESPEKTIF MODEL LINEAR TERAMPAT Setawan Jurusan Statstka FMIPA Insttut Teknolog Sepuluh Nopember,

Lebih terperinci

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,

Lebih terperinci

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

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

Lebih terperinci

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA

Lebih terperinci

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

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

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis 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 terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

Nirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK

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

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pemeriksaan Ketepatan Fungsi Hubung dalam Analisis Data Biner

Pemeriksaan Ketepatan Fungsi Hubung dalam Analisis Data Biner Statstka, Vol. 9 No., 55 64 Me 009 Pemerksaan Ketepatan Fungs Hubung dalam Analss Data Bner Nusar Hajarsman Program Stud Statstka Fakultas MIPA Unsba Mahasswa Sekolah Pascasarjana Insttut Pertanan Bogor

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang

Lebih terperinci

PELUANG ALUMNI PENDIDIKAN MATEMATIKA FKIP UMB DALAM MENDAPATKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS REGRESI LOGISTIK

PELUANG ALUMNI PENDIDIKAN MATEMATIKA FKIP UMB DALAM MENDAPATKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS REGRESI LOGISTIK p-issn 979 3693 e-issn 477 0647 MEDIA SAISIKA 0( 7: 85-94 http://ejournal.undp.ac.d/ndex.php/meda_statstka PELUANG ALUMNI PENDIDIKAN MAEMAIKA FKIP UMB DALAM MENDAPAKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

Bab II LANDASAN TEORI

Bab II LANDASAN TEORI Bab II LANDASAN TEORI 2 Regres 2 Pengertan Komponen-Komponen Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan untuk meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu

Lebih terperinci

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

FAKTOR-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 terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

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

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. 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 terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

Regresi Linear Sederhana dan Korelasi

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

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

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

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan

Lebih terperinci

2. ANALISIS DATA LONGITUDINAL

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

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

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Prosdng SPMIPA. pp. 147-15. 006 ISBN : 979.704.47.0 EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Rta Rahmawat, I Made Sumertajaya Program Stud Statstka Jurusan Matematka FMIPA

Lebih terperinci

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi

BAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data

Lebih terperinci

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

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

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

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

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

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

I. PENGANTAR STATISTIKA

I. PENGANTAR STATISTIKA 1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan

Lebih terperinci

Uji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi

Uji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d

Lebih terperinci

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

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

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL 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 terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software

Lebih terperinci