BAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
|
|
- Siska Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah respon disebut analisis regresi linier sederhana sedangkan analisis regresi yang melibatkan lebih dari satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier berganda. Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y. Analisis regresi juga digunakan sebagai peramalan sehingga peubah respon Y dapat diramalkan dari peubah prediktor X, apabila peubah prediktornya diketahui (Neter et al., 1997). Bentuk hubungan antara peubah respon dengan peubah prediktor dapat dinyatakan dalam bentuk persamaan regresi atau model regresi. Model regresi merupakan sebuah persamaan yang menggambarkan pola hubungan statistik antara peubah prediktor dengan peubah respon. Pola hubungan yang dijelaskan oleh model regresi dapat berupa hubungan linier, hubungan kuadratik, eksponen dan lainnya. Model yang dihasilkan oleh regresi linier berganda adalah: Y i = β 0 + β 1 X i1 + + β p 1 X ip 1 + ε i (2.1) Persamaan (2.1) dapat ditulis dengan notasi matriks yaitu: Y n 1 = X n p β p 1 + ε n 1 (2.2)
2 dengan: Y 1 Y Y n 1 = [ 2 ], X n m = Y n ε 1 ε 2 ε n 1 = [ ] ε n dengan: 1 X 11 X 12 X 1p 1 1 X 21 X 22 X 2p 1, β m 1 = [ [ 1 X n1 X n2 X np 1] Y = vektor peubah respon dari amatan i = 1,2,3,, n n = banyaknya amatan β = vektor parameter dengan m = 0,1,2,, p 1 p = banyak parameter X = matriks peubah prediktor β 0 β 2 β p 1 ], dan ε = vektor peubah acak normal bebas dengan nilai harapan E{ε} = 0 dan matriks ragam σ 2 {ε} = σ Metode Kuadrat Terkecil Metode kuadrat terkecil (MKT) adalah salah satu metode yang sering digunakan dalam teknik analisis regresi yang bertujuan untuk meminimumkan jumlah kuadrat galat (ε i ) sehingga nilai penduga parameternya akan mendekati nilai yang sesungguhnya. Dalam menaksir suatu model regresi, MKT sering digunakan selain karena perhitungannya yang mudah dan sederhana, metode MKT juga memenuhi sifat
3 Best Linier Unbiased Estimator (BLUE) terhadap koefisien β, apabila asumsinya terpenuhi. Menurut Burke (2010) adapun asumsi yang harus terpenuhi di antaranya: 1. Model harus linier dalam parameter. 2. Datanya merupakan sampel acak dari populasi. 3. Peubah prediktor tidak berkorelasi kuat (multikolinieritas). 4. Peubah prediktor diukur dengan sangat tepat sehingga error (tingkat kesalahan) bisa diabaikan (dianggap tak ada). 5. Nilai yang diharapkan dari residualnya selalu nol, E(ε) = Residual memiliki varians yang konstan (varians homogen), misalkan var(ε) = σ 2 7. Residualnya berdistribusi normal, ε~n(0, σ 2 ). Unbiased artinya tidak bias atau nilai harapan dari penduga sama atau mendekati nilai parameter yang sebenarnya. Misalkan β adalah estimasi dari parameter β, maka: Bias{β } = E{β } β (2.3) Atau dengan kata lain penduga β bagi parameter β dikatakan unbiased jika (Neter et al., 1997): E{β } = β (2.4) Estimasi yang baik adalah estimasi yang menghasilkan nilai bias yang rendah atau kecil. Semakin besar nilai bias yang dihasilkan, maka semakin jauh penyimpangan dari nilai yang sebenarnya. Penduga metode kuadrat terkecil merupakan penduga yang
4 unbiased jika asumsi-asumsinya terpenuhi. Hasil estimasi kuadrat terkecil akan bias ketika ada pengamatan yang bersifat pencilan (Irawan, 2013). 2.3 Pencilan atau Outlier Pencilan atau outlier merupakan suatu data yang pengamatannya berada jauh dari sekumpulan data amatan lainnya (Neter et al., 1997). Pencilan merupakan pengamatan yang dapat diidentifikasi secara jelas yang berbeda dari pengamatan lain, namun data pencilan dapat menunjukkan karakteristik dari populasi. Pencilan dapat menimbulkan kesulitan dalam metode kuadrat terkecil (MKT). Bila terdapat pencilan, peneliti akan curiga bahwa amatan tersebut berasal dari suatu kesalahan atau pengaruh luar yang lain, dan oleh karenanya harus dibuang. Alasan untuk membuangnya adalah bahwa di dalam metode kuadrat terkecil, garis regresi dugaannya akan ditarik secara tidak proporsional ke arah pencilan. Akan tetapi, bisa jadi pencilan mengandung informasi yang penting, bila pencilan itu merupakan akibat dari interaksi dengan peubah bebas lain yang tidak disertakan di dalam model (Neter et al., 1997). Adapun jenis-jenis pencilan menurut (Chen, 2002) yaitu: 1. Pencilan pada peubah Y Adanya pencilan pada peubah respon akan berpengaruh pada pendugaan parameter intersep. 2. Pencilan pada peubah X atau leverage point Pencilan pada peubah X dapat diklasifikasikan menjadi: a. Good leverage point
5 Amatan pencilan pada peubah bebas berada dekat dengan garis regresi dugaan. Pencilan ini tidak berpengaruh dalam pendugaan parameter. b. Bad leverage point Amatan pencilan pada peubah bebas berada jauh dari garis regresi dugaan. Apabila terdapat bad leverage point dalam amatan maka akan memberikan pengaruh pada proses pendugaan parameter, β. 3. Pencilan pada peubah X dan peubah Y Pencilan pada peubah prediktor dan peubah respon dapat memengaruhi proses pendugaan parameter, baik slope maupun intersep. 2.4 Multikolinearitas Multikolinearitas atau kolinearitas ganda merupakan suatu kondisi bila peubahpeubah prediktor saling berkorelasi (Neter et al., 1997). Variance Inflation Factor (VIF) merupakan salah satu uji yang digunakan untuk mendeteksi adanya multikolinearitas pada pengamatan. VIF dapat menginterpretasikan akibat dari korelasi antar peubah prediktor ke-i pada ragam penduga koefisien regresi. Perhitungan VIF sebagai berikut: VIF i = 1 1 R i 2 ; i = 1,2,, p 1 (2.5) Nilai VIF = 1 bila R i 2 = 0, dengan kata lain bila X i tidak berhubungan linear dengan peubah-peubah X lainnya. Nilai R i 2 menunjukkan nilai korelasi antar peubah, kenaikan korelasi antar peubah akan mengakibatkan kenaikan nilai VIF yang
6 menunjukkan terjadinya multikolinearitas. Jika nilai VIF melebihi 5, maka ini menunjukkan adanya masalah multikolinearitas antar peubah prediktor. 2.5 Uji Anderson-Darling Uji Anderson-Darling digunakan untuk menguji apakah sampel data berasal dari populasi dengan distribusi tertentu (Fallo et.al., 2013). Uji Anderson-Darling memiliki keuntungan yang memungkinkan tes yang lebih sensitif, tetapi kelemahannya adalah nilai-nilai kritisnya harus dihitung untuk setiap distribusinya. Misalkan x 1, x 2, x n adalah data yang ingin diuji distribusi normalnya dengan tingkat signifikan α maka uji Anderson-Darling diperoleh dengan rumus: dengan: dengan: A = n 1 n (2i 1){lnF(Z n i=1 i) + ln[1 F(Z n+1 i )]} (2.6) Z i = x i x s A = statistik uji Anderson-Darling n = ukuran data x i = data terurut dari 1,2,3,, n Z i = data x i yang dibakukan x = rata-rata s = standar deviasi data, i = 1,2,3, n (2.7) F(Z i ) = nilai fungsi distribusi kumulatif normal baku di Z i
7 Hipotesis dari uji Anderson-Darling adalah: H 0 : data pada sampel berasal dari populasi yang berdistribusi normal H 1 : data pada sampel berasal dari populasi yang berdistribusi tidak normal Keputusan tolak H 0 apabila nilai A lebih besar dari nilai kritisnya atau nilai p value lebih kecil dari α. 2.6 Regresi Robust Regresi robust merupakan metode yang mampu menghasilkan penduga parameter yang robust (kekar) terhadap pencilan. Regresi ini digunakan ketika galat berdistribusi tidak normal karena adanya pencilan. Adapun beberapa regresi robust diantaranya metode Minimum Covariance Determinant (MCD) dan metode Least Median of Squares (LMS) Minimum Covariance Determinant (MCD) Minimum Covariance Determinant (MCD) diperkenalkan oleh Rousseeuw dan Van Driessen pada tahun Prinsip metode MCD adalah dengan menggunakan vektor rata-rata dan matriks kovarians yang didapat dari penduga MCD untuk menentukan bobot dari setiap data, sehingga didapat penduga parameter model MCD. Menurut Hubert & Debruyne, (2010) metode ini membentuk suatu subsampel H yang berukuran h dari sampel berukuran n amatan dengan h n yang matriks kovariansnya memiliki determinan terkecil diantara semua kombinasi kemungkinan data dengan: n+p+1 h n (2.8) 2
8 dengan: x = fungsi floor yang akan mengembalikan bilangan bulat (Z) terbesar yang tidak lebih besar dari bilangan real (R) x n p = banyak amatan = banyak peubah prediktor Metode MCD mencari subsample berukuran h sebanyak C n h, dan untuk nilai vektor rataan V MCD dan matriks kovarians S MCD diberikan: V MCD = 1 x h i H i (2.9) S MCD = 1 [x h i H i V MCD ][x i V MCD ] T (2.10) dengan: x i h = pengamatan ke-i = subsampel V MCD = vektor rataan S MCD = matriks kovarians x T = transpose pada matriks x Kemudian untuk menghitung jarak mahalanobis yang kekar diperoleh dengan rumus: RD(x i ) = (x i V MCD ) T S 1 MCD (x i V MCD ) (2.11) Pada metode MCD dibutuhkan algoritma Fast MCD agar meminimalisasi waktu komputasi perhitungannya (Rousseeuw & Driessen, 1999). Langkah-langkah penduga MCD dengan Fast MCD:
9 1. Ambil himpunan bagian dari matriks X secara acak, misalkan himpunan bagian tersebut H 1 dengan jumlah elemen sebanyak h, dengan h = n+p Hitung vektor rataan V MCD dan matriks kovarians S MCD pada H 1 dengan persamaan (2.8) dan (2.9) yang dimisalkan V 1 dan S 1 serta hitung det (S 1 ) 3. Jika det (S 1 ) = 0 maka berhenti. Jika tidak maka hitung jarak mahalanobis kekarnya: 2 RD(x i ) = (x i V 1 ) T S 1 1 (x i V 1 ), i = 1,2,3,, n 4. Kemudian urutkan jarak mahalanobisnya dari urutan terkecil hingga terbesar. 5. Ambil elemen dari h pengamatan dengan jarak terkecil berdasarkan pada tahapan 4 untuk menjadi himpunan bagian H 2, ulangi tahapan 2 sampai tahapan 4 sehingga ditemukan himpunan bagian yang konvergen det (S i+1 ) = det (S 1 ). 6. Ulangi dari langkah 1 dengan mengambil himpunan H selanjutnya. 7. Ambil salah satu himpunan H yang memiliki nilai determinan matriks kovarians terkecil, kemudian cari nilai V MCD dan S MCD. 8. Berdasarkan anggota h tersebut, selanjutnya data diboboti: W i = { 1, jika (x i V MCD ) T S 1 MCD (x i V MCD ) 2 χ p;1 α 0, lainnya (2.12) 9. Berdasarkan pembobot W i dapat dibentuk matriks W MCD berukuran n n sebagai berikut:
10 w 11 w 12 w 1n w 21 w 22 w 2n W MCD = [ ] (2.13) w n1 w n2 w nn dengan entri matriks w ij = 0, dengan i j. Sehingga MCD dimodelkan dengan persamaan: β MCD = (X T W MCD X) 1 (X T W MCD Y) (2.14) Least Median of Squares (LMS) Least Median of Squares (LMS) merupakan salah satu metode estimasi regresi robust. Menurut Rousseeuw (1984), metode ini meminimalkan median (nilai tengah) dari kuadrat residual (e i 2 ) dengan (e i 2 ) = (y i β 0 β 1 X i ) 2. M J = min{median (y i β 0 β 1 X i ) 2 } M J = min{median e i 2 } (2.15) Minimalisasi dilakukan pada urutan nilai residual kuadrat, dengan dengan: h i = subsampel n = banyak amatan p = banyak parameter h i = n+p+1 (2.16) 2 x = fungsi ceiling atas yang akan mengembalikan bilangan bulat (Z) terkecil yang tidak lebih kecil dari bilangan real (R) x
11 Pada proses perhitungan, nilai h i harus selalu dalam bentuk bilangan bulat. Oleh karena itu, jika nilai h i bukan dalam bentuk bilangan bulat maka dilakukan pembulatan ke atas (Parmikanti et al., 2013). Prinsip dasar dari metode LMS adalah dengan memberikan bobot w ii pada data sehingga data pencilan tidak mempengaruhi model parameter taksiran. Menurut Yingying (2009) dalam Dalimunthe (2010), bobot w ii dengan batas kesalahan α dirumuskan dengan ketentuan: w ii = { 1, jika e i/σ α 0, lainnya (2.17) dengan σ = 1,4826 [1 + 5 n p ] M J (2.18) Setelah bobot w ii dihitung, dapat dibentuk matriks W sebagai berikut: w 11 w 12 w 1n w 21 w 22 w 2n W = [ ] (2.19) w n1 w n2 w nn dengan entri matriks w ij = 0, dengan i j. Setelah terbentuk matriks W, maka penduga parameter regresi LMS dapat dihitung dengan menggunakan rumus: β LMS = (X T WX) 1 (X T WY) (2.20) 2.7 Bootstrap Bootstrap merupakan metode yang didasarkan pada simulasi data untuk keperluan inferensi statistik yang pertama kali diperkenalkan oleh Efron dan Tibshirani
12 tahun Metode bootstrap dilakukan dengan mengambil sampel dari sampel asli dengan ukuran sama dengan sampel asli dan dilakukan dengan pengembalian (Efron & Tibshirani, 1993). Sampel asli dalam metode bootstrap dipandang sebagai populasi. Istilah sampel asli digunakan untuk menyebut himpunan bagian yang pertama diambil dari populasi sebelum dilakukan resampling, yaitu proses pengambilan sampel kembali dari sampel yang telah diambil dari populasi. Sedangkan istilah sampel bootstrap (resample) digunakan untuk menyebut sampel yang telah diresampling dari sampel asli. Sampel asli dilambangkan dengan: x = {x 1, x 2,, x n } n = 1,2,3, (2.21) Sampel bootstrap: x = {x 1, x 2,, x B } B = 1,2,3, (2.22) x = {x 1, x 2,, x n } R e s a m p li n g x 1 x 2 x B Sx 1 Sx 2 Sx B Replikasi Bootstrap G Sampel asli Sampel bootstrap Gambar (2.1) Skema proses bootstrap (Efron & Tibshirani, 1993).
13 Bootstrap dapat digunakan untuk mengatasi permasalahan dalam statistika baik masalah data yang sedikit, data yang menyimpang dari asumsi maupun data yang tidak memiliki distribusi. Selain itu metode bootstrap juga digunakan untuk mengestimasi standard error dan selang kepercayaan dari suatu parameter populasi yang tidak diketahui (Efron & Tibshirani, 1993). Metode bootstrap tidak harus dibentuk dari asumsi statistik parametrik, dengan kata lain parameternya tidak harus mengikuti distribusi normal. Proses resampling bootstrap dilakukan dengan menggunakan bantuan progam komputer untuk mengestimasi nilai parameter dari masing-masing sampel mengingat besarnya jumlah resampling yang bisa mencapai ribuan kali sehingga sangat sulit untuk melakukan perhitungan secara manual. Menurut Efron dan Tibshirani, ada dua prosedur bootstrap yang bisa digunakan dalam regresi yaitu bootstrap residual dan bootstrap pairs. Prosedur bootstrap residual merupakan metode bootstrap yang proses resamplingnya diterapkan pada residual yang telah dihasilkan oleh model analisis regresi sedangkan bootstrap pairs yaitu melakukan bootstrap pada regresi dengan mempertahankan korelasi pasangan peubah X dan Y. Penduga bootstrap untuk bias dalam prosedur bootstrap residual didefinisikan sebagai: Bias B = 1 B β b β B b=1 (2.23) (Efron & Tibshirani, 1993).
14 Langkah-langkah dalam bootstrap residual (Sungkono,2013): 1. Menentukan nilai Y dari penduga parameter yang dihasilkan oleh model analisis regresi, diperoleh Y = Xβ (2.24) 2. Menentukan model regresi linier sehingga menghasilkan residual. Nilai residual yang diperoleh yaitu, e = Y Y. 3. Mengambil sampel bootstrap berukuran n dari e 1, e 2, e 3, e n secara random dengan pengembalian, diperoleh sampel bootstrap pertama e = (e 1, e 2, e n ). 4. Menghitung nilai bootstrap untuk Y dengan menambahkan e sehingga menghasilkan: Y = Xβ + e (2.25) 5. Menghitung koefisisen regresi untuk sampel bootstrap Y dengan X sehingga diperoleh β. 6. Ulangi langkah 2,3 dan 4 sesuai dengan jumlah replikasi yang diinginkan.
BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Bootstrap Bootstrap adalah prosedur statistika yang melakukan sampling dari sebuah populasi yang dikerjakan dengan cara resampling dari sampel (http://wwwmathsanueduau/~peter/edgtalk/edgtalk1pdf)
Lebih terperinciBAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinci, dengan. Karakteristik dari vektor peubah acak X dan Y sebagai berikut:
3 TINJAUAN PUSTAKA Analisis Korelasi Kanonik Analisis korelasi kanonik (AKK) yang diperkenalkan oleh Hotelling pada tahun 1936, bertujuan untuk mengidentifikasi dan menghitung hubungan linier antara dua
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciBAB I PENDAHULUAN. Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini
BAB I PENDAHULUAN 1.1 Latar belakang Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini bertujuan agar mendekati kebenaran kesimpulan yang diperoleh dari nilai taksiran sementara (hipotesis).
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciPENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI
PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam sebuah penelitian di bidang statistika, peneliti akan berhubungan dengan data pengamatan, baik data kualitatif atau data kuantitatif yang akan diproses
Lebih terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB I PENDAHULUAN. hubungan ketergantungan variabel satu terhadap variabel lainnya. Apabila
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel
Lebih terperinciBAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN
BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB II KAJIAN TEORI. Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan.
BAB II KAJIAN TEORI A. Matriks 1. Definisi Matriks Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri dalam matriks (Howard
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 41 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP DWI ANNISA FITRI Program Studi
Lebih terperinciJudul : Perbandingan Metode MCD Bootstrap dan. Analisis Regresi Linear Berganda. Pembimbing : 1. Dra. Ni Luh Putu Suciptawati,M.Si
Judul : Perbandingan Metode MCD Bootstrap dan LAD Bootstrap Dalam Mengatasi Pengaruh Pencilan Pada Analisis Regresi Linear Berganda Nama : Ni Luh Putu Ratna Kumalasari Pembimbing : 1. Dra. Ni Luh Putu
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciMetode Minimum Covariance Determinan Pada Analisis Regresi Linier Berganda Dengan Kasus Pencilan
Metode Minimum Covariance Determinan Pada Analisis Regresi Linier Berganda Dengan Kasus Pencilan Minimum Covariance Determinants Method On Multiple Linear Regression Analysis The Case Outliers Sifriyani
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah metode statistika yang digunakan untuk mengetahui hubungan antara variabel terikat (dependen, respon, YY) dengan satu atau lebih variabel bebas
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciForum Statistika dan Komputasi, Oktober 2009 p : ISSN :
, Oktober 2009 p : 26-34 ISSN : 0853-8115 Vol 14 No.2 METODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) (Variance-Covariance Matrix Estimation Method for Principal Component
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan.
TINJAUAN PUSTAKA Pencilan Aunuddin (1989) mendefinisikan pencilan sebagai nilai ektstrim yang menyimpang agak jauh dari kumpulan pengamatan lainnya, yang secara kasar berada pada jarak sejauh tiga atau
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 137 146. PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Lebih terperinciBAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST. Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis
BAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis komponen utama robust sebagai konsep pendukung serta metode Minimum
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis yang menjelaskan tentang
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang menjelaskan tentang hubungan antara dua atau lebih variabel. Variabel dalam analisis regresi, dibedakan menjadi dua yaitu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA = (2.2) =
BAB 2 TINJAUAN PUSTAKA 2.1. Regresi Linear Berganda Regresi linear berganda adalah regresi dimana variabel terikatnya dihubungkan atau dijelaskan dengan lebih dari satu variabel bebas,,, dengan syarat
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 21 Regresi 211 Pengertian Persamaan Regresi Menurut Sir Francis Galton (1822-1911), persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai atau
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan satu arah antara variabel prediktor dan variabel respon yang umumnya dinyatakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciPengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust
Pengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust I GUSTI AYU MADE SRINADI Jurusan Matematika Universitas Udayana, srinadiigustiayumade@yahoo.co.id Abstrak. Metode kuadrat
Lebih terperinciIII. METODE PENELITIAN. topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode
III. METODE PENELITIAN Metode penelitian merupakan pendekatan umum untuk membangun topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode penelitian merupakan sistem atas peraturan-peraturan
Lebih terperinciBAB II. Tinjauan Pustaka. kali dikenalkan oleh Francis Galton melalui artikelnya yang berjudul Regression
BAB II Tinjauan Pustaka.1 Metode Kuadrat Terkecil (MKT) Analisis regresi adalah analisis statistika yang bertujuan untuk memodelkan hubungan antara variabel bebas dengan variabel tak bebas. Istilah regresi
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Analisis regresi berguna dalam menelaah hubungan antara sepasang peubah atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui sempurna sehingga
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinci= parameter regresi = variabel gangguan Model persamaan regresi linier pada persamaan (2.2) dapat dinyatakan dalam bentuk matriks berikut:
BAB II LANDASAN TEORI 2. Analisis Regresi Linier Berganda Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menganalisis hubungan antara dua variabel atau lebih. Menurut
Lebih terperinciMODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES
PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas
Lebih terperinciTINJAUAN PUSTAKA Kalibrasi Ganda Regresi Kuadrat Terkecil Parsial ( Partial Least Squares/PLS) 1. Model PLS
TINJAUAN PUSTAKA Kalibrasi Ganda Kalibrasi adalah suatu fungsi matematik dengan data empirik dan pengetahuan untuk menduga informasi pada Y yang tidak diketahui berdasarkan informasi pada X yang tersedia
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciREGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH. oleh IDA YUSWARA DYAH PITALOKA M
REGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH oleh IDA YUSWARA DYAH PITALOKA M0108046 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
Lebih terperinciPerbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi
Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Comparison of Bootstrap and Jackknife Resampling Methods in Determining
Lebih terperinciBAB II KAJIAN TEORI. Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan
5 BAB II KAJIAN TEORI Bab ini akan membahas mengenai pengertian-pengertian dasar yang akan digunakan sebagai landasan pembahasan mengenai model Seemingly Unrelated Regression (SUR). Pengertian-pengertian
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk memenuhi
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciBAB III CONTOH KASUS. Pada bab ini akan dibahas penerapan metode robust dengan penaksir M
BAB III CONTOH KASUS Pada bab ini akan dibahas penerapan metode robust dengan penaksir M dan penaksir LTS. Berikut ini akan disajikan aplikasinya pada data yang akan diolah menggunakan program paket pengolah
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
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 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
Lebih terperinciDaerah Jawa Barat, serta instansi-instansi lain yang terkait.
IV. METODE PENELITIAN 4.1 Waktu dan Lokasi Penelitian Pengambilan data sekunder untuk keperluan penelitian ini dilaksanakan pada awal bulan juli hingga bulan agustus 2011 selama dua bulan. Lokasi penelitian
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciBAB III METODE PENELITIAN. Di dalam penelitian ilmiah diperlukan adanya objek dan metode penelitian
BAB III METODE PENELITIAN 3.1 Objek Penelitian Di dalam penelitian ilmiah diperlukan adanya objek dan metode penelitian Menurut Winarno Surakhmad dalam Suharsimi Arikunto (1997:8) metode penelitian merupakan
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciMETODE PENELITIAN. Setiabudi 8
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian mengenai sikap konsumen terhadap daging sapi lokal dan impor ini dilakukan di DKI Jakarta, tepatnya di Kecamatan Setiabudi, Kotamadya Jakarta
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi yang dilakukan dalam penelitian ini adalah : Riset kepustakaan Kepustakaan dilakukan dengan cara mengumpulkan informasi-informasi yang berhubungan
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciBAB I PENDAHULUAN. hubungan antara dua variabel yang terdiri dari variabel tak bebas (Y ) dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi adalah metode statistika yang paling sering digunakan dalam segala bidang ilmu pengetahuan, analisis ini bertujuan untuk memodelkan hubungan antara
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan manusia. Perkembangan teknologi ini ditandai dengan ditemukannya banyak penemuan penemuan
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciTINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai
II. TINJAUAN PUSTAKA 2.1. Model Linear Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai berikut : Y i = β 0 + X i1 β 1 + X i2 β 2 + + X ip β p +ε i ; i = 1,2,, n bila dirinci
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciBAB I PENDAHULUAN. suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penaksiran koefisien-koefisien regresi linier, biasanya kita digunakan suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinci