Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Ukuran: px
Mulai penontonan dengan halaman:

Download "Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) (3-98X Prt) D-4 Estmas Parameter Geeralzed Pareto Dstrbuto Pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Yustka Des Wula Sar da Sutko Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya E-mal: sutko@statstka.ts.ac.d Abstrak Jawa Tmur memlk potes besar dalam sektor pertaa, khususya produks pad. Lma kabupate peghasl pad terbesar d Jawa Tmur adalah Kabupate Bayuwag, Bojoegoro, Jember, Lamoga, da Ngaw. Produks pad reta terhadap keberagama klm terutama klm ekstrm da terjadya perubaha klm. Dalam upaya memmalka keruga akbat klm, maka perlu mempelajar karakterstk klm ekstrm da detfkas adaya perubaha klm. Peelta dlakuka utuk megetahu cara megestmas parameter betuk da skala megguaka Mamum Lkelhood Estmato (MLE), megeksploras karakterstk curah huja d wlayah peelta, da megdetfkas perubaha klm. Metode yag dguaka megaalss curah huja ekstrm adalah Etreme Value Theory. Salah satu pedekata utuk megdetfkas la ekstrm adalah Peaks Over Threshold yag megkut dstrbus Geeralzed Pareto Dstrbuto (GPD). Data Curah huja dbag mejad dua perode yatu perode (98-99) da perode (99-). Estmas parameter betuk da skala ddapatka melalu MLE yag selajutya dselesaka dega Newto Raphso, karea meghaslka persamaa yag tdak closed form. Peelta meghaslka estmas parameter betuk da skala dstrbus GPD, serta cofdece terval (-α)% dega α sebesar 5%. D sampg tu dsmpulka bahwa terjadya perubaha klm d kelma kabupate, khususya pada musm kemarau da trass Kata Kuc Etreme Value Theory, Geeralzed Pareto Dstrbuto, Mamum Lkelhood Estmato, Peaks Over Threshold, Perubaha klm J I. PENDAHULUAN awa Tmur merupaka provs yag memlk potes besar dalam bdag pertaa. Sektor pertaa merupaka salah satu kotrbutor tertgg PDRB d Jawa Tmur sebesar 5,39%. Berbaga macam jes komodtas yag dproduks atara la pad, jagug, kedela, ub, da kacag-kacaga. Produks terbesar d Jawa Tmur adalah taama pad. Meurut BPS pada tahu sebesar 3,74% Jawa Tmur meyumbag hasl produks pad terhadap Jawa da sebesar,9% berkotrbus terhadap asoal. Pada tahu jumlah pad yag dhaslka sebesar to/tahu dega luas laha pae.9.79 ha (BPS, ). Beberapa kabupate yag meghaslka produks pad dalam jumlah yag besar yatu Bayuwag, Ngaw, Bojoegoro, Lamoga, da Jember. Pada tahu, hasl produks pad d Kabupate Bayuwag sebesar 95.9 to, Kabupate Ngaw sebesar 74.4 to, Kabupate Bojoegoro meghaslka to, Kabupate Lamoga sebesar.55 to da Kabupate Jember sebesar to. Salah satu yag mempegaruh produks pad adalah keragama klm terutama klm ekstrm da perubaha klm. Meurut World Meteorologcal Orgazato (WMO), klm dapat dkataka sebaga rata-rata cuaca atau secara lmah merupaka betuk statstk deskrptf dar ratarata da varabltas dalam suatu perode Kods klm Idoesa dpegaruh oleh feomea El No/La Na da Dpole Mode berdasarka formas dar BMKG. Feomea El No/La Na bersumber dar wlayah tmur Idoesa da Dpole Mode bersumber dar barat Idoesa. Keadaa curah huja pertahu d Jawa Tmur mempuya karakterstk kurag dar.75 mm, datara.75 hgga. mm da lebh dar. mm. Metode Etreme Value Theory (EVT) dapat dguaka dalam megdetfkas adaya perubaha klm dega melhat perubaha dstrbus atar perode waktu, serta besar parameter dstrbus EVT-ya. Oleh karea tu metode pedugaa parameter dstrbus EVT mempuya pera petg dalam kaja tersebut. Salah satu peelta yag telah megaplkaska teor tersebut adalah Rahayu [] yag dlakuka detfkas perubaha klm megguaka metode Block Mama (BM) dega megestmas parameter Geeralzed Etreme Value (GEV) megguaka Mamum Lkelhood Estmato (MLE) da Probablty Weghted Momets (PWM). Kesmpula la yag dperoleh peelta tersebut adalah estmas parameter megguaka PWM aka meghaslka persamaa yag closed form. Peelta perubaha klm juga dapat dlakuka dega melakuka smulas utuk curah huja d Republk Ceko yag berlokas d tegah Eropa dlakuka dega megkatka la threshold yag dlakuka oleh Kysel & Beraova []. Pegkata la threshold bertujua utuk megestmas mult year retur level jumlah curah huja. Tujua peelta adalah megestmas parameter Geeralzed Pareto Dstrbuto (GPD) megguaka MLE, megeksploras karakterstk curah huja d setra produks pad, da megdetfkas adaya perubaha klm d wlayah tersebut melalu pedekata EVT-POT. II. TINJAUAN PUSTAKA Metode yag dguaka dalam peelta adalah Peaks Ovet Threshold, metode persetase %, Mamum Lkelhood Estmato, cofdece terval parameter

2 JURNAL SAINS DAN SENI POMITS Vol., No., (3) (3-98X Prt) D-4 (-α)% da uj kesesuaa dstrbus Kolmogorov Smrov. A. Peaks Over Threshold Metode Peaks Over Threshold (POT) adalah metode la EVT yag dguaka utuk megdetfkas la ekstrm. Metode POT megguaka la patoka atau yag basa dsebut dega threshold. Metode POT yag megkut dstrbus Geeralzed Pareto Dstrbuto (GPD) dperkealka pertama kal oleh Pcklads(975) selajutya dpelajar oleh Davdso (984). Teorema Pcklad-Dalkema da de Haa meyataka bahwa apabla semak tgg la threshold maka dstrbusya aka megkut GPD Gambar meujukka cara pegambla data ekstrm megguaka POT. Data da adalah la yag berada d atas threshold (u), sehgga keeam data yag berada d atas threshold merupaka la ekstrm. Semak tgg la threshold maka data ekstrm aka semak megkut dstrbus Geeral Pareto. Berkut adalah Probablty Desty Fucto GPD. jka da / jka Dmaa. GPD memlk dua parameter yatu parameter betuk ( ) da parameter skala (σ). Terdapat tga tpe dstrbus dalam GPD. Tpe berdstrbus Ekspoesal jka. Tpe berdstrbus Pareto jka da tpe 3 berdstrbus Beta jka. Semak besar la maka dstrbus aka memlk ekor yag semak gemuk. Sehgga peluag terjadya la ekstrm pu semak besar. Meurut Kotz & Nadarajah [3] Apabla maka kejada tersebut memlk short tal da jka tal. B. Peetua Nla Threshold () maka kejada tersebut memlk log Lagkah awal dalam megaalss megguaka POT adalah meetuka la threshold. Nla threshold adalah batas ambag patoka dalam meetuka la ekstrm. Nla-la yag berada d atas threshold merupaka la ekstrm. Coles [4] mejelaska bahwa peetua la threshold sagat petg karea apabla threshold terlalu kecl maka aka megakbatka parameter yag bas da apabla terlalu tgg maka jumlah observas semak sedkt da varas aka tgg. Terdapat beberapa cara dalam meetuka la threshold dataraya adalah Mea Resdual Lfe Plot (MRLP), metode prosetase, da Sample Mea Ecess Fucto (SMEF). Metode MRLP merupaka suatu metode dalam meetuka la threshold berdasarka pada la rataa dar GPD. SMEF adalah metode la yag meetuka la threshold dega meamplka grafk. SMEF adalah estmas dar fugs rata-rata dar kelebha data(data ekstrm). Metode yag lebh mudah dguaka dalam peetua threshold adalah metode persetase. % dar data merupaka la kelebha atau yag dsebut dega la ekstrm meurut Chaves-Dermoul & Embrechts [5]. Lagkah-lagkah metode prosetase sebaga berkut. Gambar Pegambla Sampel pada POT Megurutka data dar yag terbesar hgga yag terkecl.. Meghtug jumlah data ekstrm dmaa adalah jumlah data ekstrm da adalah jumlah sampel data. Sehgga data yag berada d uruta hgga merupaka la ekstrm.. Meetuka la threshold (u) yatu. C. Mamum Lkelhood Estmato Mamum Lkelhood Estmato (MLE) merupaka salah satu metode estmas yag memaksmumka fugs lkelhood utuk medapatka estmas parameterya. Fugs lkelhood ddapatka dar perkala probablty desty fucto sampel radom. Persamaa fugs lkelhood sebaga berkut. L f (, ; ),,...,, Persamaa fugs l lkelhood sebaga berkut. l L f (, ; ),,,..., l Nla estmas ddapatka apabla persamaa turua pertama membetuk persamaa yag closed form. Apabla persamaa yag terbetuk tdak closed form maka dperluka aalss umerk lajuta utuk peyelesaaya. D. Newto Raphso Salah satu aalss umerk yag dguaka utuk meyelesaka persamaa yag tdak closed form adalah Newto Raphso. Apabla adalah vektor dar turua pertama dar da adalah matrks dar turua kedua dar fugs l lkelhood. dsebut juga matrks Hessa. Persamaa umum Newto Raphso yag ddapatka dar peurua deret Taylor sebaga berkut. Iteras berhet apabla. E. Cofdece Iterval Estmas Parameter Setelah medapatka estmas GPD, selajutya macar selag kepercayaa sebaga batas atas da batas bawah dar estmas. Cofdece terval dega tgkat kepercayaa (-α)% utuk estmas parameter betuk sebaga berkut. Z /. SE( ) Z /. SE( ) Dmaa SE ( ) ddapatka dar. F. Uj Kesesuaa Dstrbus Peguja dstrbus dapat dlakuka dega megguaka uj Kolmogorov-Smrov. Peguja (3) (5) () (7)

3 JURNAL SAINS DAN SENI POMITS Vol., No., (3) (3-98X Prt) D-43 dlakuka dega meyesuaka fugs dstrbus sampel (emprk) dega dstrbus teorts tertetu. Peguja hpotess sebaga berkut. H : (data telah megkut dstrbus teorts ) H : (data tdak megkut dstrbus teorts ) Dmaa adalah suatu fugs dstrbus kumulatf yag belum dketahu. Statstk uj utuk kesesuaa dstrbus adalah D htug sup F ( ) F ( ) Meurut Dael [] utuk medapatka kesmpula maka membadgka dega pada tabel Kolmogorov-Smrov dega taraf sgfkas (α). Tolak H apabla. A. Sumber Data III. METODOLOGI PENELITIAN Data yag dguaka dalam peelta adalah data sekuder yag dperoleh dar Bada Meteorolog Klmatolog da Geofska (BMKG). Data berupa data pegamata curah huja hara yag dambl d setap pos pegukura d lma kabupate dar tahu 98 sampa, melput: Kabupate Bayuwag, Bojoegoro, Jember, Ngaw, da Kabupate Lamoga. B. Varabel Peelta Varabel yag dguaka dalam peelta adalah curah huja hara. Dalam satu tahu aka dbag mejad empat trwula dmaa masg-masg trwula mewakl musm kemarau, masa trass kemarau-huja, musm huja, masa trass huja-kemarau. Musm huja dtada oleh Bula Desember, Jauar da Februar (DJF). Bula Maret, Aprl, Me (MAM) sebaga masa trass huja-kemarau. Musm kemarau dwakl oleh Bula Ju, Jul, Agustus (JJA). Masa trass kemarau-huja dwakl oleh Bula September, Oktomber, November (SON). C. Metode Aalss Data Lagkah-lagkah aalss data yag dlakuka dalam peelta alah sebaga berkut :. Membuat dagram batag data curah huja utuk megetahu pola sebara huja d masg-masg kabupate.. Megdetfkas adaya ekor dstrbus gemuk data curah huja hara melalu hstogram. 3. Megdetfkas ekor dstrbus gemuk data ekstrm megguaka heavy tal plot. 4. Membag data mejad 4 trwula yatu DJF, MAM, JJA, SON. 5. Membag data mejad dua perode. Perode (98-99) da perode (99-) d masgmasg baga.. Meetuka threshold d masg-masg trwula d setap perode. 7. Pegambla data ekstrm yatu data yag melebh la threshold. 8. Megestmas parameter betuk da skala megguaka MLE. 9. Membuat cofdece terval (-α)% parameter betuk. (8). Melakuka uj kesesuaa dstrbus megguaka uj Kolmogorov Smrov.. Megdetfkas perubaha klm melalu estmas parameter betuk da cofdece terval ya. IV. HASIL DAN PEMBAHASAN A. Parameter Geeralzed Pareto Dstrbuto Megguaka Mamum Lkelhood Estmato Salah satu metode megestmas parameter Geeralzed Pareto Dstrbuto (GPD) adalah Mamum Lkelhood Estmato (MLE). Cara kerja metode adalah memaksmumka fugs lkelhood yag merupaka fugs peluag bersama,...,,. Fugs lkelhood dar probablty desty GPD utuk adalah sebaga berkut. L,,,..., (9) Fugs l lkelhood dar persamaa 9 adalah sebaga berkut. l L l,,,..., l Lagkah selajutya setelah medapatka fugs l lkelhood adalah medapatka turua pertama terhadap parameterya yatu ξ da σ. l L l L l Selajutya membuat persamaa turua pertama mejad sama dega ol hgga terbetuk persamaa yag closed form utuk medapatka estmas parameter sebaga berkut. ˆ l ˆ ˆ ( ˆ) Persamaa 3 merupaka persamaa yag tdak closed form karea mash terdapat parameter d dalam persamaa akhrya. Salah satu peyelesaa persamaa yag tdak closed form adalah metode Newto Raphso. Pegguaa metode Newto Raphso dlakuka dega melakuka teras-teras hgga ddapatka hasl yag koverge. Persamaa umum Newto Raphso sebaga berkut. (4) θ ˆ ˆ l θ g l θ H θ adalah vektor grade berukura dmaa adalah jumlah parameter. bers turua pertama probablty desty fucto GPD terhadap parameterya. adalah matrks Hessa berukura yag bers turua kedua terhadap parameter. l L l L g θ (5) ξ σ l L H θ l L l ˆ ˆ ˆ l L l L l () () () (3) ()

4 Rata-Rata Curah Huja JURNAL SAINS DAN SENI POMITS Vol., No., (3) (3-98X Prt) D-44 Turua kedua dar fugs l lkelhood sebaga berkut. l L 3 l l L l L (7) (8) (9) Iteras Newto Raphso dawal dega meetuka la. merupaka vektor yag elemeya bers da. Maka la estmas awal tersebut dsubsttuska pada vektor grade da matrks Hessa. Nla ddekat dega stadar devas data ekstrm sedagka ddapatka dar substtus persamaa 3 utuk σ ke persamaa. Hasl substtus djadka sama dega ol. Estmas awal parameter betuk sebaga berkut. ˆ s Iteras berhet apabla. Fugs Lkelhood utuk dar probablty desty fucto GPD adalah sebaga berkut. L,,..., e () Fugs l lkelhood dar persamaa adalah sebaga berkut. l L,,..., l () Estmas parameter skala dperoleh dega membuat persamaa turua pertama fugs l lkelhood mejad sama dega ol. ˆ (3) B. Karakterstk Curah Huja d Wlayah Peelta Gambara umum karakterstk curah huja dalam peelta megguaka deskrps curah huja, dagram batag, hstogram, da heavy tal plot utuk masg-masg kabupate. Tabel meujukka bahwa rata-rata curah huja tertgg berada d Kabupate Jember sebesar,44 mm/har, sedagka rata-rata curah huja teredah terjad d Kabupate Lamoga sebesar 4,5 mm/har. Keragama curah huja tertgg terletak d Kabupate Ngaw. Frekues tertgg curah huja terletak pada Kabupate Ngaw yatu sebesar mm/har. Gambar mejelaska rata-rata curah huja d tap bula dar tahu 98 hgga tahu. Pola curah huja d kelma kabupate berpola mosu karea berbetuk kurva U. Namu pucak curah huja d kelma kabupate tersebut berbeda. Pucak curah huja d Kabupate Bayuwag da Ngaw terdapat pada Bula Februar, sedagka ketga kabupate laya yatu Kabupate Bojoegoro, Jember, da Lamoga memlk pucak curah huja d bula Jauar. Hstogram dguaka utuk megetahu adaya dkas terjadya ekor gemuk (heavy tal). Apabla terdapat dkas tersebut maka terdapat kemugka adaya data ekstrm. () Tabel. Nla Rata-Rata, Stadar Devas, Mmum da Maksmum Curah Huja d Tap Kabupate Kabupate Rata- Rata (mm/har) Gambar Pola Curah Huja d Wlayah Peelta Data yag dplotka dalam hstogram adalah data curah huja hara dar tahu 98-. Terdapat lma hstogram yag setap hstogram meujukka pola utuk setap kabupate. Hstogram kelma kabupate dtamplka dalam Gambar 3. Gambar 3 adalah hstogram curah huja hara d Kabupate Jember dar tahu 98 hgga tahu. Gambar 3 meujukka bahwa ekor dstrbus turu secara lambat. Hal meujukka bahwa adaya dkas heavy tal atau ekor gemuk d Kabupate Jember. Hstogram keempat kabupate laya juga meujukka bahwa terjad ekor dstrbus yag turu secara lambat. Heavy tal megdkaska adaya data ekstrm. Data ekstrm d masg-masg trwula d tap perode ddapatka melalu peetua la threshold. Data ekstrm yag ddapatka dplotka utuk megetahu pola ekor dstrbusya. Gambar 4 adalah data curah huja ekstrm Kabupate Jember yag dplotka megguaka tme seres plot tapa memperhatka uruta waktu. Tabel meujukka bahwa rata-rata curah huja da stadar devas tertgg terdapat d Kabupate Jember, sehgga adaya kemugka dkas heavy tal terjad. Iformas yag ddapatka dar Gambar 4 adalah ekor dstrbus data curah huja ekstrm yag turu secara lambat d setap trwula d Kabupate Jember. hal juga terjad pada keempat wlayah peelta laya. C. Peetua Nla Threshold St.Dev M (mm/har) Maks (mm/har) Bayuwag 4,34,85 3 Bojoegoro 4,3,45 5 Jember,44 4, Lamoga 4,5,384 4 Ngaw 5,847 4, Bay uw ag Lamoga Jauar Febr uar Maret Aprl Me Ju Jul Agustus September Oktober November Desember 8 4, 7,5 5,,5, Jauar Februar Maret Apr l Me Ju Jul Agustus September Oktober November Desember Bojoegoro Bula Jauar Februar Maret Aprl Me Ju Jul Agustus September Oktober November Des em ber Peetua la threshold ddapatka melalu metode persetase %. Dmaa data durutka dar yag terbesar hgga yag terkecl. % dar data teratas merupaka data ekstrm sehgga la threshold pu dapat dtetuka yatu data uruta ke dmaa adalah jumlah data ekstrm. Ngaw 9 3 Jember

5 Frekues JURNAL SAINS DAN SENI POMITS Vol., No., (3) (3-98X Prt) D djf djf mam mam jja jja so so Curah Huja Hara Gambar 3 Hstogram Curah Huja Kabupate Jember Gambar 4 Heavy Tal Plot Curah Huja Ekstrm Kabupate Jember Trwula DJF MAM JJA SON Nla Tabel 3 Estmas Parameter GPD Meurut Perode da Wlayah Bayuwag Bojoegoro Jember Lamoga Ngaw P P P P P P P P P P ˆ 7,7 9,73 3,43,5 4,94 8,883 7,79,99 7,4 7,55 ˆ,8,4 -,489 -,7 -,58 -,53 -,9 -,79,3 -,5 CI 9% -,7 ; -,9 ; -,4; -,54 ; -,33 ; -,48; -,85 ; -,35 ; -,75; -,8 ;,8,47 -,337,,9 -,57,94 -,55,8,8 Tpe Dstrbus Pareto Pareto Beta Beta Beta Beta Beta Beta Pareto Beta ˆ 5,44,584 4,49 3,8,7 9,7,37,7 5,8 4,777 ˆ,49 -,4 -,49 -,34 -,5, -,55 -,5 -, -, CI 9%,44 ;,45 -,5; -,4 -,8 ; -,3 -,435 ; -,57 Tpe Dstrbus Pareto Beta Beta Beta Beta Pareto Beta Beta Beta Beta ˆ,8,379,3 4,,7,84 5,9 9,94,494 7,33 ˆ,5,5 -,7,4,7,8,9,43,494,9 CI 9% -,3 ;,74; -, ; -,3;,4 ; -,99 ;,35 ;,5 ;, ; -,8;,53,857,7,3,58,,984,43,789,8 Tpe Dstrbus Pareto Pareto Beta Pareto Pareto Pareto Pareto Pareto Pareto Pareto ˆ 3,38,78,8 33, 8,97,99,9 5,9 5,9,58 ˆ -,8 -,48 -,7 -,8,73 -,34,3 -,53,53 -,49 CI 9% -,37 ; -, ; -,39 ; -,38 ; -,5 ; -,35; -,98 ; -,8 ; -,4 ; -,54 ;,54,5 -,4 -,8,5,7, -,5,34,55 Tpe Dstrbus -,9;,45 -, ;,45 -,;,5 -,4;,5 -,3 ;,59 Beta Beta Beta Beta Pareto Beta Pareto Beta Pareto Beta -,3;, Jumlah keseluruha data d setap perode dsmbolka dega N, sehgga jumlah data ekstrm adalah % dar jumlah data keseluruha. Namu, dalam praktekya terkadag tdak tepat % dar N karea adaya la curah huja yag sama setap harya. Tabel meujukka la threshold d Kabupate Jember. Threshold trwula DJF utuk perode adalah 3 dega jumlah data ekstrm sebayak 83 data dar 9 data pegamata curah huja hara. Nla threshold pada trwula JJA d perode berla. Itu berart bahwa pada trwula tersebut jarag turu huja sehgga observas yag teramat doma tercatat mm/har. Lagkah yag sama juga dlakuka utuk meetuka la threshold pada keempat kabupate laya. Masgmasg trwula d setap perode memlk la threshold yag berbeda-beda. D. Estmas Parameter Geeralzed Pareto Dstrbuto Setelah ddapatka data ekstrm d masg-masg trwula d setap perode, data tersebut dolah megguaka program R. Tujuaya utuk megetahu tpe dstrbus masg-masg baga d setap perode melalu estmas parameter. Estmas parameter megguaka MLE da dlajutka megguaka Newto Raphso. Tabel Nla Threshold Kabupate Jember Trwula Perode Perode N 9 85 DJF 83 7 threshold 3 38 N 9 84 MAM 9 83 threshold 3 N 9 84 JJA 87 4 threshold N 9 8 SON 9 7 threshold Tpe dstrbus dtetuka dar besarya la parameter betuk. Apabla maka data curah huja ekstrm berdstrbus Beta. Apabla maka berdstrbus Pareto da jka maka berdstrbus Ekspoesal. Tabel 3 meujukka hasl da. Kabupate Jember meujukka egatf yatu -,58 d perode da -,53 d perode, sehgga dstrbus data curah huja ekstrm d trwula DJF adalah Beta. Trwula JJA meujukka postf yatu,7 d perode da,8 d perode, sehgga berdstrbus Pareto. Namu d trwula MAM, perode da perode memlk la yag berlawaa.

6 Kabupate Kabupate Lamoga Bayuwag Ngaw Bojoegoro Jember JURNAL SAINS DAN SENI POMITS Vol., No., (3) (3-98X Prt) D-4 Trwula (Perode) DJF () MAM () JJA () SON () DJF () MAM () JJA () SON () DJF () MAM () JJA () SON () Tabel 4 Uj Kesesuaa Dstrbus D htug,*,47*,9*,4*,38*,*,4*,8*,39*,8*,5*,7*,*,3*,*,75*,85*,5*,4*,3*,99*,98*,54*,3* D tabel,44,3,43,,,47,,3,48,3,44,,94,8,44,,49,4,4,,4,5,43,4 Trwula (Perode) DJF () MAM () JJA () SON () DJF () MAM () JJA () SON () *megkut GPD D htug,73*,57*,*,43*,8*,55*,*,*,45*,9*,44*,3*,8*,*,54*,48* D tabel,48,,43,3,47,5,45,,45,4,4,,48,8,45,4 Nla perode sebesar -,5 da perode berla postf yatu,, sehgga perode trwula MAM Kabupate Jember berdstrbus Beta da perode berdstrbus Pareto. Hal yag sama juga terjad d trwula SON. Nla d perode postf da perode berla egatf, sehgga dstrbus data perode adalah Pareto da Beta d perode. Keempat Kabupate laya juga megalam hal yag serupa. Terdapat beberapa trwula yag memlk tpe dstrbus yag sama atar perodeya, beberapa laya memlk tpe dstrbus yag berbeda. Tabel 3 meujukka bahwa pada Kabupate Jember la perode pada trwula MAM tdak berada d dalam cofdece terval 9% perode. Hal yag sama terjad juga pada trwula JJA. Keempat Kabupate laya juga megalam hal yag sama dmaa estmas parameter betuk d salah satu perode tdak terdapat dalam cofdece terval 9% d perode laya. E. Uj Kesesuaa Dstrbus Uj Kolmogorov Smrov dguaka utuk meguj dstrbus data curah huja ekstrm. Tujuaya utuk megetahu apakah data tersebut telah megkut dstrbus GPD. α yag dguaka sebesar 5%.Hasl uj kesesuaa dstrbus dsajka dalam Tabel 4. Perhtuga uj kesesuaa dstrbus megguaka program Mtab dega makro Mtab utuk medapatka D htug da tabel Kolmogorov Smrov utuk medapatka D tabel. D tabel dguaka utuk acua D htug dalam megambl keputusa.perhtuga D tabel dlakuka secara maual maual karea jumlah data lebh dar yag tdak terdapat dalam tabel Kolmogorov Smrov. Formula D tabel adalah,3/ utuk α = 5%. Tolak H apabla D htug lebh dar D tabel. Tabel 4 meujukka bahwa seluruh trwula d tap perode pada Kabupate Jember telah megkut dstrbus GPD. Hal yag sama juga terjad pada keempat kabupate laya yatu data curah huja ekstrm telah megkut dstrbus GPD. F. Idetfkas Perubaha Iklm Perubaha klm terjad apabla salah satu dar dua syarat berkut terpeuh. Syarat pertama yatu adaya perbedaa dstrbus atara perode dega perode. Syarat kedua yatu estmas parameter betuk perode berada d luar cofdece terval (-α)% perode atau sebalkya. Idetfkas perubaha klm dsajka dalam Tabel 5. Tabel 5 meujukka bahwa terjad perubaha klm d kelma kabupate tersebut. Perubaha klm pada trwula DJF yag mewakl musm huja, terjad d Kabupate Bojoegoro da Ngaw. Perubaha klm trwula MAM yag mewakl musm trass hujakemarau terjad d tga kabupate yatu Kabupate Bayuwag, Bojoegoro, da Jember. Perubaha klm d trwula JJA (musm kemarau) terjad d kelma kabupate tersebut. Perubaha klm d trwula SON yag mewakl musm trass kemarau-huja terjad d tga kabupate, yatu d Kabupate Jember, Lamoga, da Ngaw. Tabel 5 Idetfkas Perubaha Iklm Kabupate DJF MAM JJA SON Bayuwag - - Bojoegoro - Jember - Lamoga - - Ngaw - = terjad perubaha klm V. KESIMPULAN DAN SARAN Estmas parameter GPD utuk megguaka MLE harus dselesaka dega Newto Raphso karea persamaa turua pertama tdak closed form, sedagka utuk turua pertama closed form sehgga ddapatka estmator parameter skala. Pola curah huja d Idoesa adalah mosu yag berbetuk kurva U da umodal memlk satu pucak. Perubaha klm terjad d setap kabupate d kabupate. Perubaha palg bayak terjad pada musm kemarau da musm trass. Adapu sara yag dberka utuk peelta selajutya berdasarka peelta yag telah dlakuka adalah adaya metode estmas parameter la yag dapat meyelesaka persamaa probablty desty fucto GPD sehgga ddapatka persamaa umum da. Sela tu adaya peyelesaa apabla terjad kasus dmaa data yag dguaka depedet atau tdak radom. DAFTAR PUSTAKA [] Rahayu, A.,, Estmas da Peguja Dstrbus Geeralzed Etreme Value (GEV) (Stud Kasus : Idetfkas Perubaha Iklm d Jawa), Isttut Tekolog Sepuluh Nopember Surabaya. [] Kysely, J., da Beraova, R.,, Clmate-Chage Efects o Etreme Precptato Cetral Europe : Ucertates of Scearo Based o Regoal Clmates Models, Theor Apply Clmatol, 95, [3] Kotz, S. da Nadarajah, S.,, Etreme Value Dstrbutos Theory ad Applcatos, Imperal College Press. [4] Coles, S.,, A Itroducto to Statstcal Modelg of Etreme Values, Lodo : Sprger-Verlag. [5] Chaves-Dermoul, V., da Embrechts,P.,, Smooth Etermal Models for Operatoal Rsk, Facal Valuato ad Rsk Maagemet Workg Paper Seres, 35. [] Dael, W Statstka Noparametrk Terapa. Jakarta: PT Grameda.

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur YUSTIKA DESI WULAN SARI 39 4 Estmas Parameter Geeralzed Pareto Dstrbuto Pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Yustka Des Wula Sar da Sutko Jurusa Statstka, Fakultas Matematka

Lebih terperinci

Estimasi Parameter Generalized Pareto Distribution pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur Estmas Parameter Geeralzed Pareto Dstrbuto pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Oleh : Yustka Des Wula Sar 39 4 Dose Pembmbg : Dr. Sutko, S.S.,M.S. Semar Hasl Tugas Akhr -- 6

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statstka SSN: 46-6456 Aalss Curah Huja Ekstrm Megguaka Teor Nla Ekstrm utuk Megdetfkas Perubaha klm (Berdasarka Data Curah Huja Hara pada Jauar Tahu 985 sampa Desember Tahu d stasu Jatwag Jawa Barat)

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi 3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

Statistika. Menyajikan Data dalam Bentuk Diagram ;

Statistika. Menyajikan Data dalam Bentuk Diagram ; Statstka Meyajka Data dalam Betuk Dagram ; Meyajka Data dalam Betuk Tabel Dstrbus Frekues ; Meghtug Ukura Pemusata, Ukura Letak, da Ukura ; Peyebara Data Kalau kamu ke kator keluraha, kator pajak, kator

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

Lebih terperinci