JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188"

Transkripsi

1 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally Weghted Posson Regresson Rda Dw Lestar, Sr Pngt Wulandar, dan Purhad Jurusan Statsta, Faultas Matemata dan Ilmu Pengetahuan lam, Insttut Tenolog Sepuluh Nopember (ITS) Jl. ref Rahman Ham, Surabaya Indonesa e-mal: sr_pngt@statsta.ts.ac.d bstra Tuberuloss merupaan salah satu penyat saluran pernafasan bawah dan menular yang dsebaban oleh uman Mycrobacterum Tuberculoss. Provns Jawa Tmur mendudu perngat terbanya edua umlah asus penyat tuberuloss d Indonesa. Dalam peneltan n dlauan pemodelan fatorfator yang mempengaruh umlah asus penyat tuberuloss d Jawa Tmur dengan pendeatan Generaled Posson Regresson (GPR) dan Geographcally Weghted Posson Regressons (GWPR). Pemodelan menggunaan regres posson dperoleh hasl bahwa terad asus over dspers, sehngga dgunaan metode GPR untu mengatasnya. GWPR merupaan pengembangan dar regres Posson dengan memperhatan fator spasal. Hasl pemodelan menunuan bahwa dengan metode GWPR varabel yang berpengaruh sgnfan terhadap umlah asus penyat tuberuloss d seluruh abupaten/ota d Jawa Tmur adalah persentase pendudu usa produtf, persentase tenaga esehatan terdd tuberuloss, dan persentase tempat umum dan pengelolaan maanan (TUPM) sehat. Sedangan metode GPR memberan hasl bahwa persentase pendudu usa produtf, dan TUPM sehat berpengaruh sgnfan terhadap umlah asus penyat tuberuloss d Jawa Tmur. Kata Kunc GPR, GWPR, Regres Posson, Tuberuloss. T I. PENDHULUN UERKULOSIS sampa saat n mash menad su esehatan global d semua negara. Sebanya, uta penderta tuberuloss dengan propors % pada negara berembang dengan ematan uta orang pertahun, dan orang dapat ternfes tuberuloss setap det. Indonesa berada pada perngat elma negara yang berategor negara beban tngg terhadap tuberuloss []. Memerang HIV/IDS, Malara, Tuberuloss dan penyat lannya merupaan salah satu agenda dar Mllenum Development Goals (MDGs). Tuberculoss (T) merupaan salah satu penyat saluran pernafasan bawah dan menular yang dsebaban oleh Mycrobacterum Tuberculoss. Penyat Tuberculoss dperenalan oleh Robert Koch d erln, Jerman pada Maret []. Provns penyumbang umlah penderta tuberuloss terbanya d Indonesa adalah Provns Jawa Tmur yang berada pada perngat edua d bawah Provns Jawa arat. Jumlah penderta T d Jawa Tmur tahun sebanya. orang dan. penderta tuberuloss mennggal []. Peneltan [] merupaan peneltan tentang fator-fator yang mempengaruh penyat Tuberculoss pada pasen dengan regres logst multnomal d Kota Semarang. Hasl yang dperoleh adalah varabel umur, tempat tnggal, dan ebasaan meroo berpengaruh sgnfan terhadap T postf sebesar,%. Peneltan [] tentang fator esehatan lngungan yang berhubungan dengan eadan tuberculoss paru d Kabupaten Clacap, memberan hasl bahwa pencahayaan, elembaban, ventlas, dan status g meml hubungan dengan teradnya penyat tuberuloss. Perbedaan fator-fator yang berpengaruh d masngmasng topograf menunuan adanya pengaruh onds loal dar suatu wlayah tertentu dalam menentuan fator-fator yang berpengaruh sgnfan terhadap penyat tuberculoss. Salah satu metode pemodelan dengan memperhatan fator spasal adalah metode Geographcally Weghted Posson Regresson (GWPR), dmana setap wlayah past meml onds geografs yang berbeda. Jumlah asus tuberuloss d Provns Jawa Tmur merupaan data count yang mengut dstrbus posson. Regres posson sangat coco dgunaan untu manganalss data count a mean dan varansnya sama (equdsperson). an tetap, pada data umlah asus tuberuloss onds equdsperson tda terpenuh, arena nla varans lebh besar darpada rata-ratanya (over dspers). Oleh arena tu, untu mengatas asus over dspers dalam peneltan n dlauan pemodelan menggunaan metode Generaled Posson Regresson (GPR). GPR merupaan salah satu alternatf untu mengatas adanya asus over/under dspers pada pemodelan regres posson. erdasaran uraan tersebut, maa dalam peneltan n dlauan pemodelan terhadap fator-fator yang mempengaruh umlah asus penyat tuberculoss d Provns Jawa Tmur dengan metode Generaled Posson Regresson dan Geographcally Weghted Posson Regresson.

2 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- II. TINJUN PUSTK. Regres Posson Regres posson merupaan model regres nonlnear yang serng dgunaan untu mengatas data count dmana varabel respon ( Y ) mengut dstrbus posson []. Probabltas dstrbus posson adalah []. μ y e μ p Y; y ; y,,,... y! Dengan µ adalah rata-rata (mean) dan varan dar varabel random Y yang berdstrbus posson. Dstrbus posson dgunaan untu memodelan perstwa yang arang terad dalam perode watu tertentu. Msalan terdapat seumpulan data dengan strutur sebaga berut, y y n n n n dengan y = nla observas e- dar varabel respon (Y ) = nla observas e- dar varabel predtor ( ) X. Model regres posson dtuls dengan persamaan berut), ep T β dmana T β T. Generaled Posson Regresson (GPR) Model GPR merupaan suatu model yang sesua untu data count apabla terad over/under dspers. Sehngga selan parameter, dalam model GPR uga terdapat sebaga parameter dspers. Msal y,,,... merupaan varabel respon. Dstrbus Generaled Posson (GP) [] sebaga berut. y y y y f y ; ; ep, y,,,.. y! Mean dan varans model GPR adalah sebaga berut. E y dan Var y pabla sama dengan maa model GPR aan menad model regres posson basa, sedangan apabla maa model GPR merepresentasan terad overdsperson pada data count, dan apabla maa model GPR merepresentasan terad underdsperson pada data count. Model GPR meml bentu yang sama dengan model regres posson sebaga berut. T ep β,,,..., n () dengan T β T C. Penguan spe Data Spasal U efe spasal dlauan untu mengetahu adanya efe spasal secara dependens atau heterogentas. U dependens spasal dlauan untu melhat apaah pengamatan d suatu loas berpengaruh terhadap pengamatan d loas lan yang letanya berdeatan. Penguan dependens spasal dlauan menggunaan statst u Moran s I dengan hpotess H : I (tda ada dependens spasal) dan H : I (terdapat () () () dependens spasal). Statst u Moran s I adalah sebaga berut. I Iˆ E ( Iˆ) Var ( Iˆ) Tola H a nla Z Z atau p-value<, dmana I I / merupaan ndes Moran, dan E ( I ) adalah nla harapan dar ndes Moran. U heterogentas spasal dlauan untu melhat apaah terdapat ehasan pada setap loas pengamatan, sehngga parameter regres yang dhaslan berbeda-beda secara spasal. Penguan heterogentas spasal dlauan menggunaan statst u reusch-pagan (P) dengan hpotessnya adalah. H : (varans antar loas sama) : n H mnmal ada satu (varans antar loas berbeda) Statst u adalah sebaga berut. T T T P ( / ) f Z(Z Z) Z f Tola H a nla P atau p-value<, dmana Z (, ) merupaan matrs beruuran n ( ) berupa vetor yang sudah dnormalstandaran untu setap observas dan elemen matrs f f, f,..., T f n eˆ dengan f. ˆ D. Model Geographcally Weghted Posson Regresson (GWPR) Model GWPR adalah salah satu metode statsta yang merupaan pengembangan dar regres Posson dengan penasr parameter model bersfat loal untu setap tt atau loas dmana data tersebut dumpulan dengan asums data berdstrbus Posson. Model GWPR dembangan dar metode GWR yatu suatu ten yang membawa eranga dar model regres sederhana menad model regres yang terbobot []. Dalam model GWPR, varabel respon (Y) dpreds dengan varabel predtor (X) yang oefsen regresnya dpengaruh oleh leta geografs ba lntang maupun buur dan dsmbolan u, v bergantung pada loas dmana data tersebut damat. Model GWPR dengan u sebaga oordnat lntang dan v sebaga oordnat buur yang dgunaan sebaga pembobot parameter adalah sebaga berut. y ~posson, dmana μ μ ep β u, maa y ~ ep β u () dengan merupaan banyanya varabel predtor, y adalah nla observas respon e-, adalah nla observas varabel predtor e- pada pengamatan loas u, v. u, v adalah oefsen regres varabel predtor e- untu setap loas u, dan u, adalah oordnat lntang dan buur dar tt v v e- pada suatu loas geografs. Dalam penasran parameter d suatu tt (u ) dbutuhan adanya pembobot spasal dmana pembobot yang dgunaan adalah fungs ernel gauss arena meml nla bandwdth optmum, dengan rumusan sebaga berut. () ()

3 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- w u, v d ep b Dengan d adalah ara Eucldean u u v v antara loas u, v dan loas u, v, dan b adalah nla bandwdth optmum pada tap loas. E. U Parameter Model GWPR Penguan parameter model GWPR terdr dar tga macam penguan, yatu.. Mengu esamaan antara model GWPR dan model regres Posson dengan hpotess berut. H : β u H : β u β Statst u : F ht Devans Devans Model Model β ; df df,,...,n;,,,..., Dmsalan model b adalah model GWPR dengan deraat bebas df dan model dengan deraat bebas df merupaan model regres posson. Tola H a nla F F, ht, df, df berart terdapat perbedaan yang sgnfan antara model regres Posson dan model GWPR.. Penguan Secara Serenta model GWPR Penguan serenta dlauan menggunaan Mamum Lelhood Rato Test (MLRT) dengan hpotess berut. H : β u β u β u H : mnmal ada satu β u ;,,..., ;,,,...,n Statst u yang dgunaan, D ˆ ln L ˆ ln L ˆ () Tola H a nla D ˆ,, yang berart mnmal ada satu parameter model GWPR berpengaruh sgnfan terhadap model.. Penguan Parameter Secara Parsal Penguan parameter secara parsal dlauan untu mengetahu parameter mana saa yang berpengaruh sgnfan terhadap varabel respon pada tap-tap loas dengan hpotess sebaga berut. H : β u H : β u Statst u yang dgunaan adalah statst u, sebaga berut. () ˆ u, v () se ˆ u, v se βˆ u adalah standard error yang dperoleh dar elemen dagonal e- dar var βˆ u. Daerah penolaannya adalah H aan dtola a nla dar lebh besar dar htung, dmana α adalah tngat sgnfans yang dgunaan. F. Multolneartas Salah satu syarat yang harus dpenuh dalam pembentuan model regres dengan beberapa varabel predtor adalah tda () ada asus multolneartas atau tda terdapat orelas antara satu varabel predtor dengan varabel predtor yang lan. Pendetesan asus multolnertas dlauan dengan menggunaan nla VIF []. Ja nla VIF (Varance Inflaton Factor) lebh besar dar menunuan adanya multolnertas antar varabel predtor. Nla VIF dnyataan sebaga berut. () VIF R dengan R adalah oefsen determnas antara X dengan varabel predtor lannya. G. Tuberuloss(T) Tuberuloss adalah penyat menular langsung yang dsebaban oleh uman Mycobacterum Tuberculoss tpe Humanus. Kuman Tuberculoss dperenalan pertama al oleh Robert Koch d erln, Jerman pada Maret. Menurut [] tuberuloss dbedaan menad dua lasfas, yatu Tuberuloss paru dan Tuberuloss estra paru. Tuberuloss paru adalah penyat tuberuloss yang menyerang arngan paru, sedangan tuberuloss estra paru merupaan penyat tuberuloss yang menyerang organ tubuh lan selan paru, dantaranya organ selaput ota, selaput antung (percardum), elenar getah benng, tulang, lmfa, persendan, ult, usus, gnal, saluran encng, dan lan-lan. Tuberuloss dapat menyerang sapa saa, terutama pendudu usa produtf/mash atf beera usa - tahun. Tuberuloss dapat menyebaban ematan apabla tda segera dobat, dmana persen dar pasen penderta tuberuloss aan mennggal setelah tahun.. Sumber Data III. METODOLOGI PENELITIN Data yang dgunaan dalam peneltan n berupa data seunder yang dperoleh dar Dnas Kesehatan Provns Jawa Tmur dan adan Pusat Statsta Provns Jawa Tmur. Data yang dgunaan mencaup data mengena penderta tuberuloss d provns Jawa Tmur dan fator-fator yang dduga mempengaruh umlah asus penyat tuberuloss melput persentase egatan sarana santas eluarga sehat (X ), persentase penderta HIV (X ), persentase g buru masyaraat (X ), persentase pendudu usa produtf (X ), persentase tenaga esehatan terdd tuberuloss (X ), persentase pendudu msn (X ), persentase rumah tangga berperlau hdup bersh dan sehat (PHS) (X ), persentase tempat umum dan pengelolaan maanan (TUPM) sehat (X ), dan persentase rumah sehat (X ) tahun.. Metode nalss Data Langah-langah analss data pada peneltan n adalah sebaga berut.. Menentuan varabel peneltan yang dgunaan dalam analss.. Mendesrpsan penyat tuberuloss beserta fator-fator yang mempengaruh penyat tuberuloss pada abupaten/ota d wlayah Jawa Tmur.

4 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D-. Mengu multolnertas antar varabel predtor.. Menganalss model regres posson dengan langah berut. a. Penasran parameter model regres posson menggunaan metode MLE dan Newton Raphson. b. Mengu sgnfans parameter model regres posson secara serenta dan parsal. c. Melauan nterpretas model regres posson. d. Melauan u dspers model regres posson.. Menganalss model GPR dengan langah sebaga berut. a. Penasran parameter model GPR dengan metode MLE dan Newton Raphson. b. Mengu sgnfans parameter model GPR secara serenta dan parsal. c. Melauan nterpretas model GPR yang terbentu.. Mengu aspe data spasal.. Menganalss model GWPR dengan langah berut. a. Menghtung ara eucldean antar loas pengamatan berdasaran poss geografs. b. Menentuan bandwdth optmum dengan menggunaan Cross Valdaton (CV). c. Menghtung matrs pembobot dengan menggunaan fungs pembobot ernel. d. Menasr parameter model GWPR menggunaan metode MLE dan Newton Raphson. e. Mengu esamaan model posson dengan model GWPR, u sgnfans parameter model GWPR secara serenta dan parsal pada wlayah yang telah destmas parameter modelnya. f. Melauan nterpretas model GWPR yang dperoleh dan melauan pembentuan peta pengelompoan. IV. HSIL DN PEMHSN. Desrps Jumlah Kasus Penyat Tuberuloss dan Fator-Fator yang Mempengaruh d Jawa Tmur Jumlah penderta tuberuloss d Jawa Tmur tahun sebesar. asus dengan asus T postf baru sebanya. asus dan. penderta tuberuloss mennggal. Rata-rata umlah asus tuberuloss d abupaten/ota d Jawa Tmur adalah. asus, dengan umlah asus terbanya d Kota Surabaya yatu. asus dan umlah palng sedt d Kota Mooerto sebanya asus. Persebaran asus tuberuloss d Jawa Tmur tahun dtamplan pada Gambar. eberapa varabel predtor yang danggap ber-pengaruh terhadap umlah asus penyat tuberuloss d Jawa Tmur yang meml varans cuup besar, dantaranya yatu varabel X (persentase eluarga dengan epemlan sarana santas dasar sehat), X (persentase rumah tangga ber-phs), X (persentase TUPM sehat), dan X (persentase rumah sehat). Varans terbesar terad pada varabel persentase eluarga dengan epemlan sarana santas dasar sebesar,. Santas dasar, utamanya proses pengelolaan ar lmbah sehat sangat berpengaruh terhadap esehatan lngungan yang berpengaruh pada umlah asus penyat tuberuloss d Jawa Tmur. Rata-rata santas dasar yang memenuh rtera sehat d abupaten/ota d Jawa Tmur sebesar, dengan umlah abupaten/ota yang meml nla santas dasar sehat d bawah rata-rata. Hal n menunuan bahwa setar persen abupaten/ota belum meml pengetahuan masmal terat santas dasar sehat. Gambar. Persebaran Jumlah Kasus Tuberuloss d Jawa Tmur. Pemersaan Multolnertas Langah awal sebelum pembentuan model adalah melauan pemersaan asus multolnertas. Salah satu rtera yang dgunaan untu melhat asus multolneartas adalah nla VIF. Ja nla VIF > maa asums non multolneartas tda terpenuh, sehngga menyebaban tasran parameter yang dperoleh menad bas. Hasl analss menunuan bahwa semua varabel predtor telah memenuh asums non multolneartas arena nla VIF dar varabel predtor <. Hal n menunuan bahwa tda ada varabel predtor yang salng berorelas dengan varabel predtor lannya, sehngga semua varabel pedtor dapat dgunaan untu pembentuan model regres posson, GWPR dan GPR. C. Pemodelan Jumlah Kasus Penyat Tuberuloss Menggunaan Regres Posson Hasl dar penguan secara serenta model regres posson dperoleh nla devans D ˆ sebesar., lebh besar dar nla =,. Jad, dperoleh eputusan yatu (, ; ) tola H artnya bahwa mnmal ada satu parameter yang berpengaruh secara sgnfan terhadap model. Selanutnya dlauan u parameter secara parsal untu mengetahu parameter mana saa yang berpengaruh terhadap model. Penguan n menggunaan statst u Z htung yang dbandngan dengan nla Z tabel menggunaan taraf sgnfans % yatu Z, =,. Parameter dataan berpengaruh sgnfan terhadap model (tola H ) a nla Z htung > Z. Nla Z htung masng-masng varabel predtor dtamplan pada Tabel. Tabel. Estmas Parameter Model Regres Posson Parameter Estmas Standart Error Z htung,,,*,,,*,,, -,, -,*,,,*

5 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D-,,,*,,,*,,,* -,, -,*,,,* *) Sgnfan pada taraf sgnfans % Tabel menunuan bahwa semua parameter berpengaruh sgnfan terhadap model regres posson ecual. Sehngga, model regres posson yang terbentu adalah sebaga berut. ˆ ep(,, X, X, X, X, X, X, X,X, X ) Varabel predtor yang berpengaruh terhadap umlah asus penyat tuberuloss d Jawa Tmur tahun adalah persentase eluarga dengan epemlan sarana santas sehat, persentase g buru masyaraat, persentase pendudu usa produtf, persentase tenaga esehatan terdd tuberuloss, persentase pendudu msn, persentase rumah tangga ber- PHS, persentase TUPM sehat, dan persentase rumah sehat. D. Pemodelan Jumlah Kasus Penyat Tuberuloss Menggunaan Generaled Posson Regresson (GPR) Model GPR dgunaan apabla terad asus over/under dspers pada model regres posson. Hasl pemodelan regres posson dperoleh raso nla devans dengan deraat bebasnya lebh besar dar dan nla estmas, yang artnya data umlah asus penyat tuberuloss d Jawa Tmur mengalam over dspers, sehngga dlauan analss menggunaan metode GPR. Penguan serenta model GPR menghaslan eputusan tola H arena nla devans D ˆ sebesar, lebh besar dar nla =,. Jad dapat dsmpulan (, ; ) bahwa mnmal ada satu parameter yang berpengaruh secara sgnfan terhadap model. Selanutnya dlauan penguan parameter model GPR secara parsal. Penguan parameter secara parsal dlauan menggunaan statst u Z yang dsaan pada Tabel. Tola H a nla Z htung >Z tabel. Hasl penguan pada Tabel menunuan bahwa parameter yang berpengaruh sgnfan terhadap model GPR adalah dan. sehngga, model GPR yang terbentu setelah dlauan pengolahan data ulang dengan menggunaan dua varabel yang sgnfan X dan X adalah sebaga berut. ln ˆ,, X, X erdasaran model yang terbentu detahu bahwa persentase pendudu usa produtf berpengaruh postf dan persentase TUPM sehat berpengaruh negatf terhadap umlah asus penyat tuberuloss d Jawa Tmur tahun. Tabel. Estmas Parameter Model GPR Parameter Estmas Standart Error Z htung -,, -,,,, -,, -, -,, -,,,,*,,,,,,,,, -,, -,* -,, -,,,, *) Sgnfan pada taraf sgnfans % E. Penguan spe Data Spasal Hasl dar penguan aspe spasal menyataan bahwa umlah asus penyat tuberuloss d Jawa Tmur meml aspe loas secara heterogentas, dtunuan oleh hasl penguan dengan reusch-pagan test (,) lebh ecl dar taraf sgnfans %. Nla U Moran s I (,) lebh besar dar % yang mengndasan bahwa umlah asus penyat tuberuloss tda terad berdasaran dependens antar abupaten/ota d Jawa Tmur. Hasl peneltan menunuan bahwa data umlah asus T d Jawa Tmur meml pengaruh spasal dan terad asus over dsperson, maa untu analss selanutnya dgunaan metode spasal tt GWGPR. an tetap, arena eterbatasan penelt dalam pembuatan synta program dan mendapatan referens, sehngga analss dlanutan menggunaan metode spasal tt GWPR yang mengasumsan nla varance dan mean sama. F. Pemodelan Jumlah Kasus Penyat Tuberuloss dengan GWPR Hasl penguan esamaan model GWPR menunuan bahwa H gagal dtola arena F htung yang dperoleh sebesar, lebh ecl dar F dengan taraf sgnfans %.,, sebesar,. Hal n menunuan bahwa tda terdapat perbedaan antara model regres posson dengan model GWPR. Model GWPR yang dbentu untu penasran parameter menggunaan fungs ernel Gaussan arena meml nla CV terbesar dengan bandwdth optmum sebesar,. Dmsalan Kota Surabaya dgunaan sebaga tt pusat, sehngga matr pembobot untu penasran parameternya sebaga berut. W u, v dag W u, v, W u, v,..., W u, v, W u, v dag.,.,...,,. Pembentuan matr pembobot tersebut hanya dgunaan untu menasr parameter d Kota Surabaya. Untu penasran parameter d abupaten/ota lan d Jawa Tmur menggunaan matr pembobot yang berbeda. Model GWPR untu Kota Surabaya yang meml umlah asus tuberuloss terbanya (. asus) d Jawa Tmur dengan semua parameter berpengaruh sgnfan terhadap model adalah sebaga berut. ln ˆ,, X, X, X, X, X, X, X, X, X

6 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Dar model tersebut detahu bahwa a terad enaan persentase penderta HIV (X ) sebesar satu persen, maa aan terad enaan ln rata-rata umlah asus tuberuloss d Surabaya sebesar, dengan syarat varabel lannya onstan (tetap). Hal n uga berlau untu varabel yang lan, dmana besarnya enaan/penurunan bergantung pada nla masng-masng parameter. Persentase pendudu usa produtf, persentase tenaga esehatan terdd tuberuloss, dan persentase TUPM sehat adalah varabel yang berpengaruh sgnfan terhadap umlah asus tuberuloss d seluruh abupaten/ota d Jawa Tmur. Dengan program GWR. dperoleh penasr parameter d tap abupaten/ota dan dperoleh elompo abupaten/ota berdasaran varabel sgnfan yang sama sebaga berut. Tabel. Pengelompoan Kabupaten/Kota Menurut Varabel Sgnfan yang Sama pada Model GWPR Kabupaten/Kota Varabel yang Sgnfan Malang, Lumaang, Jember, anyuwang, Probolnggo, Pasuruan, Sdoaro, Mooerto, Jombang, Madun, Ngaw, Lamongan, Gres, angalan, Sampang, Pameasan, X,X,X,X,X,X,X,X,X Sumenep, Kota Malang, Kota Probolnggo, Kota Pasuruan, Kota Mooerto, Kota Madun, Kota Surabaya, Kota atu Trenggale, Stubondo X,X,X,X,X,X,X,X ltar, Kedr, Tuban, Kota ltar, Kota Kedr X,X,X,X,X,X,X,X Pactan, ondowoso X,X,X,X,X,X,X,X Tulungagung X,X,X,X,X,X,X Magetan X,X,X,X,X,X,X Ponorogo, Nganu, oonegoro X,X,X,X,X,X,X Peta pengelompoan wlayah berdasaran varabel yang sgnfan sama dtamplan pada Gambar. Gambar. Kelompo Kabupaten/Kota Menurut Varabel Sgnfan Sama wlayah berdasaran varabel yang berpengaruh sgnfan sama. Varabel yang berpengaruh sgnfan terhadap umlah asus penyat tuberuloss d seluruh abupaten/ota d Jawa Tmur adalah varabel persentase pendudu usa produtf, persentase tenaga esehatan terdd tuberuloss, dan persentase TUPM sehat. UCPN TERIM KSIH Penuls mengucapan terma ash epada Dnas Kesehatan Provns Jawa Tmur dan adan Pusat Statsta Jawa Tmur, serta dosen pembmbng yang telah memberan esempatan dan bmbngan dalam melauan peneltan Tugas hr. DFTR PUSTK [] Kementeran Kesehatan RI (). Strateg Nasonal Pengendalan Tuberuloss d Indonesa -. Jaarta: Kementeran Kesehatan RI Dretorat Jendral Pengendalan Penyat dan Penyehatan Lngungan. [] Munroh, N., sah, S., & Mfbahuddn. (). Fator-fator yang erhubungan dengan Penyembuhan Penyat Tuberculoss (TC) Paru d Wlayah Kera Pusesmas Mangang Semarang arat. Jurnal Keperawatan Komuntas. Vol, No., -. [] Dnas Kesehatan Provns Jawa Tmur. (). Profl Kesehatan Provns Jawa Tmur Tahun. Surabaya: Dnas Kesehatan Provns Jawa Tmur. [] Dwentart, F. (). nalss Fator-fator yang Mempengaruh Penyat Tuberculoss pada Pasen dengan Regres Logst Multnomal. Semarang: Tugas hr Jurusan Statsta Unverstas Dponegoro. [] Fatmah, S. (). Fator Kesehatan Lngungan Rumah yang erhubungan dengan Keadan T Paru d Kabupaten Clacap. Semarang: Thess Jurusan Magster Kesehatan Lngungan Unverstas Dponegoro. [] grest,. (). Categorcal Data nalyss Second Edton. New Yor: John Wley & Sons. [] Myers, R. (). Classcal and Modern Regresson Wth pplcatons, second edton. oston: PWS-KENT Publshng Company. [] Famoye, F., Wulu, J. T., & Sngh, K. P. (). On The Generales Posson Regresson Model wth an pplcaton to ccdent Data. Journal of Data Scence, -. [] Fotherngham,. S., rudson, C., & Charlton, M. (). Geographcally Weghted Regresson : the nalyss of Spatal Varyng Relatonshp. Chchester: Wley. [] Hocng, R. R. (). Methods and pplcatons of Lnear Models. New Yor: John Wley and Sons, Inc. [] Departemen Kesehatan RI. (). uu Sau Kader Program Penanggulangan T. Tangerang: Dretorat Jenderal Pengendalan Penyat dan Penyehatan Lngungan Departemen Kesehatan RI. V. KESIMPULN erdasaran analss dan pembahasan, umlah asus penyat tuberuloss d Jawa Tmur meml pola menyebar, dengan umlah asus tuberuloss tertngg d Jawa Tmur berada d Kota Surabaya dan Kabupaten Jember, sedangan yang terendah adalah Kota Mooerto. Hasl pemodelan menggunaan regres posson ddapatan hasl bahwa terad asus over dspers, sehngga untu mengatasnya dgunaan metode GPR. Pemodelan menggunaan GPR dperoleh hasl bahwa varabel persentase pendudu usa produtf dan persentase TUPM sehat berpengaruh sgnfan terhadap umlah asus penyat tuberuloss d Jawa Tmur. Sementara pemodelan menggunaan GWPR, dperoleh tuuh elompo

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.

Lebih terperinci

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan

Lebih terperinci

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

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

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression

Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 Pemodelan Jumlah Kematan Ibu dan Jumlah Kematan a d Provns Jawa Tmur Menggunakan varate Posson Regresson Nna Fauzah Rachmah dan Purhad Jurusan

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305 JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)

ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur) ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster

Lebih terperinci

Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur

Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas

Lebih terperinci

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

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

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION

PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION TUGAS AKHIR SS 4556 PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION Vresa Endra Marta NRP 34 030 063 Dosen Pembmbng :

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Permodelan Kejadian Diare Dengan Pendekatan Regresi Spasial Studi Kasus : Kabupaten Tuban Jawa Timur

Permodelan Kejadian Diare Dengan Pendekatan Regresi Spasial Studi Kasus : Kabupaten Tuban Jawa Timur Permodelan Keadan Dare Dengan Pendekatan Regres Spasal Stud Kasus : Kabupaten Tuban Jawa Tmur Nurvta Arumsar 1, Sutkno 1, Jurusan Statstka Insttut Teknolog Sepuluh Nopember Surabaya Indonesa e-mal : 1

Lebih terperinci

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR) JURNAL SAINS DAN SENI IS Vol., No., () (98X Prnt) D9 Pemodelan Jumlah Kasus Penyakt etanus Neonatorum d Jawa mur ahun dengan Geographcally Weghted ZeroInflated Posson Regresson (GWZIPR) Rath Kumala Puspa

Lebih terperinci

Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013

Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013 JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prnt) Analss Faktor Rsko Kematan Ibu dan Kematan Bay dengan Pendekatan Regres Posson Bvarat d Provns Jawa mur ahun 03 D39 Ind Arkand dan Wwek

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION

PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION TUGAS MATA KULIAH ANALISIS SPASIAL PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Dosen: Dr. Sutkno Dr. Setawan Dsusun Oleh: RINDANG BANGUN PRASETYO

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

Model Geographically Weighted Poisson Regression (Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007)

Model Geographically Weighted Poisson Regression (Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007) LOGO Model Geographcally Weghted Posson Regresson (Stud Kasus : Jumlah Kematan Bay d Jawa Tmur & Jawa Tengah Tahun 2007) SEMINAR HASIL TESIS Oleh : Salmon Notje Aulele Dosen Pembmbng : Dr. Purhad, M.Sc

Lebih terperinci

ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA

ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Analss Klaster (Aan Rosatun) ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Aan Rosatun Tat Wdharh, Dah Saftr Staf Nusantara Sat Motor Jaarta Staf Pengaar Prod Statsta

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

ANALISIS FAKTOR-FAKTOR TINGKAT KEMISKINAN DI KABUPATEN WONOSOBO DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

ANALISIS FAKTOR-FAKTOR TINGKAT KEMISKINAN DI KABUPATEN WONOSOBO DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION JURNAL GAUSSIAN, Volume, Nomor, ahun 3, Halaman 59-68 Onlne d: http://eournal-s.undp.ac.d/ndex.php/gaussan ANALISIS FAKOR-FAKOR INGKA KEMISKINAN DI KABUPAEN WONOSOBO DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007

PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007 PEMODELAN GENERALIZED REGRESI POISSON PADA FAKOR-FAKOR YANG MEMPENGARUHI ANGKA KEMAIAN BAYI DI PROVINSI JAWA IMUR AHUN 007 Yayuk Lstan 1 dan Purhad 1 Mahasswa S1 Statstka IS, Dosen statstka IS 1 yayuk.yangce@gmal.com,

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci