Prosiding FMIPA Universitas Pattimura 2013 ISBN:
|
|
- Veronika Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Prosdg FMIPA Uverstas Pattmura 03 ISBN: PENDEKAAN MODEL GEOGRAPHICALLY WEIGHED REGRESSION UNUK MENGANALISIS JUMLAH PENDUDUK MISKIN: UPAYA PENURUNAN JUMLAH PENDUDUK MISKIN DI PROVINSI MALUKU Salmo Note Aulele, Yo Adry Lesussa Jurusa Matematka FMIPA Uverstas Pattmura Jl Ir M Putuhea, Kamus Poka Ambo oce_cacer@yahoocom, lesusaadrew@gmalcom ABSRAK Kemska meruaka ersoala yag komleks, karea tdak haya berkata dega masalah redahya tgkat edaata da kosums, teta uga berkata dega redahya tgkat eddka, kesehata serta ketdakberdayaaya utuk berartsas dalam embagua serta berbaga masalah yag berkea dega embagua mausa Meurut BPS, saat Provs Maluku berada ada uruta ke-3 Provs termsk d Idoesa uua yag g dcaa dalam eelta adalah meetuka faktor-faktor yag memegaruh umlah rumah tagga msk dega memerhatka faktor geografs d Provs Maluku megguaka model Geograhcally Weghted Regresso (GWR) Sehgga deroleh model yag daat dguaka utuk memerkraka umlah rumah tagga msk ta Kabuate/Kota d Provs Maluku Hasl eelta meuuka bahwa semua varabel yag dguaka dalam eelta sgfka memegaruh umlah rumah tagga msk yatu Bayakya rumah tagga yag tdak uya fasltas temat buag ar besar atau bersfat umum (X ), Bayakya rumah tagga yag sumber eeraga utama buka lstrk (X ), Bayakya rumah tagga yag baha bakar utuk memasakya dar kayu/myak taah (X 3 ), Bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), Bayakya rumah tagga yag egeluara utuk makaaya lebh besar 80% (X 5 ), Bayakya rumah tagga yag laaga ekeraa utama keala rumah taggaya dsektor ertaa (X 6 ) serta Bayakya rumah tagga yag eddka tertgg keala rumah taggaya SD kebawah (X 7 ) Suatu varabel daat beregaruh terhada kemska d satu daerah, amu d daerah la varabel tersebut ustru tdaklah sgfka Hal mead etg utuk Pemertah Daerah melakuka uayauaya eurua umlah eduduk msk d Provs Maluku Kata Kuc: Kemska, Faktor Geografs, Geograhcally Weghted Regresso PENDAHULUAN Latar Belakag Kemska meruaka ersoala yag komleks, karea tdak haya berkata dega masalah redahya tgkat edaata da kosums, teta uga berkata dega redahya tgkat eddka, kesehata serta ketdakberdayaaya utuk berartsas dalam embagua serta berbaga masalah yag berkea dega embagua mausa Peelta kemska yag metkberatka ada edekata multdmesoal dalam megukur kemska telah megkat secara terasoal Meurut Bada Pusat Statstk (BPS), kemska adalah ketdakmamua utuk memeuh stadar tertetu dar kebutuha dasar, bak makaa mauu buka makaa Stadar dsebut gars kemska, yak la egeluara kosums kebutuha dasar makaa setara 00 kalor eerg er kata er har, dtambah la egeluara utuk kebutuha dasar buka makaa yag alg okok 85
2 Prosdg FMIPA Uverstas Pattmura 03 ISBN: Masyarakat msk uga meghada ermasalaha terbatasya kesemata kera da berusaha Keterbatasa modal, kuragya keteramla, da egetahua, meyebabka masyarakat msk haya memlk sedkt lha ekeraa yag layak da eluag yag semt utuk megembagka usaha erbatasya laaga ekeraa yag terseda saat sergkal meyebabka mereka teraksa melakuka ekeraa yag beresko tgg dega mbala yag kurag memada da tdak ada keasta aka keberlautaya D Idoesa, mash ada sektar 99 kabuate termasuk kategor tertggal yag sebaga besar, yatu 60% berada d Kawasa mur Idoesa etu saa wlayah-wlayah seert tu aka sult utuk megakses berbaga elayaa ublk, sehgga semak auh utuk mewuudka keseahteraaya Model eetua umlah rumah tagga msk yag bersfat global tdaklah cocok dteraka d seluruh wlayah Idoesa (termasuk Maluku) Karea salah satu varabel daat beregaruh terhada kemska d satu daerah, amu d daerah la varabel tersebut ustru tdaklah sgfka Lteratur yag berkata dega masalah sasal, terutama utuk data sasal yag tdak stasoer dalam arameter model bayak dkembagka oleh ara ahl statstk msalya model dega erubaha sturktural utuk data sasal yag dskrt (Asel, 988 dalam Chasco, Garca, da Vces: 007) Suatu model kemuda dkembagka lag oleh Brusdo, Fothergham da Charlto (00) yag kemuda dber ama model Geograhcally Weghted Regresso (GWR) utuk megatas model yag tdak stasoer dalam lokas geograf (sace) Dalam erkembagaya, model GWR bayak daka oleh eelt dalam megaalsa data sasal dberbaga bdag, karea metode GWR relatf mudah dalam eghtugaya teta lebh efektf dar metode laya Pada eelta, model GWR dega embobot fugs kerel bsquare aka dalkaska utuk meyeldk varabelvarabel yag beregaruh terhada eetua umlah rumah tagga msk seta Kabuate/Kota d Provs Maluku dega memerhatka faktor geografs dalam megestmas arameter modelya Rumusa Masalah Berdasarka edahulua yag telah dkemukaka maka yag mead ermasalaha dalam eelta adalah faktor-faktor aa saa yag memegaruh umlah rumah tagga msk d Provs Maluku dega megguaka model Geograhcally Weghted Regresso uua Peelta da arget Luara Berdasarka rumusa masalah yag telah dkemukaka maka tuua dalam eelta adalah meetuka faktor-faktor yag memegaruh umlah rumah tagga msk dega memerhatka faktor geografs d Provs Maluku megguaka model Geograhcally Weghted Regresso Sehgga deroleh suatu model yag daat dguaka utuk memerkraka umlah rumah tagga msk ta Kabuate/Kota d Provs Maluku Hal mead etg utuk Pemertah Daerah melakuka uaya-uaya eurua umlah rumah tagga msk d Provs Maluku LANDASAN EORI Model Regres Global Metode regres meruaka metode yag memodelka hubuga atara varabel reso (y) da varabel bebas (,,, ) model regres ler secara umum dyataka dega y 0 () Jka dambl sebayak egamata, maka model d atas daat dtuls sebaga: y 0 k k k () 86
3 Prosdg FMIPA Uverstas Pattmura 03 ISBN: dega,,, ;,, adalah arameter model da,,, adalah error yag dasumska detk, deedet, berdstrbus Normal dega mea ol da varas kosta Pada model, hubuga atara varabel bebas dega varabel reso dagga kosta ada seta lokas geografs Estmator dar arameter model d daat dar ersamaa : X X X y (3) Model Geograhcally Weghted Regresso (GWR) Model GWR meruaka egembaga dar model regres global dmaa de dasarya dambl dar regres o aramterk (Me, 005) Model meruaka model reges ler bersfat lokal (locally ler regresso) yag meghaslka eaksr arameter model yag bersfat lokal utuk seta ttk atau lokas dmaa data tersebut dkumulka Dalam model GWR, varabel deede y dredks dega varabel deede yag masgmasg koefse regresya bergatug ada lokas dmaa data tersebut damat Model GWR daat dtuls sebaga berkut : y u v u v, (4) 0 k, k dega : y : Nla observas varabel reso ke- u, v : Meyataka ttk koordat (logtude, lattude) lokas k u, v : Koefse regres ; k = 0,,, k : Nla observas varabel redktor k ada egamata ke- : Error ke- Dalam egua hotess ada beberaa asums yag dguaka dalam model GWR, asums tersebut adalah : Betuk error,,, dasumska deede, detk da megkut dstrbus ormal dega mea ol da vara kosta ~ IIDN0, Msalka y adalah eaksr dar y k dlokas ke-, maka utuk semua lokas (=,,,), E y E utuk semua y adalah eaksr yag tak bas utuk E atau daat dtuls y y Peaksra Parameter Model GWR Estmas arameter model GWR megguaka metode Weghted Least Squares (WLS) yatu dega memberka embobot yag berbeda utuk seta lokas dmaa data tersebut dkumulka Msalka embobot utuk seta lokas u, v adalah w u, v, =,,, maka ersamaa (4) mead : w u v y w u, v u, v w u, v u, v w u, v, 0 k Jka w u, v maka vara w u, v atau dtuls ~ N 0, w u, v k aka megkut dstrbus ormal dega mea ol da sehgga : u v y u, v u, v u v w,, 0 Peaksra arameter model deroleh dega memmumka umlah kuadrat error dar ersamaa (5) sebaga berkut : w u, v y u, v u, v u, v 0 k (5) 87
4 Prosdg FMIPA Uverstas Pattmura 03 ISBN: w u, v w u, v y u, v u, v u, v Msalka X, 0 y y y y, u, v 0 u, v u, v u u, v u v dagw u, v, w u, v,, w u v da,, W,, Peyelesaa ersamaa datas dalam betuk matrks adalah : W u, v y X u, v W u, v y X u, v, y W u, v y u, v X W u, v y u, v X W u, v X u, v Jka ersamaa (6) ddeferesalka terhada u,v da haslya dsamaka dega ol maka deroleh βu, v X W u, v X X W u, v y (7) Sehgga ersamaa (7) meruaka eaksr arameter utuk model GWR d seta lokas Pembobota Model GWR Pada aalss sasal, eaksra arameter dsuatu ttk u, v aka lebh degaruh oleh ttk-ttk yag dekat dega lokas u, v dar ada ttk-ttk yag lebh auh Salah satu metode yag bsa dguaka utuk meetuka besarya embobot utuk masg-masg lokas yag berbeda ada model GWR yatu Fugs Kerel (kerel fucto) Fugs kerel dguaka utuk megestmas aramater dalam model GWR ka fugs arak w adalah fugs yag kotu da mooto turu (Chasco dkk, 007) Pembobot yag terbetuk dega megguaka fugs kerel adalah fugs arak Gauss (Gaussa Dstace Fucto), da fugs Bsquare Dmaa fugs embobotya masg-masg daat dtuls sebaga berkut : a Fugs Kerel Gauss : w u, v e d h (8) b Fugs Bsquare : w u, v d 0, dega d u u v v h, utuk utuk d d h h arak eucld atara lokas v u, ke lokas v (6) (9) u, da h adalah arameter o egatf yag dketahu da basaya dsebut arameter eghalus (badwdth) Jka embobot yag dguaka adalah fugs kerel maka emlha badwdth sagatlah etg oleh karea badwdth meruaka egotrol kesembaga atara kesesuaa kurva terhada data da kemulusa data Metode yag dguaka utuk memlh badwdth otmum adalah metode Cross Valdato (CV) Metode secara matemats ddefska sebaga berkut: Dega : CV h y y ( h) (0) 88
5 Prosdg FMIPA Uverstas Pattmura 03 ISBN: y h y h : Nla eaksr roses eaksra : Nla eaksr dalam roses eaksra : Jumlah samel y (fttg value) dmaa egamata dlokas u, v y (fttg value) dmaa egamata dlokas u, dhlagka dar v dmasuka MEODE PENELIIAN Dalam eelta dguaka alat da baha yag medukug roses elaksaaa eelta Data yag dguaka besumber dar BPS yatu data hasl Surve Sosal Ekoom Nasoal (SUSENAS) da Surve Peduduk Atar Sesus (SUPAS) Provs Maluku tahu 0 Varabel yag dguaka adalah varabel eetua rumah tagga msk yag dguaka dalam Pedataa Sosal Ekoom (PSE) yag terdaat dalam SUSENAS da SUPAS Pada eelta yag dadka ut observas adalah kabuate/kota d Provs Maluku Varabel yag dguaka yatu Jumlah rumah tagga (rt) yag berada dbawah gars kemska ada tahu 0 ta Kabuate/Kota d Provs Maluku (Y), Bayakya rumah tagga yag tdak uya fasltas temat buag ar besar atau bersfat umum (X ), Bayakya rumah tagga yag sumber eeraga utama buka lstrk (X ), Bayakya rumah tagga yag baha bakar utuk memasakya dar kayu/myak taah (X 3 ), Bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), Bayakya rumah tagga yag egeluara utuk makaaya lebh besar 80% (X 5 ), Bayakya rumah tagga yag laaga ekeraa utama keala rumah taggaya dsektor ertaa (X 6 ) serta Bayakya rumah tagga yag eddka tertgg keala rumah taggaya SD kebawah (X 7 ), Gars Ltag (u ) da Gars Buur (v ) Utuk medukug roses eelta dguaka aket rogram komuter yatu software R serta lterature edukug dalam betuk buku cetak da formas lmah laya Utuk megaalss model eetua umlah rumah tagga msk dega memerhatka varas sasal d Provs Maluku megguaka model GWR lagkahlagkahya adalah sebaga berkut: a Megambl data umlah rumah tagga yag berada dbawah gars kemska ta Kab/Kota sebaga varabel reso (y), da ke-9 varabel redktorya serta data letak geografs ta Kab/Kota b Megka karakterstk eduduk ta Kab/Kota berdasarka deskrtf statstk dar faktor-faktor yag memegaruh umlah kemata bay d Provs Maluku c Meetuka la badwdth otmum ta Kab/Kota d Provs Maluku dega megguaka metode Cross Valdato d Setelah medaatka la badwdth otmum ta Kab/Kota maka lagkah selautya adalah medaatka matrks embobot dega megguaka fugs kerel bsquare yag aka dguaka utuk meaksr arameter seta lokas e Peaksra arameter model GWR dega megguaka metode Mamum Lkelhood Estmator f Selautya dlakuka egua kesesuaa model GWR da egua arameter model utuk megetahu faktor-faktor yag beregaruh terhada umlah rumah tagga msk ta Kab/Kota d Provs Maluku g Medaatka model GWR utuk meetuka umlah eduduk msk ta Kabuate/Kota d Provs Maluku HASIL DAN PEMBAHASAN Karakterstk Peduduk D Provs Maluku Pada eelta alkas model Geograhcally Weghted Regresso (GWR) dteraka ada kasus umlah rumah tagga msk d Provs Maluku ada tahu 0 89
6 Prosdg FMIPA Uverstas Pattmura 03 ISBN: Varabel yag dtelt yatu umlah rumah tagga yag berada d bawah gars kemska ada tahu 0 ta Kab/Kota d Provs Maluku sebaga varabel reso (Y) da bayakya rumah tagga yag tdak uya fasltas temat buag ar besar atau bersfat umum (X ), bayakya rumah tagga yag sumber eeraga utama buka lstrk (X ), bayakya rumah tagga yag baha bakar utuk memasakya dar kayu/myak taah (X 3 ), bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), bayakya rumah tagga yag egeluara utuk makaaya lebh besar 80% (X 5 ), bayakya rumah tagga yag laaga ekeraa utama keala rumah taggaya dsektor ertaa (X 6 ) serta bayakya rumah tagga yag eddka tertgg keala rumah taggaya SD kebawah (X 7 ) ta Kab/Kota sebaga varabel redktorya Berkut deskrtf dar masg-masg varabel utuk Provs Maluku abel Deskrtf Data Peduduk Msk d Provs Maluku Varabel N Mea Mmum Mamum Y 6479, X 388, X 685, X , X X 5 394, X , X 7 358, abel meuukka bahwa rata-rata umlah rumah tagga yag berada d bawah gars kemska d Provs Maluku ada tahu 0 adalah 6479,8 atau terdaat 6480 rumah tagga dmaa umlah eduduk msk teredah berada ada Kabuate Buru Selata yatu sebayak 58 rumah tagga sedagka umlah eduduk msk tertgg berada ada Kabuate Maluku egah dega 88 rumah tagga msk Rata-rata bayakya rumah tagga yag tdak uya fasltas temat buag ar besar atau bersfat umum d Provs Maluku ada tahu 0 adalah 388 rumah tagga, dmaa Kota ual memlk umlah rumah tagga teredah da Kabuate Maluku egah tertgg Rata-rata bayakya rumah tagga yag sumber eeraga utama buka lstrk adalah 6853 rumah tagga, dmaa Kota Ambo memlk umlah teredah da Kabuate Maluku egah tertgg Rata-rata bayakya rumah tagga yag baha bakar utuk memasakya dar kayu/myak taak d Provs Maluku ada tahu 0 adalah 3057 rumah tagga, dmaa umlah rumah tagga tertgg berada ada Kabuate Maluku egah da umlah teredah berada ada Kabuate Buru Selata Rata-rata bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga d Provs Maluku ada tahu 0 adalah 484 rumah tagga, dmaa umlah tertgg berada d Kabuate Maluku egah da umlah teredah berada d Kabuate Maluku Barat Daya Bayakya rumah tagga yag egeluara utuk makaaya lebh besar 80% tertgg d Provs Maluku berada ada Kabuate Maluku Barat Daya sedagka teredah berada ada Kabuate Maluku eggara Bayakya rumah tagga tertgg yag laaga ekeraa keala rumah taggaya dsektor ertaa d Provs Maluku tahu 0 berada ada Kabuate Maluku egah sedagka umlah teredah berada ada Kota ual Bayakya rumah tagga yag eddka tertgg keala rumah taggaya SD kebawah d Provs Maluku berksar atara 409 sama dega rumah tagga, dmaa umlah tertgg berada ada Kabuate Maluku egah sedagka umlah teredah berada ada Kota ual Model Geograhcally Weghted Regresso (GWR) Lagkah ertama utuk membagu model GWR adalah dega meetuka letak geografs ta Kab/Kota d Provs Maluku Setelah deroleh letak geografs maka lagkah 90
7 Prosdg FMIPA Uverstas Pattmura 03 ISBN: selautya yatu memlh badwdth otmum Nla badwdth yag deroleh dar hasl teras adalah q: 0, dega la krtera CV: Utuk seta lokas usat aka deroleh la badwdth otmum yag berbeda-beda Hasl teras deroleh badwdth otmum utuk ta Kab/Kota d Provs Maluku sebaga berkut : abel Nla Badwdth Otmum d Maluku Daerah Badwdth Maluku eggara Barat 5,458 Maluku eggara 6,944 Maluku egah 6,4874 B u r u 8,869 Keulaua Aru 9,963 Seram Baga Barat 4,9473 Seram Baga mur 7,677 Maluku Barat Daya 7,6 Buru Selata 9,944 Kota Ambo 7,569 Kota ual 6,0864 Setelah medaatka la badwdth otmum, maka lagkah selautya adalah medaatka matrks embobot, dmaa dalam eelta aka dguaka embobot fugs kerel bsquare Msalka matrks embobot d lokas u,v adalah W u,v maka lagkah awal sebelum medaatka matrks embobot adalah dega mecar arak eucld lokas u,v yatu Kabuate Maluku eggara Barat ke semua lokas eelta abel 3 Jarak Eucld da Pembobot d Kabuate Maluku eggara Barat Daerah Jarak Eucld Pembobot Bsquare Maluku eggara Barat 0,0000,0000 Maluku eggara,5555 0,6089 Maluku egah 3,66 0,4 B u r u 4,4359 0,44 Keulaua Aru 4,7477 0,0585 Seram Baga Barat 3,6570 0,307 Seram Baga mur 4,8009 0,0505 Maluku Barat Daya,957 0,6769 Buru Selata 4,458 0,09 Kota Ambo 4,3690 0,8 Kota ual,3365 0,8835 Berdasarka abel 3, maka matrks embobot yag dbetuk dega fugs kerel bsquare ada lokas u,v yatu Kabuate Maluku eggara Barat adalah : W u, v dag(,0000 0,6089 0,4 0,44 0,0585 0,307 0,0505 0,6769 0,09 0,8 0,8835) Matrks embobot datas dguaka utuk meaksr arameter d lokas u,v, sedagka utuk meaksr arameter d lokas u,v erlu dcar terlebh dahulu matrks embobot W u,v ada lokas Kabuate Maluku eggara dega cara yag sama seert lagkah datas, demka seterusya utuk matrks embobot egamata terakhr W u,v ada lokas Kota ual 9
8 Prosdg FMIPA Uverstas Pattmura 03 ISBN: Selautya setelah deroleh matrks embobot kemuda dhtug estmas ta varabel ada ta daerah sebaga berkut: abel 4 Estmas Parameter Model GWR d Kabuate Maluku eggara Barat Parameter Estmas Stadar Eror Htug 38,980 54,40,5450 -,09 0,450-4,008 0,476 0,076 4,389 0,054 0,063 3,390,74 0,3953 3,3 0,955,9660 0,4845 0,5486 0,687 3,59 0,775 0,4093 0,6780 Berdasarka abel 4 ddaatka la t htug utuk semua arameter Dega megguaka sebesar 5% maka la t 3, 8 Maka deroleh 5 arameter tgkat sgfkas 0,05;3 yag sgfka yatu,, 3 4 da 6 karea t ht t0,05;3, sehgga model GWR dega megguaka embobot bsquare yag dbetuk utuk umlah rumah tagga msk d Kabuate Maluku eggara Barat adalah : =,09 + 0, ,054 +,74 + 0,5486 Model datas meelaska bahwa umlah rumah tagga msk d Kabuate Maluku eggara Barat tahu 0 aka berkurag sebesar,09 ka varabel X bertambah sebesar satu satua dega syarat varabel redktor yag la adalah kosta Sebalkya umlah rumah tagga msk d Kabuate Maluku eggara Barat aka megkat sebesar 0,476 ka varabel X bertambah sebesar satu satua dega syarat varabel redktor yag la adalah kosta, hal yag sama uga berlaku utuk varabel X 3, X 4 da X 6 Hal tdak berart bahwa arameter-arameter datas uga sgfka dseta Kabuate/Kota d Maluku Adaau varabel-varabel yag sgfka dta Kabuate/Kota d Maluku yatu : abel 5 Varabel Yag Sgfka Dalam Model GWR a Kab/Kota d Maluku Daerah Model GWR Maluku eggara Barat X, X, X 3, X 4, X 6 Maluku eggara X X 6 Maluku egah X, X, X 3, X 4, X 5, X 6, X 7 B u r u X, X 4, X 6, X 7 Keulaua Aru X, X, X 3, X 7 Seram Baga Barat X, X, X 3, X 4, X 6, X 7 Seram Baga mur X, X, X 3, X 6, X 7 Maluku Barat Daya X, X 3, X 5, X 6 Buru Selata X, X 4 Kota Ambo X, X, X 4, X 7 Kota ual X, X Perbadga Model Regres Global da Model GWR Perbadga model regres Posso dega model GWPR bak dega megguaka embobot fugs kerel gauss mauu kerel bsquare dlakuka utuk megetahu model maa yag lebh bak dteraka utuk umlah kemata bay d rovs Jawa mur da Jawa egah Krtera kebaka model yag dguaka adalah dega membadgka la 9
9 Prosdg FMIPA Uverstas Pattmura 03 ISBN: AIC dar ketga model tersebut Model yag terbak adalah model dega la AIC terkecl Hasl yag deroleh adalah sebaga berkut : abel 6 Perbadga Kesesuaa Model Model R Regres Global 85% GWR 99% Berdasarka abel 6 deroleh bahwa model GWR dega megguaka embobot fugs bsquare lebh bak dguaka utuk megaalss umlah rumah tagga msk d Provs Maluku tahu 0 karea memlk la R terbesar PENUUP Kesmula Dar hasl aalsa data da embahasa daat deroleh kesmula sebaga berkut : Secara keseluruha faktor-faktor yag memegaruh umlah rumah tagga msk d Provs Maluku berdasarka model GWR dega embobot fugs bsquare adalah bayakya rumah tagga yag tdak uya fasltas temat buag ar besar atau bersfat umum (X ), bayakya rumah tagga yag sumber eeraga utama buka lstrk (X ), bayakya rumah tagga yag baha bakar utuk memasakya dar kayu/myak taah (X 3 ), bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), bayakya rumah tagga yag egeluara utuk makaaya lebh besar 80% (X 5 ), bayakya rumah tagga yag laaga ekeraa utama keala rumah taggaya dsektor ertaa (X 6 ) serta bayakya rumah tagga yag eddka tertgg keala rumah taggaya SD kebawah (X 7 ) Model GWR dega megguaka embobot fugs kerel bsquare lebh bak dguaka utuk megaalss umlah rumah tagga msk d Provs Maluku tahu 0 dbadgka dega model regres global karea memuya la R yag terbesar Sara Dar eelta sara yag daat dberka adalah dalam eelta lebh laut hedakya samel yag dguaka sama ke level lebh kecl (kecamata) sehgga mamu memertaam aalss sasalya Varabel-varabel yag dguaka u hedakya memasuka usur sosal budaya yag bersfat lokal, sehgga hasl akhr yag dharaka mamu meeragka kods lokal daerah tersebut DAFAR PUSAKA BPS, 0 Metodolog Peetua Rumah agga Msk 0 BPS Jakarta BPS, 0 Aalss da Peghtuga gkat Kemska 0 BPS Jakarta Chasco, C, Garca, I, da Vces, J 007 Modelg Sastal Varatos Household Dsosble Icome wth Geograhcally Weghted Regresso Fothergham, AS, Brusdo, C, da Charlto, M 00 Geograhcally Weghted Regresso Joh Wley ad Sos, Chchester, UK Me, CL 005 Geograhcally Weghted Regresso echque for Satal Data Aalyss, School Of Scece X a Jaotog Uversty World Bak, 006 Era Baru Dalam Pegetasa Kemska d Idoesa, Laora Bak Dua Yldrm, JN da Ocal, N, 006 A Sectoral Aalyss of Satal Regoal Emloymet Dyamcs of urksh Provces, Semar Satal Ecoometrcs, Rome 5-7 May
PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU
Jural Barekeg Vol. 8 No. 2 Hal. 53 57 (2014) PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Geographcally
Lebih terperinciBAB III ESTIMASI MODEL PROBIT TERURUT
BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode
Lebih terperinci( ) ( ) ( ) ( ) ( ) 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 terperinciPENAKSIR 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 terperinciBAB 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 terperinciPERTEMUAN 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB III ISI. x 2. 2πσ
BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)
Lebih terperinciPenaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance
Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres
Lebih terperinciDi 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 terperinciPENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini
PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan
BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter
Lebih terperinciANALISIS 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 terperinciBAB 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 terperinciMAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR
MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR Yusq Mahmud 1 da Isma Za 1 Mahasswa Jurusa Statstka FMIPA-ITS e-mal: yosukecudo@yahoo.com
Lebih terperinci11/10/2010 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 terperinciESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.
Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,
Lebih terperinciBAB 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 terperinciPENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini
PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 5528, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area
Lebih terperinciRuang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA
Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka
Lebih terperinciProses inferensi pada model logit Agus Rusgiyono. Abstracts
Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods
Lebih terperinciBAB 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 terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciBAB 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 terperinciPenarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV
Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok
Lebih terperinciBAB 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 terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciX, Y, yang diasumsikan mengikuti model :
PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lls Laome Jurusa Matematka FMIPA Uverstas Haluoleo Kedar 933 emal : ls@yaoo.com Abstrak Tulsa membaas model regres oarametrk utuk
Lebih terperinciPemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka
Lebih terperinciPERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE
Perbadga Metode Cross Valdato Da Geeralzed Cross Valdato Dalam Regres Noarametrk Breso Sle Luh Putu Saftr Pratw PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK
Lebih terperinciBAB 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 terperinciUKURAN 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 terperinciBAB 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 terperinciSTATISTIK. 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 terperinciRegresi 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 terperinciBAB 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 terperinciBAB 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 terperinciPEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL
Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka
Lebih terperinciANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.
JURNAL GAUSSIAN, Volume, Nomor, Tahu 0, Halama 9-8 Ole d: htt://ejoural-s.ud.ac.d/dex.h/gaussa ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN Sylf, Dw Isryat, Dah Saftr 3 Mahasswa Jurusa Statstka FSM Uverstas
Lebih terperinciPENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN
PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciAnalisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah
Lebih terperinciIII. 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 terperinciIII 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 terperinciTAKSIRAN 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 terperinciTAKSIRAN 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 terperinci8. 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 terperinciBAB 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 terperinciUji 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 terperinciRELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK
Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah
Lebih terperinciGEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH
Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA
Lebih terperinciAnalisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM
D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog
Lebih terperinciBAB 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 terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciBAB 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 terperinciS2 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 terperinciBAB 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 terperinciBAB 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 terperinciI. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR
Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka
Lebih terperinciXI. ANALISIS REGRESI KORELASI
I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciLANGKAH-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 terperinciPENDAHULUAN 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 terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciBAB 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 terperinciINTERVAL 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 terperinciBAB 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 terperinciJawablah 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 terperinciANALISIS 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 terperinciESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER
Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag
Lebih terperinciπ ( ) menyatakan peluang bahwa
GRF RN SNY D SSTE ERSN CHN- OOGOROV u Nugrahe Jurusa eddka atematka F Uverstas uhammadyah uroreo Jala H.. Dahla uroreo e-mal: u_r@telkom.et bstrak Tuua dar eulsa adalah megetahu kostruks betuk graf alra
Lebih terperinciPenerapan 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 terperinciFMDAM (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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciAnalisis 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 terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciPEMBENTUKAN MODEL PROBIT BIVARIAT
PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009
Lebih terperinciBAB 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 terperinciPENAKSIR 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 terperinciPENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciI 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 terperinciANALISIS 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 terperinciJMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.
JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa
Lebih terperinciSUM 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 terperinciBAB 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 terperinciINTERPOLASI. FTI-Universitas Yarsi
BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala
Lebih terperinciABSTRAK. 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 terperinciBAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah
Lebih terperinciJurnal 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 terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TORI. Regres Ler ederhaa Dalam beberapa masalah terdapat dua atau lebh varabel yag hubugaya tdak dapat dpsahka, da hal tersebut basaya dseldk sfat hubugaya. Aalss regres adalah sebuah tekk
Lebih terperinciPemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat
Lebih terperinciREGRESI SEDERHANA Regresi
P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag
Lebih terperinciPeramalan Kebutuhan Listrik Dengan Model Harvey
Peramala Kebutuha Lstrk Dega Model Harvey Oleh: Ley Setyag B. (30600006) Pembmbg: Prof. Drs. Nur Irawa, M.IKom, Ph.D Latar Belakag Jumlah Peduduk Megkat Produks megkat Supply < Demad Kebutuha Barag Megkat
Lebih terperinciAnalisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt
Lebih terperinciPengujian Autokorelasi terhadap Sisaan Model Spatial Logistik
Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska
Lebih terperinci