PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2.

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2."

Transkripsi

1 Pemetaa Peyakt (Hasb Yas) PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN Hasb Yas 1, Ragl Saputra 1 Jurusa Statstka FSM UNDIP Jurusa Iformatka FSM UNDIP Abstract The umber of degue haemorrhagc fever (DHF) cdece Pekaloga from year to year s very volatle. I 006, there was 35 cases, 718 cases occurred 007, 008 saw 403 cases, 009 there were 753 cases, whereas 010 a decle to 3 cases. Ths s possble due to the lack of formato about the place, tme ad locato of the cdet spread of degue Pekaloga. Varous efforts have bee made to address these ssues both socety ad govermet but the cdece of ths dsease has ot bee effectvely suppressed. The results of data aalyss showed that the cdece of degue Pekaloga mostly occurs durg the ray seaso s the perod from Jauary to Jue. The DHF cdece teds to be hgher Kedugwu. Hghest cdece of DHF occurred Aprl 010. I addto, there are some moths that dcate the spatal relatoshps the cdece of degue Pekaloga, e Jauary, February, July, October ad December. The sub-dstrct that has a postve autocorrelato s Kedugwu, Wooprggo, ad Trto. Whle the sub-dstrct has a egatve autocorrelato s Karagdadap. Most of the subdstrcts Pekaloga status s stll edemc for degue. Keywords: DHF, Mora s Idex, Spatal Patter 1. Pedahulua Meurut Gajar (004) [3], Demam Berdarah Degue (DBD) merupaka peyakt yag dsebabka oleh vrus degue yag dtularka melalu ggta yamuk Aedes aegypt da Aedes albopctus yag sebelumya telah terfeks oleh vrus degue dar pederta DBD laya. Kedua jes yamuk Aedes terdapat hampr d seluruh pelosok Idoesa. Populas yamuk aka megkat pesat pada saat musm huja. Berbaga upaya telah dlakuka utuk megatas permasalaha bak masyarakat maupu pemertah, amu agka terjagktya peyakt mash belum dapat dteka secara efektf. Berdasarka profl kesehata Kabupate Pekaloga tahu 011 [] peyakt DBD telah meyebar luas ke seluruh wlayah Kabupate Pekaloga. Dar tahu ke tahu jumlah pederta DBD cederug fluktuatf. Pada tahu 006 terjad 35 kasus, 007 terjad 718 kasus, 008 terjad 403 kasus, 009 terjad 753 kasus, sedagka pada tahu 010 meuru mejad 3 kasus. Hal karea kuragya formas megea tempat, waktu da lokas persebara kejada DBD d Kabupate Pekaloga. Peta sebara secara geografs peyakt sagat bergua utuk mempelajar hubuga atara klm dega peyakt atau masalah kesehata la secara emprk da bermafaat utuk membatu megmplemetaska recaa terves. Iformas sebara wlayah rawa meurut tempat da waktu dperluka dalam meetuka wlayah prortas pelaksaaa program atspas da peaggulaga. Seragkaa kegata pembera pergata sesegera mugk kepada masyarakat tetag kemugka terjadya becaa dsuatu tempat oleh lembaga yag berweag dsebut dega sstem pergata d atau early warg system (UU No.4 tahu 007). Oleh karea tu, dbutuhka peta sebara yag dharapka mampu utuk meetuka wlayah prortas pelaksaaa program atspas da peaggulaga wabah DBD d Kabupate Pekaloga. 7

2 Meda Statstka, Vol. 6, No. 1, Ju 013 : 7-36 Beberapa peelta yag perah dlakuka yag berhubuga dega peyakt DBD adalah model pergata d peyakt demam berdarah dega megguaka faktor klm dataraya: Sasmto, Guama, da Wdatmoko (006) [7] yag meyusu model pergata d DBD d Kota Jakarta. Meurut Rosl et al. (010) [6], dalam peelta kesehata, aalss spasal dguaka utuk medeteks da megukur pola kejada peyakt yag dapat memberka wawasa epdemolog peyakt. Dalam kasus aalss spasal dlakuka dega dua lagkah yatu meetuka autokorelas spasal yag terjad dalam ruag ut utuk meetuka pola kejada peyakt da membuat pemetaa peyakt. Peelta aka meyusu peta rawa persebara kejada peyakt DBD d Kabupate Pekaloga dega mempertmbagka lokas (kecamata), waktu (bula), da musm dega pedekata aalss pola spasal (spatal patter aalyss). Metode cukup bak dalam meyajka peta kerawaa peyakt sekalgus dapat megdetfkas keterkata atar lokas da waktu [1]. Metode juga sagat efektf dalam medeteks varas secara geograf [8]. Dega melakuka peelta dharapka memberka masuka kepada stas terkat utuk mecegah terjadya kasus demam berdarah.. Tjaua Pustaka Baha da Metode Spatal Autocorrelato Autokorelas spasal adalah korelas atara varabel dega drya sedr berdasarka ruag atau dapat juga dartka suatu ukura kemrpa dar objek d dalam suatu ruag (jarak, waktu da wlayah). Jka terdapat pola sstematk d dalam peyebara sebuah varabel, maka terdapat autokorelas spasal. Adaya autokorelas spasal megdkaska bahwa la atrbut pada daerah tertetu terkat oleh la atrbut tersebut pada daerah la yag letakya berdekata atau bertetagga [1]. Matrk Pembobot Spasal Matrk pembobot spasal dapat dtetuka dega beragam metode. Salah satu metode peetua matrk pembobot spasal yag dguaka dalam peelta adalah Quee cotguty (persgguga ss-sudut). Matrk pembobot w j berukura x, dmaa setap eleme matrk meggambarka ukura kedekata atara pegamata da j. Pada Gambar 1 dberka lustras megea perhtuga matrk pembobot megguaka Quee cotguty. Ilustras tersebut megguaka lma daerah sebaga pegamataya. Eleme matrk ddefska 1 utuk wlayah yag berssa (commo sde) atau ttk sudutya (commo vertex) bertemu dega daerah yag mejad perhata, sedagka daerah laya ddefska eleme matrk pembobot sebesar ol. Utuk daerah 3, ddapatka w 31 = 0, w 3 = 1, w 33 = 0, w 34 = 1, da w 35 = 1. Matrk w j memlk ukura matrk 5 x 5. Ilustras lebh legkapya dsajka pada Gambar 1 berkut () (1) (3) (4) (5) Matrks Gambar 1. Ilustras Perhtuga Matrks Pembobot Cotguty 8

3 Pemetaa Peyakt (Hasb Yas) Ideks Mora s I Mora's I megukur korelas satu varabel msal x ( x da x j ) dmaa j, = 1,,..., j = 1,,... dega bayak data sebesar, maka formula dar Mora s I adalah pada Persamaa (1) [5]. I S 0 w ( x x)( x x) 1 j1 1 j1 S ( x x) 0 j1 w j j j x pada Persamaa (1) merupaka rata-rata dar varabel x, wj merupaka eleme dar matrk pembobot, da S0 adalah jumlaha dar eleme matrk pembobot. Nla dar deks I berksar atara -1 da 1. Idetfkas pola megguaka krtera la deks I, jka I > I 0, maka mempuya pola megelompok (cluster), jka I > I 0, maka berpola meyebar tdak merata (tdak ada autokorelas), da I < I 0, memlk pola meyebar. I 0 merupaka la ekspektas dar I yag drumuska sebaga berkut [4] : 1 E I I0. 1 Peguja hpotess terhadap parameter I dapat dlakuka sebaga berkut. H 0 : tdak ada autokorelas spasal H 1 : terdapat autokorelas postf (deks Mora s I berla postf) H 1 : terdapat autokorelas egatf (deks Mora s I berla egatf ). Meurut Lee da Wog [4] statstk uj dar deks Mora s I dturuka dalam betuk statstk peubah acak ormal baku. Hal ddasarka pada teor Dall Lmt Pusat dmaa utuk yag besar da ragam dketahu maka Z(I) aka meyebar ormal baku sebaga berkut: I E I Zht () I var dega I adalah deks Mora s I, Z ht adalah la statstk uj deks Mora s I, E(I) adalahla ekspektas deks Mora s I, da Var(I) adalah la varas dar deks Mora s I. Var I dega: 1 S1 w w 3 3 S1 S 3S0 k 1 S1 S 6S S 1 3 S 1 j j, S w. w. 1 j , w. wj da w. w x 1 x k x 1 x Peguja aka meolak hpotess awal jka la Z ht > Z() (autokorelas postf) atau Z ht > - Z() (autokorelas egatf). Postf autokorelas spasal megdkaska bahwa atar lokas pegamata memlk keerata hubuga. j1 j1 j (1) 9

4 Meda Statstka, Vol. 6, No. 1, Ju 013 : 7-36 Local Idcator of Spatal Autocorrelato (LISA) Pegdetfkasa koefse autocorrelato secara lokal dalam arta meemuka korelas spasal pada setap daerah, dapat dguaka Mora s I. Mora s Ipada LISA megdkaska local autocorrelato. LISA ds megdetfkas bagamaa hubuga atara suatu lokas pegamata terhadap lokas pegamata yag laya. Adapu deksya adalah sebaga berkut [4] : I z w z (3) j j 1 z da z j pada persamaa (3) merupaka devas dar la rata-rata. z x x adalah la stadar devas dar x. Peguja terhadap parameter I dapat dlakuka sebaga berkut. H 0 : tdak ada autokorelas spasal H 1 : terdapat autokorelas spasal I E I Statstk uj: Zht (4) I Var dega I merupaka deks LISA, Z ht merupaka la statstk uj deks LISA, EI merupaka la ekspektas deks LISA, da var I merupaka la varas dar deks LISA. w 1. E I Peguja aka meolak hpotess awal jka la Z ht terletak pada Z Z ht. Mora s Scatterplot Lee da Wog (001) [4] meyebutka bahwa Mora s Scatterplot adalah salah satu cara utuk megterpretaska statstk Ideks Mora. Mora s Scatterplot merupaka alat utuk melhat hubuga atara (la pegamata yag sudah dstadarsas) dega (la rata-rata daerah tetagga yag telah dstadarsas). Ilustras lebh legkap dapat dlhat pada Gambar d bawah. Gambar. Mora Scatterplot Kuadra I (terletak d kaa atas) dsebut Hgh-Hgh (HH), meujukka daerah yag mempuya la pegamata tgg dkellg oleh daerah yag mempuya la 30

5 Pemetaa Peyakt (Hasb Yas) pegamata tgg. Kuadra II (terletak d kr atas) dsebut Low-Hgh (LH), meujukka daerah dega pegamata redah tap dkellg daerah dega la pegamata tgg. Kuadra III (terletak d kr bawah) dsebut Low-Low (LL), meujukka daerah dega la pegamata redah da dkellg daerah yag juga mempuya la pegamata redah. Kuadra IV (terletak d kaa bawah) dsebut Hgh-Low (HL), meujukka daerah dega la pegamata tgg yag dkellg oleh daerah dega la pegamata redah. Mora s Scatterplot yag bayak meempatka pegamata d kuadra HH da kuadra LL aka cederug mempuya la autokorelas spasal yag postf (cluster). Sedagka Mora s Scatterplot yag bayak meempatka pegamata d kuadra HL da LH aka cederug mempuya la autokorelas spasal yag egatf. 3. Hasl da Pembahasa Keaadaa Geografs Kabupate Pekaloga Kabupate Pekaloga merupaka salah satu dar 35 Kabupate/Kota d Provs Jawa Tegah, yag berada d daerah Patura baga barat sepajag pata utara Laut Jawa memajag ke selata dega Kota Kaje sebaga Ibu Kota pusat pemertaha. Gambar 3. Peta Admstras Kabupate Pekaloga Kejada Peyakt DBD Meurut Kecamata Kejada peyakt DBD d Kabupate Pekaloga pada perode 010 sampa 011 memlk karakterstk yag beragam. Rata-rata tertgg agka kejada DBD adalah sebesar 3.58 perbula yag terjad d kecamata Kedugwu, sedagka ada beberapa kecamata yag tdak perah mucul adaya kejada peyakt DBD yatu d kecamata Kadagserag, Lebakbarag da Petugkroo. Sedagka keragama tertgg adalah sebesar 6.43 yag terjad d kecamata Kedugwu. Deskrps secara legkap kejada peyakt DBD d Kabupate Pekaloga meurut kecamata perode dsajka pada Tabel 1. Tggya kejada peyakt DBD d Kecamata Kedugwu tdak lepas dar besarya kepadata peduduk yag ada pada wlayah tersebut. Kecamata-kecamata dega kepadata peduduk yag cukup tgg terjad d kecamata Kedugwu, Trto, Wradesa, da Buara. Kecamata Buara merupaka kecamata dega kepadata 31

6 Meda Statstka, Vol. 6, No. 1, Ju 013 : 7-36 peduduk tertgg yatu sebesar lebh dar 4538 jwa/km. Selegkapya dapat dlhat pada Gambar 4. Tabel 1. Nla Rata-rata da Ragam Jumlah Kejada Peyakt DBD Tap Bula d Kabupate Pekaloga Tahu 010 sampa 011 Meurut Kecamata Kecamata Rata-rata Ragam Kecamata Rata-rata Ragam Buara Swala Doro Srag Kaje Talu Kadagserag Trto Karagdadap Wradesa Kedugwu Wookerto Keses Wooprggo Lebakbarag Karagayar Paggara Bojog Petugkroo WONOKERTO SIWALAN TIRTO WIRADESA BUARAN SRAGI KEDUNGWUNI BOJONG KARANGDADAP WONOPRINGGO Keckabpkl_dbd.shp KESESI KAJEN DORO KARANGANYAR TALUN W N E KANDANGSERANG LEBAKBARANG PETUNGKRIONO PANINGGARAN S Gambar 4. Kepadata Peduduk Kabupate Pekaloga Meurut Kecamata Tahu 011 Kejada Peyakt DBD Meurut Waktu Berdasarka waktu kejada peyakt DBD d Kabupate Pekaloga pada perode meujukka bahwa kejada DBD palg bayak terjad pada semester pertama, yatu bula Jauar-Ju. Perode merupaka musm huja (Desember-Maret) da musm trass meuju kemarau (Aprl-Ju). Sebalkya, pada bula Jul-Desember atau semester kedua kejada DBD cederug lebh redah karea bula-bula merupaka musm kemarau (Ju-September) da trass meuju musm huja (Oktober-Desember). Selama perode kejada DBD terbesar adalah pada bula Aprl da Me 010, sedagka pada bula Jul 011 da Agustus 011 merupaka bula dega agka kejada peyakt DBD terredah. 3

7 Pemetaa Peyakt (Hasb Yas) Hubuga Kejada DBD Atar Kecamata da Pola Sebaraya Pada tahu 010 meujukka bahwa pada bula Jauar, Februar, Jul, Oktober da Desember memlk pola peyebara kejada DBD yag megelompok. Hal berart bahwa agka kejada DBD atar kecamata pada beberapa bula tersebut hampr sama. Semetara pada bula-bula yag la ddkaska agka kejada DBD-ya tdak membetuk kelompok yag berart bahwa agka kejada DBD atar kecamata pada bula tersebut cukup beragam. Sedagka pada tahu 011 tdak terdapat perode bula yag memlk pola peyebara kejada DBD yag megelompok. Hal berart bahwa agka kejada DBD atar kecamata pada beberapa bula tersebut hampr sama tdak membetuk kelompok yag berart bahwa agka kejada DBD atar kecamata pada bula tersebut cukup beragam. Tabel. Hasl Perhtuga Ideks Mora s I, E(I), Var(I), da Z htug tahu 010 Bula I E(I) Var(I) Zhtug Pvalue Jauar a Februar a Maret Aprl Me Ju Jul b Agustus September Oktober b Nopember Desember b a Sgfka pada α = 1%, b Sgfka pada α = 5% Tabel 3. Hasl Perhtuga Ideks Mora s I, E(I), Var(I), da Z htug tahu 011 Bula I E(I) Var(I) Zhtug Pvalue Jauar Februar Maret Aprl Me Ju Jul Agustus September Oktober Nopember Desember

8 Meda Statstka, Vol. 6, No. 1, Ju 013 : 7-36 Berdasarka peguja terhadap adaya autokorelas spasal dega megguaka deks Mora s (Tabel ) meujukka bahwa pada bula bula Jauar, Februar, Jul, Oktober da Desember 010 memlk autokorelas spasal postf. Sedagka pada tahu 011 sesua dega Tabel 3 terlhat tdak ada autokorelas spasal postf maupu egatf pada bula-bula tersebut.berdasarka tgkat sgfka, meujukka bahwa bulabula tersebut mempuya autokorelas spasal dega tgkat sgfka lebh dar 5%. Hal megdkaska bahwa kedekata lokas kecamata tdak haya bersgguga ss atau tep, amu lebh dar tu. Kedekata dapat juga dpegaruh oleh jarak yag meghubugka da tgkat mobltas peduduk atar kecamata. Oleh karea tu, kemugka matrks pembobot yag dguaka tdak haya ketersgguga saja, melaka juga megguaka pedekata jarak atar kecamata. Aalss selajutya adalah dega memperhatka kejada peyakt yag tertgg yatu pada bula Aprl 010. Berdasarka hasl Mora s Scatterplot pada bula Aprl 010, dperoleh formas bahwa sebaga besar agka kejada peyakt DBD tap kecamata d Kabupate Pekaloga pada bula Aprl 010 meyebar d kuadra 1 (HH) da kuadra (LH). Pecara ttk-ttk amata pada Gambar 5 merupaka kecamata yag meyebar berdasarka pegaruhya terhadap kecamata yag bersebelaha. Ttk pecar pada kuadra 1 (HH) meujukka kecamata yag agka DBD-ya tgg berada d atara kecamata-kecamata yag agka DBD-ya tgg pula. Kuadra (LH) meujukka kecamata yag agka DBD-ya redah berada d atara kecamatakecamata yag agka DBD-ya tgg. Kuadra 3 (LL) meujukka kecamata yag agka DBD-ya redah berada d atara kecamata-kecamata yag agka DBD-ya redah pula. Kuadra 4 (HL) meujukka kecamata yag agka DBD-ya tgg berada d atara kecamata-kecamata yag agka DBD-ya redah. Kuadra HH da LL megdkaska kesamaa karakterstk atar kecamata (pola megelompok) da kuadra LH da HL megdkaska keragama karakterstk atar kecamata. Gambar 5. Mora s Scatterplot pederta DBD pada bula Aprl 010 Peguja LISA memberka hasl yag beragam. Kecamata Kedugwu, Wooprggo, Karagdadap da Trto merupaka beberapa kecamata yag memlk hubuga spasal dega kecamata-kecamata la yag berdekata. Hasl perhtuga la I da p-value utuk perode Aprl 010 selegkapya dsajka pada Tabel 4. 34

9 Pemetaa Peyakt (Hasb Yas) Tabel 4. Nla Htug da p-value LISA pada Bula Aprl 010 Kecamata I p-value Kecamata I p-value Buara Swala Doro Srag Kaje Talu Kadagserag Trto b Karagdadap b Wradesa Kedugwu a Wookerto Keses Wooprggo a Lebakbarag Karagayar Paggara Bojog Petugkroo a Sgfka pada α = 1%, b Sgfka pada α = 5% Hasl Mora s scatterplot da LISA memberka formas bahwa kecamata yag memlk autokorelas posstf adalah kecamata Kedugwu, Wooprggo, da Trto. Semetara kecamata yag memlk autokorelas egatf adalah Kecamata Karagdadap. Hal dapat djelaska pula dega gambar peta sgfkas LISA pada Gambar 6. Sedagka peta pegelompokka kecamata dapat dlhat pada Gambar 7. Gambar 6. Peta Sgfkas LISA da Pegelompokka Kecamata Aprl 010 Peta Edemstas Tgkat kerawaa kecamata terhadap acama peyakt DBD ddasarka pada kejada DBD pada 3 tahu terakhr, yatu tahu 008, 009 da 010. Oleh karea tu pada tahu 011 d Kabupate Pekaloga ddapat hasl bahwa terdapat 14 kecamata yag berstatus edems, 3 kecamata berstatus sporads, da kecamata berstatus ama/potesal. Pola peyebara status kerawaa kecamata dapat dlhat pada Gambar 7. Artya dega mash bayakya kecamata yag berstatus edems, maka perlu peagaa yag lebh serus yag dapat meuruka agka kejada DBD. 35

10 Meda Statstka, Vol. 6, No. 1, Ju 013 : 7-36 W N S E WONOKERTO SIWALAN TIRTO WIRADESA BUARAN SRAGI KEDUNGWUNI BOJONG KARANGDADAP WONOPRINGGO Keckabpkl_dbd.shp Ama Edems Sporads KESESI KAJEN DORO KARANGANYAR TALUN KANDANGSERANG LEBAKBARANG PETUNGKRIONO PANINGGARAN Gambar 7. Peta Sebara Tgkat Kerawaa DBD Kabupate Pekaloga Tahu Kesmpula Hasl aalss data meujukka bahwa kejada DBD d Kabupate Pekaloga sebaga besar terjad pada musm huja yatu pada perode bula Jauar-Ju. Kejada DBD cederug lebh tgg d Kecamata Kedugwu. Kejada DBD tertgg terjad pada bula Aprl 010. Sela tu, terdapat beberapa bula yag megdkaska hubuga spasal pada kejada DBD d Kabupate Pekaloga, yatu bula Jauar, Februar, Jul, Oktober da Desember. Kecamata yag memlk autokorelas posstf adalah kecamata Kedugwu, Wooprggo, da Trto. Semetara kecamata yag memlk autokorelas egatf adalah Kecamata Karagdadap. Sebaga besar kecamatakecamata d Kabupate Pekaloga mash berstatus edems terhadap kejada DBD. DAFTAR PUSTAKA 1. Curts, J. A. ad Lee, A. W., Spatal Patter of Dabetes Related Health Problems for Vuleral Populatos Los Ageles, USA, Dkes Kab. Pekaloga, Profl Kesehata Kabupate Pekaloga 011, 011, URL: 7 Februar, Gajar, G., Demam Berdarah, PT. Mza Publka, Badug, Lee J. ad Wog S.W.D., Statstcal Aalyss wth Arcvew GIS, Joh Wlley & Sos, Ic., Uted Stated of Amerca, Parads, E., Mora's Autocorrelato, 010, Rosl, M.H., Er, A.C., Asmaha, A., Nam, M.M.R., Harsuzlawat, M., Spatal Mappg of Degue Icdet: A Case Study Hulu Lagat Dstrct, Selagor, Malaysa, Iteratoal Joural of Huma ad Socal Sceces, 010, Vol. 5, No. 6: Sasmto, G.H. da Wdatmoko, H., Iformas Meteorolog Utuk Pergata D Bahaya Demam Berdarah Degue (DBD) d Wlayah DKI Jakarta. Lapora Proyek Pegembaga Meteorolog da Geofska Tahu 006, BMKG Jakarta, Tottrup, C., Tersbol, P.B., Ldeboom, W. ad Meyrowtsch, D., Puttg Chld Mortalty o Map: Towards a Uderstadg of Iequty Health, Tropcal Medce & Iteratoal Health, 009, Vol. 14, No. 6 :

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD) PENDAHULUAN Latar Belakag Kods suatu daerah secara umum berkata dega kods d daerah la, terutama daerah yag berdekata. Pola sepert dkeal dega hubuga spasal. Besara autokorelas spasal dapat dguaka utuk megdetfkas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA)

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA) Jural EKSPONENSIAL Volume 8, Nomor, Me 7 ISSN 85-789 Aalss Autokorelas Spasalttk Paas D Kalmata Tmur Megguaka Ideks Mora da Local Idcator Of Spatal Autocorrelato (LISA) Aalyss Spatal Autocorrelato Hotspot

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

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

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

Lebih terperinci

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK J u r a l E K B I S / V o l. X III/ N o. 1 / e d s M a r e t 0 1 5 69 SPATIAL PATTERN ANALYSIS DAN SPATIAL AUTOCORRELATION PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI UNTUK MENGGAMBARKAN PEREKONOMIAN

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

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

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian 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

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR Rokhaa Dw Bekt Mathematcs & Statstcs Departmet, School of Computer Scece, Bus Uversty Jl. K.H. Syahda No. 9, Palmerah, Jakarta

Lebih terperinci

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

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

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 2013 DENGAN AUTOKORELASI SPASIAL

ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 2013 DENGAN AUTOKORELASI SPASIAL Statstka, Vol., No., Me 4 ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 3 DENGAN AUTOKORELASI SPASIAL Ala Prahutama Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Uverstas Dpoegoro,

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2.

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2. p-issn 979 3693 e-issn 477 0647 MEDIA STATISTIKA 0() 07: 95-05 http://ejoural.udp.ac.d/dex.php/meda_statstka ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK 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 terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

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

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

Lebih terperinci

Bab II Teori Pendukung

Bab 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 terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan 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 terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Prosdg Semar Nasoal Sas da Peddka Sas I, Fakultas Sas da Matematka, UKSW Salatga, 2 Ju 204, Vol 5, No., ISSN :2087-0922 KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Ad Setawa Program Stud

Lebih terperinci

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

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

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis 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 terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

X a, TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

Tabel Distribusi Frekuensi

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

Lebih terperinci

STATISTIKA DASAR. Oleh

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

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB 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 terperinci

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

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

Lebih terperinci

REGRESI LINIER SEDERHANA

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

Lebih terperinci

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN 009 03 S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-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 terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 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 terperinci

REGRESI & KORELASI LINIER SEDERHANA

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

Lebih terperinci

IV HASIL DAN PEMBAHASAN

IV HASIL DAN PEMBAHASAN 9 3.3.2.6 Perbadga Kualtas Data dega Parameter Statstka Parameter statstka yag dguaka sebaga alat batu pelaa perbadga kualtas kedua data adalah raso, korelas, MAE, da RMSE. Raso Data CH Dugaa R Data CH

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya

Lebih terperinci