Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression
|
|
- Sucianty Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan Purhad Jurusan Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Insttut Tenolog Sepuluh Nopember (ITS) Jl. Aref Rahman Ham, Surabaya 6 E-mal: purhad@statsta.ts.ac.d Abstra Pneumona adalah nfes saluran pernafasan aut bagan bawah yang mengena parenm paru dan palng serng menyebaban ematan pada bay dan balta. Analss regres lner merupaan analss statst yang bertujuan memodelan hubungan antara varabel respon dengan varabel predtor. Geographcally Weghted Regresson (GWR) adalah bentu loal dar regres lner dan merupaan metode statst yang dgunaan menganalss data spasal. Peneltan n bertujuan mengetahu fator-fator esternal yang mempengaruh pneumona balta d Jawa Tmur dengan menggunaan GWR. Hasl peneltan menunjuan bahwa pada model regres lner dperoleh hasl yang tda sgnfan, sehngga dlanjutan dengan analss GWR. Model GWR ejadan pneumona balta menghaslan R lebh besar dar model regres, yatu 46,54 persen dan SSE yang lebh ecl, yatu 9, Fator geografs berpengaruh terhadap ejadan pneumona balta d Jawa Tmur sehngga model GWR yang terbentu berbeda-beda tap abupaten. Fator esternal yang berpengaruh terhadap pneumona balta d Jawa Tmur adalah pemberan vtamn A dan balta mendapat munsas. Kata Kunc Geographcally Weghted Regresson, Kernel Gaussan, Pneumona I. PENDAHULUAN UJUAN eempat MDGs yatu menurunan anga Tematan ana dengan target menurunan anga ematan balta pada tahun 5 dua per tga dar tahun 99 atau dengan ata lan 3 ematan per elahran hdup []. Salah satu upaya menurunan anga ematan balta adalah dengan menurunan anga ematan balta abat Pneumona sebaga penyebab utama ematan pada balta []. Pneumona atau radang paru-paru adalah nfes saluran pernafasan aut (ISPA) bagan bawah yang mengena parenm paru. Jawa Tmur merupaan salah satu propns dengan tngat pneumona balta yang tngg. Berdasaran laporan Kabupaten/Kota d Jawa Tmur, jumlah asus pneumona balta tahun 9 sebanya 64. asus [3]. Jumlah persentase penderta pneumona balta d tap abupaten/ota d Jawa Tmur sangat beragam. Fator geografs dan lngungan merupaan salah satu penyebab tmbulnya varas pneumona d Jawa Tmur. Dalam hal n fator geografs dan lngungan berpengaruh pada status gz balta antar abupaten/ota yang bsa berdampa pada masalah esehatan pada balta. Peneltan sebelumnya yang berhubungan dengan pneumona dantaranya [4], [5] dan [6]. Geographcally Weghted Regresson (GWR) adalah salah satu metode spasal yang menggunaan fator geografs sebaga varabel bebas yang dapat mempengaruh varabel respon [7]. Aplas GWR telah dgunaan oleh [8], [9] dan []. Metode statst yang dgunaan dalam ejadan pneumona telah dembangan sebelumnya oleh [5] dengan analss Ch Square dan regres logst. Sedangan pada peneltan n (GWR) mengaj fator esternal ejadan pneumona pada balta d Jawa Tmur dengan mempertmbangan aspe spasal. Aspe spasal dsn terat dengan perbedaan araterst lngungan dan geografs antar daerah sehngga masng-masng daerah ada emungnan meml varas yang berbeda. Pendeatan spasal sangat beralasan, arena penyebaran suatu penyat, terutama penyat menular sangat dpengaruh oleh lngungan setar. Ja suatu daerah terjangt suatu penyat menular, maa terdapat emungnan bahwa daerah setarnya aan tertular penyat n pula. Oleh arena tu dperluan suatu metode pemodelan statst dengan memperhtungan aspe spasal yatu menggunaan metode Geographcally Weghted Regresson (GWR) yang dharapan mampu menghaslan model pneumona balta yang tepat d tap wlayah. Tujuan yang ngn dcapa yatu untu mengetahu fator esternal yang menyebaban balta terena Pneumona d Jawa Tmur dengan metode Geographcally Weghted Regresson (GWR). Manfaat yang dperoleh yatu sebaga nformas untu pemerataan sasaran pelasanaan program pencegahan dan pengendalan pneumona balta dalam ranga menurunan Anga Kematan Balta (AKBA) d Jawa Tmur serta menambah wawasan penelt tentang metode spasal hususnya Geographcally Weghted Regresson (GWR) dalam masalah epdemolog penyat. Batasan masalah dalam peneltan n yatu hanya menggunaan data persentase penderta pneumona balta d Jawa Tmur tahun 9 dan fator esternal yang mempengaruhnya. II. TINJAUAN PUSTAKA A. Model Regres Lner Metode regres lner merupaan metode yang memodelan hubungan antara varabel respon y dan varabel predtor x, x,..., x p. Model regres lner secara umum : y xx... pxp () dmana,,..., merupaan parameter model dan p merupaan error yang dasumsan dent, ndependen, dan berdstrbus normal dengan mean nol dan varans onstan atau ( ~ IIDN, ). Pada model n, hubungan antara varabel predtor dan varabel respon danggap onstan pada setap loas geografs.
2 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-38 Dalam notas matrs, model regres dapat dtulsan menjad : y Xβ ε dengan : y x x x p y y, x x x p, X, β ε y n xn xn x np p n B. Model Geographcally Weghted Regresson (GWR) Model Geographcally Weghted Regresson (GWR) adalah pengembangan dar model regres dmana setap parameter dhtung pada setap tt loas, sehngga setap tt loas geografs mempunya nla parameter regres yang berbeda-beda. Model GWR merupaan pengembangan dar model regres global dmana de dasarnya dambl dar regres non parametr []. Varabel respon y dalam model GWR dpreds dengan varabel predtor yang masng-masng oefsen regresnya bergantung pada loas dmana data tersebut damat. Model GWR dapat dtuls sebaga berut [7] n : p y u, v u, vx () dengan : y : Nla observas varabel respon untu loas e- u, v : Menyataan tt oordnat (longtude, lattude) loas u, v : Koefsen regres varabel predtor e- untu loas e- Peran pembobot pada model GWR sangat pentng arena nla pembobot n mewal leta data observas satu dengan lannya. Fungs ernel dgunaan untu mengestmas paramater dalam model GWR ja fungs jara w adalah fungs yang ontnu dan monoton turun []. Pembobot yang terbentu dengan menggunaan fungs ernel n adalah fungs jara Gaussan (Gaussan Dstance Functon), fungs Exponental, fungs Bsquare, dan fungs ernel Trcube. Fungs pembobot yang dgunaan pada peneltan n adalah fungs jara Gaussan [7] : w u, v exp d h (3) j j dengan d u u v v adalah jara euclden j antara loas v j j u, e loas j v j j u, dan h adalah parameter non negatf yang detahu dan basanya dsebut parameter penghalus (bandwdth). Bandwdth dapat danalogan sebaga radus dar suatu lngaran, sehngga sebuah tt yang berada d dalam radus lngaran mash danggap meml pengaruh. D dalam pembentuan sebuah model GWR, bandwdth berperan sangat pentng arena aan berpengaruh pada etepatan model terhadap data, yatu mengatur varans dan bas dar model. Ada beberapa metode yang dgunaan untu memlh bandwdth optmum, salah satu dantaranya adalah metode Cross Valdaton atau CV [7] yang secara matemats ddefnsan sebaga berut: n CV h y ˆ ( ) y h (4) y dengan h loas v adalah nla penasr y dmana pengamatan d u, dhlangan dar proses estmas. Untu mendapatan nla h yang optmal maa dperoleh dar h yang menghaslan nla CV yang mnmum. Pengujan Hpotess Model GWR Terdr dar pengujan esesuaan model GWR dan pengujan parameter model. Hpotess uj esesuaan model GWR : H : u, v untu setap,,,, p, dan,,, n (tda ada perbedaan yang sgnfan antara model regres global dan GWR) H :Palng sedt ada satu u, v,,,,, p (ada perbedaan yang sgnfan antara model regres global dan GWR). Statst uj [7] : RSSH F (5) htung RSSH n p Adapun pengujan sgnfans parameter model pada setap loas dlauan dengan menguj parameter secara parsal. Hpotessnya : H : u, v u, v H : dengan,,, p Statst uj yang dgunaan : ˆ ( u, v ) Tht (6) ˆ c C. Pneumona Pneumona adalah nfes saluran pernafasan aut bagan bawah yang mengena parenm paru. dan merupaan penyat nfes saluran pernafasan aut (ISPA) yang palng serng menyebaban ematan pada bay dan ana balta. Fator rso adalah fator atau eadaan yang mengabatan seorang ana rentan menjad sat atau satnya menjad berat. Berbaga fator rso yang menngatan ejadan, beratnya penyat dan ematan arena pneumona antara lan status gz, pemberan ASI (Ar Susu Ibu), suplementas vtamn A, berat bay lahr rendah (BBLR), munsas / vasnas, usa dbawah tahun, polus udara, emsnan III. METODE PENELITIAN Data dalam peneltan n menggunaan data seunder mengena Pneumona balta d Jawa Tmur tahun 9 yang dperoleh dar publas data Dnas Kesehatan (Dnes). Data tersebut adalah jumlah penderta pneumona pada balta yang terdapat pada 38 abupaten/ota. Adapun varabel yang dgunaan dalam peneltan n adalah sebaga berut.. Varabel respon (Y) yatu persentase balta penderta pneumona d Jawa Tmur. Varabel predtor (X) melput persentase balta gz buru (X ), persentase balta yang mendapatan suplementas vtamn A (X ), persentase berat bay lahr rendah (X 3 ) dan persentase balta yang mendapatan munsas (X 4 ). Langah-langah analss yang dgunaan untu menjawab tujuan dar peneltan antara lan sebaga berut.. Melauan analss desrptf
3 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-39. Memodelan pneumona balta dengan metode regres lner las atau metode Ordnary Least Square (OLS). a. Melauan uj asums model regres las bahwa resdual bersfat IIDN (Ident, Independen dan berdstrbus normal) 3. Sedangan tahapan dalam model spasal menggunaan GWR antara lan : a. Menentuan nla bandwdth optmum berdasaran rtera Cross Valdaton (CV). Perhtungan CV dlauan hngga mendapatan nla CV mnmum. b. Menentuan matrs pembobot dengan menggunaan fungs ernel Gaussan. c. Menasr parameter model GWR dengan menggunaan bandwdth optmum. 4. Membandngan hasl antara regres OLS dan GWR menggunaan rtera R dan SSE. a. Uj esesuaan model untu melhat apa fator geograf berpengaruh terhadap ejadan pneumona. b. Menguj sgnfans parameter secara parsal. 5. Mengnterpretas dan menympulan hasl yang dperoleh. sangat tngg berada d abupaten Lumajang dan abupaten Gres yatu 5,49 hngga 8,3 persen. Untu pneumona balta dengan ategor tngg berada d abupaten Mojoerto, Bangalan, Kota Mojoerto, Pasuruan dan Probolnggo yatu sebesar 3,6 hngga 5,49 persen. Sedangan abupaten Lamongan, Ngaw, Magetan, Ponorogo, Probolnggo, Banyuwang, ota Madun dan ota Batu merupaan daerah dengan tngat pneumona balta yang sangat rendah yatu,43 hngga,8 persen. Daerah dengan persentase pneumona balta tertngg d abupaten Gres dan terendah d ota Batu. Berut merupaan peta sebaran persentase balta gz buru (X ), persentase balta yang mendapatan suplementas vtamn A (X ), persentase berat bay lahr rendah (X 3 ) dan persentase balta yang mendapatan munsas (X 4 ) d Jawa Tmur. IV. ANALISIS DAN PEMBAHASAN A. Gambaran Pneumona d Jawa Tmur dan Fator-fator yang Mempengaruhnya Tabel berut menunjuan bahwa rata-rata pneumona balta d Jawa Tmur sebesar, persen. Hal n berart persentase balta yang terena pneumona d setap abupaten/ota d Jawa Tmur umumnya berada dalam saran persen dengan nla terendah dan tertngg pneumona baltanya adalah,4 dan 8,3 persen. Dapat detahu pula bahwa rata-rata berat bay lahr rendah (BBLR) sebesar,74 persen, yang terendah sebesar,9 persen d abupaten Malang dan tertngg 6,59 d ota Madun. Ja dlhat nla varansnya, persentase pneumona balta mempunya eragaman yang cuup bervaras d setap abupaten/ota. Tabel. Statsta Desrptf Pneumona balta dan Fator-fator yang mempengaruhnya Varabel Rata-rata Varans Mnmum Masmum Pneumona (Y), 3,4,4 8,3 Balta Gz Buru (X ),67,44,,63 Vtamn A x (X ) 87,38 4,3 69,57, BBLR (X 3 ),74,44,9 6,59 Imunsas (X 4 ) 9,3, 39,94, Gambar. Persebaran Persentase Balta Gz Buru d Jawa Tmur Persentase balta gz buru sangat tngg berada d abupaten Lamongan dan abupaten Bangalan yatu,387 hngga,66 persen. Sedangan abupaten Sampang, Sumenep, Sdoarjo, Jombang, Mojoerto, Pasuruan, Kedr, Tulungagung, Bltar dan Jember merupaan daerah dengan tngat balta gz buru yang sangat rendah yatu, hngga,5 persen. Penyebaran pneumona balta untu masng-masng abupaten dan ota d Jawa Tmur adalah sepert berut Gambar 3. Persebaran Persentase Vtamn A pada Balta d Jawa Tmur Gambar. Persebaran Persentase Pneumona Balta d Jawa Tmur Gambar menunjuan bahwa loas abupaten ota dalam satu elompo memperlhatan pola yang cuup menyebar. Selan tu pula detahu bahwa pneumona balta Gambar datas menunjuan persentase pemberan vtamn A pada balta ategor sangat tngg berada d abupaten Sampang, Sumenep, Magetan, Madun, Jombang, Tulungagung, Probolnggo, Bondowoso, Lumajang, ota Malang, ota Batu dan ota Kedr yatu 94,7 hngga persen. Sedangan abupaten Pactan, Nganju, Mojoerto, Stubondo, Banyuwang dan Gres merupaan daerah dengan tngat pemberan vtamn A pada balta yang sangat rendah yatu 69,57 hngga 75,3 persen.
4 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-4 nyata tda berpengaruh pada taraf sgnfans alpha persen. Nla oefsen determnas (R ) adalah,% yang berart bahwa model regres dapat menjelasan varabltas ejadan pneumona balta sebesar,% sedangan ssanya 88,9% djelasan oleh varabel lannya d luar model. Tabel. ANOVA Regres Lnear Sumber Derajat Jumlah Rata-rata Varas Bebas Kuadrat Kuadrat F htung P-value Regres 4 4,94,6,3,49 Error 33 3,996,9973 Total 37 37, Gambar 4. Persebaran Persentase Berat Bay Lahr Rendah (BBLR) Persentase berat bay lahr rendah sangat tngg berada d ota Madun, Kedr dan Malang yatu 4,4 hngga 6,6 persen. Sedangan abupaten Lamongan, Gres, Bangalan, Sampang, Pameasan, Sdoarjo, Pasuruan, Malang, Banyuwang dan ota Batu merupaan daerah dengan tngat berat bay lahr rendah yang sangat rendah yatu,9 hngga,85 persen. Gambar 5. Persebaran Persentase Balta mendapat munsas d Jawa Tmur Gambar 5 menunjuan bahwa persentase balta mendapat munsas sangat tngg berada d abupaten Gres, Sdoarjo, Sumenep, Madun, Ponorogo, Jombang, Nganju, Kedr, Bltar, Tulungagung, Probolnggo, Bondowoso, Jember, Banyuwang, ota Kedr, Bltar, Batu dan Probolnggo yatu 95,9 hngga persen. Sedangan abupaten Lamongan dan Pasuruan merupaan daerah dengan tngat balta mendapat munsas yang sangat rendah yatu 39,94 hngga 43,3 persen. Untu pengujan asums multolneartas sudah terpenuh oleh model OLS arena tda ada varabel predtor yang meml nla VIF (Varance Inflaton Factors) d atas. Sehngga dapat dsmpulan bahwa tda terdapat orelas antar varabel predtor. B. Model Regres Lner Pengujan parameter secara serenta merupaan pengujan secara bersama semua parameter dalam model regres. Hpotessnya adalah: H : 3 4 : H mnmal ada satu Hasl pengujan secara serenta model regres OLS ddapatan F htung =,3 yang urang dar F (,;4;33) =,68 dan p-value yang lebh dar alpha persen, sehngga dputusan untu gagal tola H (Tabel ). Pemodelan dengan menggunaan regres OLS menghaslan parameter yang Pada pengujan asums resdual ddapatan resdual yang mengut dstrbus normal, ndependen atau tda terdapat autoorelas, dan dent atau tda terdapat heteroesdaststas. Oleh arena hasl analss dengan regres lner tda menunjuan hubungan yang sgnfan maa analss dlanjutan e Geographcally Weghted Regresson (GWR). C. Model Geographcally Weghted Regresson (GWR) Model Geographcally Weghted Regresson (GWR) adalah pengembangan dar model regres dmana setap parameter dhtung pada setap tt loas, sehngga setap tt loas geografs mempunya nla parameter regres yang berbeda-beda. Tabel 3. Nla Mnmum dan Masmum Estmas Parameter Model GWR Varabel Nla Koefsen Parameter Mnmum Masmum Intersep -,346,3363 X -,499,955 X -,69,66 X 3 -,889,53 X 4 -,84,3737 SSE 9,77945 R 46,54% Tabel 3 menunjuan bahwa estmas parameter pada setap varabel (X sampa X 4 ) meml oefsen parameter regres bernla postf dan negatf pada beberapa abupaten. Selan tu dperoleh esmpulan bahwa model GWR ejadan pneumona balta tap abupaten/ota d Jawa Tmur yang terbentu merupaan model yang lebh ba bla dbandngan dengan model regres OLS darenaan nla SSE model GWR yang lebh ecl dar regres lner yatu 9,77945 urang dar 3,996 dan R yang cuup tngg yatu sebesar 46,54 persen. Pengujan Model GWR secara Serenta Bertujuan untu melhat apaah fator loas berpengaruh terhadap ejadan pneumona balta. H : u, v u, v... u v 38 38, H mnmal ada satu : u, v Tabel 4. Nla SSE, Nla Statst Uj F, dan P-value Model Regres OLS dan GWR Model SSE Df F P-value Model GWR 9, ,876,6638,9968 Model Regres 3, Tabel d atas menjelasan nla F htung =,6638 lebh dar F,;3,876;33 =,699 dan p-value sebesar,9968 yang berart bahwa fator loas berpengaruh terhadap ejadan pneumona balta d Jawa Tmur. Nla F htung dan p-value hasl pengujan
5 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-4 esesuaan model nyata dengan taraf sgnfans persen sehngga dputusan untu tola H. Pengujan Parameter Model GWR Bertujuan untu mengetahu fator-fator yang berpengaruh terhadap ejadan pneumona balta untu tap abupaten/ota d Jawa Tmur. H : u, v : j H u, v j Penghtungan statst uj parameter model GWR dlauan untu masng-masng parameter d setap Kabupaten/Kota Jawa Tmur. Setelah tu hasl t htung dbandngan dengan t tabel (,5; 3,876) =,74. Apabla dperoleh nla t htung > t tabel maa dputusan tola H yang berart parameter e- sgnfan pada loas e- dmana =,,, 38. Berut merupaan hasl pengujan parameter model GWR d Kota Surabaya. Tabel 5. Penasran Parameter GWR d Kota Surabaya Varabel Koefsen T htung Model GWR yang terbentu untu Kota Surabaya adalah sebaga berut. Yˆ,395,89X -,65X,98X 3,344X 4 Dar model tersebut menjelasan bahwa ejadan pneumona balta aan berurang sebesar,65 persen apabla varabel pemberan vtamn A bertambah sebesar satu persen dengan syarat varabel predtor yang lan adalah onstan. Lalu penngatan ejadan pneumona balta dapat terjad sebesar,344 persen ja bay yang mendapat munsas bertambah sebesar satu persen dengan syarat varabel predtor yang lan adalah onstan. ntersep,395,8599 X,89,59 X -,65 3,4948 * X 3,98,53 X 4,344,76533 * Keterangan : *) sgnfan pada α = % Tabel 5 menunjuan bahwa terdapat dua varabel yang berpengaruh sgnfan terhadap pneumona balta d Kota Surabaya Jawa Tmur yatu varabel pemberan vtamn A dua al (X ) dan balta mendapat munsas (X 4 ). Tabel 6. Varabel yang Sgnfan dalam Model GWR Tap Kabupaten/Kota d Provns Jawa Tmur Varabel yang Kabupaten/Kota Berpengaruh Pactan, Trenggale, Tulungagung, Lumajang, Jember, Banyuwang, Bondowoso, Stubondo, Madun, Madun (Kota), Magetan dan Ngaw Ponorogo, Bltar, Kedr, Malang, Probolnggo, Pasuruan, Sdoarjo, Mojoerto, Jombang, Nganju, Bojonegoro, Kedr (Kota), Bltar (Kota), Malang (Kota), Probolnggo (Kota), Pasuruan (Kota), Mojoerto (Kota), Batu (Kota) Tuban, Lamongan, Gres, Bangalan, Sampang, Pameasan, Surabaya (Kota) Sgnfan - X X,X 4 Sumenep X 4 Tabel 6 menjelasan bahwa varabel yang berpengaruh sgnfan terhadap ejadan pneumona balta d Kabupaten Tuban, Lamongan, Gres, Bangalan, Sampang, Pameasan dan ota Surabaya adalah varabel pemberan vtamn A dua al dan pemberan munsas. Hal n darenaan vtamn A bermanfaat untu menngatan muntas dan melndung saluran pernapasan dar nfes uman, sedangan munsas merupaan pemberan eebalan agar tubuh tahan terhadap penyat yang sedang mewabah atau berbahaya bag seseorang sehngga pemberan vtamn A dan munsas dapat menurunan rso untu terena pneumona. Gambar 6. Peta pneumona balta d Jawa Tmur dan fator yang mempengaruh V. KESIMPULAN DAN SARAN Berdasaran hasl analss dan pembahasan dengan menggunaan analss GWR detahu bahwa fator-fator yang berpengaruh terhadap ejadan pneumona balta d Jawa Tmur adalah pemberan vtamn A dua al (X ) dan balta mendapat munsas (X 4 ). Model GWR ejadan pneumona balta menghaslan R lebh besar darpada model regres lner, yatu 46,54 persen dan SSE yang lebh ecl, yatu 9, Fator geografs berpengaruh terhadap ejadan pneumona balta d Jawa Tmur sehngga model GWR yang terbentu berbeda-beda tap abupaten/ota. Adapun saran yang dberan penuls yatu agar pada peneltan selanjutnya menggunaan varabel dar aspe lan selan aspe esternal darenaan nla R yang ecl mengartan bahwa mash ada varabel-varabel lan yang belum menjelasan ejadan pneumona balta. Selan tu, pemlhan metode pembobotan juga mempengaruh hasl yang dperoleh. DAFTAR PUSTAKA [] MDGs. (8). Let Spea Out for MDGs. (Mnggu, 6 Otober,.3 WIB) [] Kementeran Kesehatan RI. (). Buletn Pneumona. (Mnggu, 4 februar, 3. WIB) [3] Dnas Kesehatan Propns Jawa Tmur. (9). Tabel Lampran Profl Kesehatan Provns Jawa Tmur 9. (Mnggu, November, 9.5 WIB) [4] I. Yulant,D. Ismal dan S. Supard, Fator Rso Kejadan Pneumona pada Ana Balta d Kota Banjarmasn, Jurnal Kedoteran Masyaraat, Vol. 8, No. (3). [5] T. A. Yuwono (8). Fator-fator lngungan fs rumah yang berhubungan dengan ejadan pneumona pada ana balta d wlayah erja Pusesmas Kawunganten Kabupaten Clacap. Tess Kesehatan Lngungan, Unverstas Dponegoro, Semarang (8). [6] S. Hartanto, S. Halm dan O. Y. Yulana, Pemetaan Penderta Pneumona d Surabaya dengan Menggunaan Geostatst, Jurnal Ten Industr, Vol., () [7] A. S. Fotherngham, C. Brunsdon dan M. Charlton, Geographcally Weghted Regresson, Chchester UK: John Wley & Sons ().
6 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-4 [8] F. E. Nurdm, Estmas dan Pengujan Hpotess Geographcally Weghted Regresson (Stud Kasus Produtvtas Pad Sawah d Jawa Tmur, Tess Jurusan Statsta FMIPA ITS, Surabaya (8). [9] Sugyanto, Analss Data Spasal Menggunaan Metode Geographcally Weghted Regresson (Stud Kasus Data Kemsnan d Provns Papua), Tess Jurusan Statsta FMIPA ITS, Surabaya (8). [] L. Ayunn, Pemodelan Balta Gz Buru d Kabupaten Ngaw dengan Geographcally Weghted Regresson, Tugas Ahr Jurusan Statsta FMIPA ITS, Surabaya (). [] H. Yasn, Model Mxed GWR stud asus Persentase Rumah Tangga Msn d Kabupaten Mojoerto tahun 8, Tess Jurusan Statsta FMIPA ITS, Surabaya ().
PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION
PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan
Lebih terperinciPemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)
Lebih terperinciPemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression
JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciPemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar
Lebih terperinciPEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION
PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut
Lebih terperinciPEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.
Lebih terperinciBAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla
Lebih terperinciPemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan
Lebih terperinciPemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d
Lebih terperinciPemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression
JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla
Lebih terperinciPendekatan Hurdle Poisson Pada Excess Zero Data
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah
BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah
Lebih terperinciANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION
E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata
Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola
Lebih terperinciPemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd
Lebih terperinciBAB II TEORI DASAR. Analisis Kelompok
BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)
BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188
JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya
Lebih terperinciPemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu
Lebih terperinciPemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression
Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)
Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran
Lebih terperinciANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR
ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,
Lebih terperinciPENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI
PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR
Lebih terperinciKarakterisasi Matrik Leslie Ordo Tiga
Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember
Lebih terperinciPENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR
Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciEKSPEKTASI SATU PEUBAH ACAK
EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt
Lebih terperinciPenggunaan Model Regresi Tobit Pada Data Tersensor
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d
Lebih terperinciFaktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression
Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.
Lebih terperinciANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)
ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster
Lebih terperinciπ(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)
Lebih terperinciBAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode
BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat
Lebih terperincie + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e
ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciBAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA
BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model
Lebih terperinciPemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur
D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas
Lebih terperinciKOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda
KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36
JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciPenerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah
The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciEman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK
PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata
Lebih terperinciBAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)
BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)
Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciVI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar
VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciPengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA
Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena
Lebih terperinciANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR
ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan
Lebih terperinciBab III. Plant Nonlinear Dengan Fase Nonminimum
Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah
BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga
Lebih terperinciBab III Model Estimasi Outstanding Claims Liability
Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa
Lebih terperinciUSULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG
Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciPEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA
Lebih terperinciPENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.
PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciJurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online
Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu
Lebih terperinciPemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)
Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciPemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud
Lebih terperinciBAB II DIMENSI PARTISI
BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL
ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciPENGELOMPOKKAN WILAYAH BENCANA ENDEMI DEMAM BERDARAH DENGUE DI JAWA TIMUR DENGAN FUZZY GEOGRAPHICALLY WEIGHTED CLUSTERING PARTICLE SWARM OPTIMIZATION
PEGELOMPOKKA WILAYAH BECAA EDEMI DEMAM BERDARAH DEGUE DI JAWA TIMUR DEGA FUZZY GEOGRAPHICALLY WEIGHTED CLUSTERIG PARTICLE SWARM OPTIMIZATIO CLUSTERIG FOR DISASTER AREAS EDEMIC DEGUE HEMORRHAGIC FEVER BASED
Lebih terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciPENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD
ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION
TUGAS MATA KULIAH ANALISIS SPASIAL PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Dosen: Dr. Sutkno Dr. Setawan Dsusun Oleh: RINDANG BANGUN PRASETYO
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciPemodelan Regresi Variabel Moderasi Dengan Metode Sub-Group. Regression Modeling of Moderating Variable with a Method of Sub Group
Jurnal EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Pemodelan Regres Varabel Moderas Dengan Metode Sub-Group Regresson Modelng of Moderatng Varable wth a Method of Sub Group Rsna Septawat, Des
Lebih terperinciPEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH. DOI: /medstat.9.2.
p-issn 1979 3693 e-issn 477 0647 MEDIA SAISIKA 9() 016: 133-147 http://ejournal.undp.ac.d/ndex.php/meda_statstka PEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHED REGRESSION PADA INGKA PENGANGGURAN
Lebih terperinciS - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK
S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciPengolahan lanjut data gravitasi
Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal
Lebih terperinci