MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN
|
|
- Hartono Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Saitia Matematika ISSN: Vol. 0, No. 03 (014), pp MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN Sabam Daoi Siambela, Suwaro Ariswoyo, Hery Rai Sitepu Abstrak: Koefisie determiasi (R ) adalah suatu idikator yag diguaka utuk meggambarka berapa bayak variasi yag dijelaska dalam model. Berdasarka ilai R dapat diketahui tigkat sigifikasi atau kesesuaia hubuga atara variabel bebas da variabel tak bebas dalam regresi liier. Pecila adalah data yag tidak megikuti sebagia besar pola da terletak jauh dari pusat data, dapat dideteksi dega metode boxplot (Iterquartil Rage), meetuka ilai Leverage, Df- FITS da Cooks Distace. Least Trimmed Squares (LTS) yaitu metode peaksira parameter regresi robust yag megguaka kosep pemagkasa utuk memiimumka jumlah kuadrat residual. Peaksir M yaitu metode dalam megatasi pecila da dapat megguaka peaksir Welsch dalam megestimasi parameter regresi. Tujua peelitia ii adalah membadigka dua metode regresi robust yaki peaksir LTS da peaksir M type Welsch dalam megatasi permasalaha data pecila. Hasil peelitia yag diperoleh yaitu peaksir LTS merupaka metode palig baik karea mampu megatasi pecila da diperoleh bahwa Least Trimmed Squares memiliki ilai koefisie determiasi yag palig tiggi dari peaksir M type Welsch. Received , Accepted Mathematics Subject Classificatio: 6M10, 6N0 Key words ad Phrases: Estimasi M, Type Welsch, Least Trimmed Squqres, Regresi Robust, Data Pecila. 5
2 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 6 1. PENDAHULUAN Regresi merupaka suatu metode statistika yag diguaka utuk meyelidiki pola hubuga atara dua atau lebih variabel. Tujua dari aalisis regresi adalah utuk megestimasi parameter model yag meyataka pegaruh hubuga atara variabel predictor da variabel respo. Metode estimasi yag diguaka adalah Ordiary Least Square (OLS). Namu metode ii mempuyai asumsi yag pada data riil serig tidak dapat dipeuhi. Asumsi tersebut megeai keormala residual yag serig dilaggar ketika adaya pegamata yag bersifat outlier. Outlier tidak dapat dibuag atau dihapus begitu saja dari pegamata. Adakalaya outlier memberika iformasi yag tidak bisa diberika oleh titik data laiya, misalya karea outlier timbul dari kombiasi yag tidak biasa da perlu diselidiki lebih jauh[1]..landasan TEORI Pegertia Regresi Liier Regresi secara umum adalah sebuah alat statistik yag memberika pejelasa tetag pola hubuga atara variabel atau lebih. Dalam aalisis regresi dikeal jeis variabel yaitu variabel depedet yag diotasika dega Y da variabel idepedet yag diotasika dega X. Tujua utama regresi liier adalah utuk membuat perkiraa ilai suatu variabel jika ilai variabel yag lai yag berhubuga degaya sudah ditetuka[]. Pedeteksia Data Pecila Outlier Utuk medeteksi pecila dapat dilakuka dega boxplot yaitu dega meetuka Iterquartil Rage (IQR) da dirumuska dega Q 1 : Kuartil 1 Q 3 : Kuartil 3 Batas buka data pecila adalah data yag kurag dari 1,5x IQR terhadap Q 1 da lebih dari 1,5x IQR terhadap Q 3.
3 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 7 Metode Kuadrat Terkecil Metode Kuadrat Terkecil adalah metode yag diguaka ketika terjadi peyimpaga atara ilai yag sebearya dega ilai suatu taksira. Peyimpaga tersebut diamaka dega e i da ditaksir dega Y i Ŷi. a = Metode Kudarat Terkecil memiimumka ilai e i da meghasilka P i=1 Y i da b =. P i=1 Y ix i Y i P i=1 X i P i=1 X i P i=1 X i Dega: Y i : Variabel terikat ke-i. X i : Variabel bebas ke-i. Dalam perhitugaya, terlebih dahulu dihitug ilai b kemudia ilai tersebut diguaka utuk medapatka ilai a. Regresi Robust Regresi robust adalah suatu metode yag diguaka utuk mecari persama terbaik dalam data yag megadug outlier. Dalam regresi robust bayak metode estimasi yag bisa diguaka seperti peaksir Least Media Square, Least Trimmed Square, Peaksir M, Peaksir S da Peaksir MM. Regresi Robust Dega Least Trimmed Square Least Trimmed Square (LTS) merupaka suatu metode pedugaa parameter regresi robust utuk memiimumka jumlah kuadrat h residual. Tahapa algoritma Least Trimmed Square adalah: 1. Meghitug Ŷ berdasarka ilai parameter.. Meghitug coverage (h). 3. Meghitug h i=1 r i. 4. Melakuka estimasi parameter dari h pegamata. 5. Meetuka Ŷ berdasarka ilai parameter yag baru. 6. Melakuka iterasi sampai medapatka koefisie determiasi yag relatif lebih baik.
4 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 8 Regresi Robust Dega Estimasi M Type Welsch Estimasi M didasarka ide peggatia residual kuadrat sehigga meghasilka fugsi residual miimum. Residual miimum dirumuska dega miimize i=1 ρ(r i), dimaa ρ adalah fugsi simetris dega ilai miimum sama dega 0 da memerluka stadarisasi residual berupa pedekata dari sebuah σ yag meghasilka i=1 ψ(r i bσ )XT = 0. Persamaa dapat ditulis mejadi i=1 w(y i X b bσ )X T = 0 atau X T WXb = X T WY. W adalah matriks diagoal dari w dega ukura. Kedua ruas dikalika dega (X T WX) meghasilka ilai b = (X T WX) 1 X T WY [3]. Algoritma peyelesaia dari estimasi M dega type Welsch adalah: 1. Meghitug Ŷ i da ε i berdasarka ilai dari masig-masig parameter.. Meghitug σ i dari ilai-ilai residual. 3. Meyusu matrik pembobot berupa matrik diagoal dega eleme w 1,1, w,1,..., w,1 da diamai dega W Meghitug ilai β Robust1. 5. Meghitug ilai i=1 abs(y i Ŷ i ) atau i=1 abs(ε i). 6. Lagkah sampai 5 diulag sampai diperoleh i=1 [ε i,m] yag koverge. Koefisie Determiasi R adalah suatu idikator yag meggambarka berapa bayak variasi yag dijelaska dalam model[4]. Nilai dari R dapat dicari dega megguaka rumus: R = b 1 x1 y + b x y b x y y
5 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 9 3.METODE PENELITIAN Adapu metode peelitia yag diguaka peulis adalah: 1. Meetuka data.. Meetuka ada tidakya outlier dega metode boxplot. 3. Meghitug koefisie determiasi dega Least Trimmed Square da estimasi M dega type W elsch. 4. Membadigka kedua koefisie determiasi tersebut utuk memperoleh estimasi yag relatif lebih baik. 4.PEMBAHASAN Data yag diambil adalah data pegukura keasia garam da arus sugai di Carolias Pamlico Soud Utara dari buku Robust Regressio Ad Outlier Detectio seperti pada Tabel 1. Tabel 1: Saliity Data Idex Lagged Saliity Tred Discharge Saliity (i) (X 1 ) (X ) (X 3 ) (Y ) 1,00 4 3,01 7,60 7,60 5 3,87 7,70 3 4,60 0 6,4 4,30 4 4,30 1 4,86 5, ,70 3,69 9, ,00 0 1,79 1,00 0 1,0 1,04 1,60 1 1,10 4 1,03 13,60 13,60 5 1,01 14, ,00 0 5,87 13,5 Sumber: Robust Regresio Ad outlier Detectio 1986
6 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 30 Berikut ii adalah pedeteksia masig-masig variabel dega metode boxplot da masig-masig variabel telah diurutka dari variabel terkecil ke variabel terbesar. Pedeteksia data Lagged Saliity: Q 1 = Q = X 7 + X 8 X 1 + X = 7, 7 + 8, = , 1 = 7, 95 = 13, 05 Q 3 Q 1 = 13, 05 7, 95 = 5, 1 1, 5 IQR = 1, 5 5, 1 = 7, 65 Pedeteksia data Tred, Discharge da Saliity memiliki ilai Q 1, Q, Q 3 da IQR yag ditujukka dalam Tabel. Tabel : Tabel IQR Variabel Nilai Q 1 Nilai Q 3 Nilai IQR X 1 7,95 13,05 7,65 X 1,00 4,00 1,50 X 3 1,78 4,87 4,6 Y 7,95 13,05 7,65 Peyelesaia dega Least Trimmed Square: 1. Dega SPSS. 17 diperoleh Ŷ = 9, , 77X 1-0, 6X - 0, 95X 3. Iterasi I. Coverage (h)= (+p+1) = (8+3+1) = 16. Dega h = 16, residual terkecil sampai yag terbesar adalah:
7 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 31 Tabel 3: Kuadrat Residual No Residual Kuadrat No Residual Kuadrat 1 0,01 9 0,9 0, , , ,89 6 0,0 14 1,09 7 0,8 15 1,14 8 0,9 16 1,15 3. ˆβew = h ew i=1 r i = 6, Dega estimasi paramter diperoleh Ŷ = 94,03 + 0, 731X 1 + 0, 731X - 0, 86X + 0, 446X 3. Iterasi II 1. Coverage= (+p+1) = (16+3+1) = 10.. Seperti iterasi 1 diperoleh ilai Ŷ = , 679X 1 0, 9X 0, 30X Dega SPSS 17 diperoleh koefisie determiasi= 0,945. Peyelesaia dega Estimasi M dega type Welsch: 1. Data yag diguaka adalah Tabel 1 (Saliity Data).. Nilai residual masig-masig varibel ditujukka pada Tabel 4.
8 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 3 Tabel 4: Nilai Residual No X 1 X X 3 Y Ŷ ε i,0 = Y Ŷ Y Ŷ 1 8,0 4 3,01 7,60 8,13-0,54 0,54 7,60 5 3,87 7,70 7,15 0,55 0,55 3 4,60 0 6,4 4,30 5,37-1,07 1,07 4 4,30 1 4,87 5,90 5,34 0,57 0, ,0 1 3,83 1,60 1,56 0,04 0, ,60 5,14 10,40 11,44-1,04 1, ,40 3,43 10,80 10,7 0,53 0, ,80 4 1,78 13,10 10,5,59, ,10 5,38 1,30 11,87 0,43 0, ,10 5 1,39 15,10 1,93,16,16 Jumlah 95,50 79,07 16,43 3,59 Iterasi I 3. Nilai ˆσ 0 dega c =,3849 adalah: σ 0 = MAR 0,6745 = 1 P i=1 [Y i Ŷ i ] 0,6475. σ 0 = 1 8 (3,58450) 0,6475 = 1,1637 0,6745 = 1, Nilai β robust = (X T W 0 X) 1 X T W 0 Y. Dega Mathlab diperoleh ilai β 0 10, 985 β 1 β = 0, , 075 β 3 0, Iterasi selajutya dilakuka seperti iterasi I. Nilai masig-masig iterasi ditujukka pada Tabel 5.
9 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 33 Tabel 5: Nilai β 0, β 1, β, β 3 dega Iterasi β 0 β 1 β β 3 Iterasi 1 10,98 0,77-0,073-0,35 Iterasi 14,11 0,75-0,1-0,47 Iterasi 3 16,44 0,73-0,15-0,55 Iterasi 4 17,53 0,7-0,17-0,59 Iterasi 5 17,97 0,7-0,18-0,61 Iterasi 6 18,15 0,7-0,18-0,6 Iterasi 7 18,3 0,7-0,19-0,6 Iterasi 8 18,6 0,7-0,19-0,6 Iterasi 9 18,8 0,7-0,19-0,6 Iterasi 10 18,8 0,7-0,19-0,6 Iterasi 11 18,8 0,7-0,19-0,6 Iterasi 1 18,9 0,7-0,19-0,6 Iterasi 13 18,9 0,7 0,19-0,6 6. Koefisie determiasi dihitug dega megguaka rumus: R = b 1 x1 y + b x y + b 3 x3 y y X1 i=1 x1 y = X 1 Y i Y i = 3.7, , 4618 i=1 = 157, 310. X i=1 x y = X Y i Y i i=1 = 17, X3 i=1 x3 y = X 3 Y i Y i i=1 = 108, = 756, , 7500 = 6.904, , 0909
10 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 34 y = i=1 = 44, Y i ( i=1 Y i) = 3.363, , 5804 R = (0, , 310) (0, , 7500)+ 44, 6496 (0, , 7445). 44, 6496 R = 0, 9065 = 90, 65%. Jadi koefisie determiasiya adalah 90, KESIMPULAN Kesimpula yag dapat diambil adalah: 1. Least Trimmed Square merupaka metode yag relatif lebih baik. Hal ii dapat terlihat dari koefisie determiasi yag relatif lebih tiggi meskipu memiliki selisih yag kecil.. Iterasi yag lebih bayak meghasilka koefisie determiasi yag lebih baik.
11 Sabam Daoi S. -Koefisie Determiasi Estimasi dega Type Welsch 35 Daftar Pustaka [1] Draper, N.R da H. Smith Aalisis Regresi Terapa. Bambag Sumatri. Gramedia.Jakarta, (199). [] Hasa Iqbal. Pokok-pokok materi statistik. Peerbit Bumi Aksara. Jakarta, (1999). [3] Alfigari. Aalisis Regresi. Sekolah Tiggi Ilmu Ekoomi YKPN. Yogyakarta, (00). [4] Dixo J,Wilfrid da Massey J.Frak. Pegatar Aalisis Statistik. Uiversitas Gadjah Mada. Yogyakarta, (1991). [5] Cahmayati Dia da Tauji Hadi. Efektivitas Metode Regresi Robust Peduga Welsch dalam megatasi Pecila pada Pemodela Regresi Liier Bergada. Uiversitas Sriwijaya, (009). Sabam Daoi Siambela: Departmet of Mathematics, Faculty of Mathematics ad Natural Scieces, Uiversity of North Sumatera, Meda 0155, Idoesia. Suwaro Ariswoyo: Departmet of Mathematics, Faculty of Mathematics ad Natural Scieces, Uiversity of North Sumatera, Meda 0155, Idoesia. Hery Rai Sitepu: Departmet of Mathematics, Faculty of Mathematics ad Natural Scieces, Uiversity of North Sumatera, Meda 0155, Idoesia.
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus
BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS Pada bab ii aka dibahas tetag betuk model spasial lag sekaligus spasial error da prosedur Geeralized Spatial Two Stage Least Squares (GS2SLS) utuk megestimasi
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciPemilihan Model Terbaik
Pemiliha Model Terbaik Hazmira Yozza Jur. Matematika FMIPA Uiv. Adalas Jadi bayak model yag mugki dibetuk Var. Bebas :,, 3 Model Maa Yag Mampu Mewakili Data 3,, 3, 3,, 3 + model akar, log, hasil kali,
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB II LANDASAN TEORI. regresi linier, metode kuadrat terkecil (MKT), uji simultan, uji asumsi regresi
BAB II LANDASAN TEORI Dalam peelitia ii diberika beberapa teori yag diperluka sebagai pedukug dalam pembahasa selajutya di ataraya adalah variabel radom, regresi liier, metode kuadrat terkecil (MKT), uji
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciPERBANDINGAN METODE ROBUST LEAST MEDIAN OF SQUARE (LMS) DAN PENDUGA S UNTUK MENANGANI OUTLIER PADA REGRESI LINIER BERGANDA
i PERBANDINGAN METODE ROBUST LEAST MEDIAN OF SQUARE (LMS) DAN PENDUGA S UNTUK MENANGANI OUTLIER PADA REGRESI LINIER BERGANDA Skripsi disusu sebagai salah satu syarat utuk memperoleh gelar Sarjaa Sais Program
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciMetode Regresi Robust Dengan Estimasi-M pada Regresi Linier Berganda (Studi Kasus : Indeks Harga Konsumen Kota Tarakan)
Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Metode Regresi Robust Dega Estimasi-M pada Regresi Liier Bergada (Studi Kasus : Ideks Harga Kosume Kota Taraka) Robust Regressio Method to m-estimatio
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F
BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciStatistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:
Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciPENGANTAR MODEL LINEAR Oleh: Suryana
PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel
Lebih terperinciBAB 5 UKURAN DISPERSI
BAB 5 UKURAN DISPERSI A. Ukura Dispersi Meurut Hasa (011 : 101) ukura dispersi atau ukura variasi atau ukura peyimpaga adalah ukura yag meyataka seberapa jauh peyimpaga ilai-ilai data dari ilai-ilai pusatya
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciREGRESI RIDGE ROBUST-M
REGRESI RIDGE ROBUST-M DENGAN PEMBOBOT WELSCH (Studi Kasus : Faktor-Faktor Yag Mempegaruhi Harga Jual Dagke Di Kecamata Cedaa, Kabupate Erekag) Nur Aliaa Majid, Raupog 2, Kresa Jaya 3. Program Studi Statistika,
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kosep Kemiskia Kemiskia dapat dilihat dari dua sisi yaitu kemiskia absolut da kemiskia relatif. Kemiskia absolut da kemiskia relatif adalah kosep kemiskia yag megacu pada kepemilika
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciSTATISTIKA ANALISIS REGRESI ANALISIS REGRESI LINIER LEKTION ACHT(#8) ANALISIS REGRESI
ANALISIS REGRESI STATISTIKA LEKTION ACHT(#8) ANALISIS REGRESI Regresi: kembali ke tahap perkembaga sebelumya (psi.). Aalisis regresi: aalisis yag diguaka utuk megetahui relasi depedesi (pegaruh) dari satu
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciUKURAN TENDENSI SENTRAL
BAB 3 UKURAN TENDENSI SENTRAL Kompetesi Mampu mejelaska da megaalisis kosep dasar ukura tedesi setral. Idikator 1. Mejelaska da megaalisis mea.. Mejelaska da megaalisis media. 3. Mejelaska da megaalisis
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciMETODE PENELITIAN. Subyek dalam penelitian ini adalah siswa kelas XI IPA 1 SMA Wijaya Bandar
III. METODE PENELITIAN A. Settig Peelitia Subyek dalam peelitia ii adalah siswa kelas XI IPA 1 SMA Wijaya Badar Lampug, semester gajil Tahu Pelajara 2009-2010, yag berjumlah 19 orag terdiri dari 10 siswa
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciKata Kunci : CHAID, IPM, regresi logistik ordinal.
ANALISIS CHAID DAN REGRESI LOGISTIK ORDINAL PADA INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Liaa Yuita Sari, Sri Sulistijowati Hadajai, da Satoso Budiwiyoo Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciHUBUNGAN ANTARA HARI TENANG VARIASI MEDAN GEOMAGNET DI SG TONDANO DENGAN AKTIVITAS MATAHARI
HUBUNGAN ANTARA HARI TENANG VARIASI MEDAN GEOMAGNET DI SG TONDANO DENGAN AKTIVITAS MATAHARI Joh Maspupu da Setyato Cahyo P Pussaisa LAPAN Jl. Dr. Djudjua No. 33 Badug 4073 Tlp. 06060 Pes. 06. Fax. 0604998
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:
BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinci