INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah

Ukuran: px
Mulai penontonan dengan halaman:

Download "INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah"

Transkripsi

1 S-20 INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5 An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Analss erentanan berembang dan dgunaan dalam berbaga setor. Pada bencana alam, analss erentanan merupaan omponen dar analss rso bencana, dengan salah satu tujuannya untu perencanaan sebaga dasar penetapan prortas egatan. Penetapan ndator erentanan memperhatan fator-fator yang berpengaruh terhadap erentanan, d tngat ndvdu, masyaraat, wlayah dan nsttus. Pada peneltan n ndator yang dgunaan adalah sosal dan eonom yang terdr dar 14 peubah. Peneltan n bertujuan menentuan bobot bag ndator erentanan sosal-eonom agar dhaslan ndes dengan propors salah elasyang rendah. Hasl peneltan menunjuan bobot rataan menghaslan propors salah elas yang rendah dan smpangan mutlanya terhadap bobot dugaan terendah. Kata unc : Indes erentanan, rataan, rataan tertmbang, analss dsrmnan, regres PENDAHULUAN Bencana yang terjad selama beberapa tahun terahr n telah membuat Indonesa menjad negara yang cuup progresf d dalam penanggulangan bencana e depan. Hal n dtanda dengan terbtnya Rencana As Nasonal Pengurangan Rso Bencana pada bulan Januar 2007 dan Undang-Undang No. 24 Tahun 2007 tentang Penanggulangan Bencana pada bulan Aprl Terbtnya UU No. 24/2007 tersebut menanda baba baru dalam perubahan cara pandang dan pengelolaan penanggulangan bencana, yan dar yang bersfat responsf menjad pengurangan 5 Maalah dampaan Semnar Nasonal Matemata dan Penddan Matemata, UNY, 5 Desember 2009 Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

2 rso bencana yang lebh meneanan pada upaya mtgas dan membangun esapsagaan masyaraat terhadap bencana. Int dar pengurangan rso bencana adalah membangun etangguhan bangsa dan masyaraat terhadap bencana. Pada prnspnya analss erentanan dgunaan sebaga : (1) alat dagnost untu memaham masalah-masalah dan fator-fator penyebab erentanan, (2) alat perencanaan sebaga dasar penetapan prortas egatan serta urutan egatan yang drencanaan, (3) alat penguuran rso untu menla rso secara spesf, dan (4) alat untu pemberdayaan dan moblsas elompo masyaraat yang rentan (Benson et al, 2007). Analss erentanan merupaan bagan dar analss rso yang memungnan para pemangu epentngan penanggulangan bencana mengelola rso bencana. Komponen dan ndator erentanan dturunan dar onsep, pengertan, dan fator yang menentuan erentanan. Menurut Brmann (2006), analss erentanan berembang dan dgunaan dalam berbaga setor. Pada saat n terdapat 20 sampa 25 defns erentanan yang aan berdampa terhadap bervarasnya ndator dan nstrumen erentanan. Deman pula omponennya dperluas dengan memasuan erentanan fs dan lngungan. Para ahl sosal menyepaat beberapa fator utama yang berpengaruh terhadap erentanan sosal, dantaranya adalah urangnya ases terhadap sumberdaya (nformas, pengetahuan, dan tenolog), terbatasnya ases terhadap euatan dan eterwalan polt, modal sosal, ones dan jejarng sosal, adat ebasaan dan nla budaya (Cutter et al, 2003). Indator uanttatf erentanan sosal eonom pada tngat ndvdu yang serng dgunaan, yatu usa (dbawah 5 tahun dan datas 65 tahun), pendapatan, gender, status erja, jens tempat tnggal, rumah tempat tnggal sendr atau berelompo dengan eluarga besar, beban erusaan bangunan rumah terat apaah rumah ml prbad, sewa, atau redt; asurans esehatan; asurans rumah; epemlan endaraan, ecacatan, dan status tabungan/hutang. Indator untu menguur erentanan wlayah dantaranya menggunaan ndator potens wlayah mengalam erusaan dan apastas opng yang duur dengan GDP nasonal/apta. Indator untu menguur erusaan potensal terdr dar GDP regonal, denstas Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

3 populas, dan bagan wlayah alam (Dwyer et al, 2004). Peneltan n bertujuan menentuan bobot yang terba bag ndator erentanan sosal-eonom untu bencana alam d Indonesa. ANALISIS DISKRIMINAN Analss dsrmnan pertama al dperenalan oleh RA Fsher pada tahun Analss dsrmnan dgunaan untu menentuan fungs yang membedaan antar elompo, dan mengelasan obye baru e dalam elomponya (Johnson & Wchern, 1998). Msalan elompo π mempunya fngs epeatan peluang f ( x) untu = 1L,, g dan p adalah peluang awal (pror) untu elompo. Sebuah pengamatan x dmasuan dalam elompoπ ja ( x) p f ( x) p f > untu (1) Persamaan (1) evalen dengan ( x) ln p f ( x) ln p f > untu (2) Aturan lasfas pada persamaan (1) dent dengan masmsas peluang posteror P Ja ( x) ( π x) p = g = 1 f p f ( x) ( x) f mempunya sebaran normal ganda yatu ( 2π ) 1 ' 1 [ ( x µ ) Σ ( x )] 1 f ( x) = exp p 2 µ / 2 1/ 2 Σ maa persamaan (2) menjad lnp f untu = 1L,, g, ' 1 ( x) = lnp ln( 2 ) lnσ ( x µ ) Σ ( x µ ) = mas ln p f ( x) p π (3) 2 2 p 2 Konstanta ln( 2π ) pada persamaan (3) dapat dabaan arena nlanya sama untu semua elompo π, sehngga persamaan (3) menjad Q 1 1 ' 1 d ( x) = ln p lnσ ( x µ ) Σ ( x µ ) (4) 2 2 Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

4 Persamaan (4) denal dengan fungs dsrmnan uadrat. Bla nla peluang awal p dan matrs ragam peragamnya sama Σuntu semua elompo π maa persamaan (4) dapat dsederhanaan menjad L 1 d µ 2 ' 1 ( x) = ( x µ ) Σ ( x ) L Persamaan (5) denal dengan fungs dsrmnan lnear Penduga bag ( x) (5) d adalah L dˆ 1 ' 1 ( x) = ( x x ) Σ ( x x ). (6) 2 Pengamatan xdmasuan dalam elompoπ ja dˆ L { } L L L ( x) masmum dˆ ( x), dˆ ( x),, dˆ ( x) = (7) 1 2 L g BAHAN DAN METODE Indator (menunjuan bdang atau setor pembangunan) dan peubah yang dgunaan untu menguur tngat erentanan sosal-eonom untu bencana alam tertera pada Tabel 1. Pemlhan ndator ddasaran dar referens Dwyer et al (2005) dan Twgg (2007). Secara umum metode yang dgunaan untu penentuan ndes erentanan sosal-eonom dbag dalam 2 bagan, yatu penyapan data dan pengelasan sor ndes erentanan sosal-eonom. Tahap penyapan melput pengumpulan data dar berbaga sumber sesua ndator yang dtentuan pada Tabel 1, melauan valdas data, menentuan nla data hlang, menyamaan arah peubah sesua ontrbusnya terhadap ndes erentanan sosal-eonom, dan membauan data agar mempunya sala penguuran yang sama. Tahap analss data melput dua tahap yatu : 1. Indes erentanan sosal-eonom a. menghtung sor erentanan soso-eonom dengan rataan dan rataan tertmbang. Pada rataan, setap peubah meml sumbangan yang sama atau meml nla epentngan yang sama sehngga bobot setap peubah sama. Pada rataan tertmbang, setap elompo ndator meml bobot yang sama dan bobot peubah yang berada pada setap elompo ndator mempunya bobot yang sama. Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

5 b. membauan sor erentanan sosal-eonom dalam nla antara 0 dan 1 c. melauan pengelasan sor erentanan sosal-eonom pada (1b) e dalam 5 elas (elas 1 menunjuan tda rentan, elas 2 menunjuan cuup rentan, dan elas 5 menunjuan sangat rentan) 2. Pendugaan elas erentanan sosal-eonom abupaten a. analss dsrmnan untu mengetahu propors pengelasan yang benar b. bla propors pengelasan dbawah 0.90 maa dlauan pengelasan embal, proses embal e tahap (1c) Tabel 1. Indator Kerentanan Sosal-Eonom terhadap Bencana Alam No Indator Kerentanan Peubah 1 Populas 2 Ketenagaerjaan 3 Penddan dan Komunas 4 Kesehatan 5 Kemsnan 6 Eonom Raso pendudu rentan Kepadatan pendudu Penyandang Cacat TPAK (Tngat partspas angatan erja) Rato etergantungan Rataan lama tahun seolah Ases omunas Harapan hdup Rato doter per pendudu Jumlah fasltas esehatan Persentase pendudu hdup d bawah gars emsnan PAD (Pendapatan Asl Daerah) Laju Pertumbuhan Eonom PDRB tanpa mgas per apta HASIL DAN PEMBAHASAN Pola sebaran dar sor erentanan sosal-eonom dsajan pada hstogram d Gambar 1. Pola sebaran sor dar rataan dan rataan tertmbang tampa mrp. Sor erentanan dengan rataan mempunya nla medan dan rataan yang lebh tngg dbandngan dengan sor dar rataan tertmbang. Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

6 Sor Rataan Freuens 0 0,00 0,15 0,30 0,45 0,60 Sor Rataan Tertmbang 0,75 0, ,00 0,15 0,30 0,45 0,60 0,75 0,90 Gambar 1. Hstogram Sor Kerentanan Sosal Eonom Dagram ota-gars sor erentanan pada setap ndes erentanan dsajan pada Gambar 2. Pada Gambar 2 tampa batas sor untu setap ndes terpsah dengan ba. Dalam penentuan batas sor setap ndes tda bolah tumpang-tndh untu menghndar salah pengelasan. Analss dsrmnan dgunaan untu mengetahu ebaan pengelasan sor erentanan sosal-eonom dalam 5 ndes. Jumlah anggota dan propors pengelasan yang benar pada setap ndes erentanan sosal-eonom untu rataan dan rataan tertmbang dsajan dsajan pada Tabel 2 dan Tabel 3. 1,0 1,0 Sor Rataan 0,8 0,6 0,4 0,2 Sor Ratatan Tertmbang 0,8 0,6 0,4 0,2 0,0 0, Indes Kerentanan Sosal-Eonom Indes Kerentanan Sosal-Eonom Gambar 2. Dagram Kota-Gars Sor Kerentanan dengan Kelas Kerentanan Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

7 Tabel 2. Jumlah Anggota Kelas dan Persentase Pengelasan yang benar dar Indes Kerentanan Sosal-Eonom dengan Rataan Indes Status berdasaran fungs dsrmnan Propors Total benar Total Tabel 3. Jumlah Anggota Kelas dan Persentase Pengelasan yang benar dar Indes Kerentanan Sosal-Eonom dengan Rataan Tertmbang Indes Status berdasaran fungs dsrmnan Propors Total benar Total Pada Tabel 2 dan Tabel 3 tampa propors salah elas pada ratan lebh ecl dar pada rataan terbobot. Sehngga ndes yang terba menggunaan sor rataan. Untu mengevaluas bobot peubah pada edua macam ndes n dgunaan analss regres yang haslnya dsajan pada Tabel 4. Dar analss regres tampa bahwa rataan smpangan mutla antara bobot regres dengan bobot ndes pada rataan lebh ecl dar pada dengan rataan tertmbang. Koefsen determnas regres ratan juga lebh tngg dar pada rataan tertmbang. Dar hasl evaluas dengan analss dsrmnan dan analss regres dapat dsmpulan bobot peubah ndator erentanan sosal-eonom yang terba adalah rataan. Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

8 Peubah Tabel 4. Evaluas Bobot Peubah IndatorKerentanan Sosal-Eonom Bobot Regres Rataan Bobot Indes Rataan Tertmbang Bobot Bobot Regres Indes Raso pendudu rentan Penyandang Cacat Kepadatan pendudu Rataan lama tahun seolah Ases omunas Harapan hdup Rato doter per pendudu Jumlah fasltas esehatan Rato etergantungan TPAK (Tngat partspas angatan erja) Persentase pendudu hdup d bawah gars emsnan PAD (Pendapatan Asl Daerah) PDRB tanpa mgas per apta Laju Pertumbuhan Eonom Rataan smpangan uadrat bobot regres dengan bobot Indator R % 97.30% Peta erentanan sosal eonom wlayah Indonesa dengan rataan dan rataan tertmbang masng-masng dsajan pada Gambar 3 dan Gambar 4. Kabupaten/ota d pulau Jawa, NTT, dan NTB banya yang mempunya erentanan sosal-eonom yang tngg dan sangat tngg. Namun mengngat jumlah abupaten per propns d Pulau Jawa palng tngg, maa secara umum erentanan Pulau Jawa terhadap bencana lebh besar dbandngan dengan pulau-pulau lannya d Indonesa. Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

9 Gambar 3. Peta Kerentanan Sosal-Eonom dengan Rataan Gambar 4. Peta Kerentanan Sosal-Eonom dengan Rataan Tertmbang SIMPULAN Hasl elaboras terhadap analss erentanan sosal-eonom menunjuan luas dan besarnya abupaten yang meml tngat erentanan dengan ategor 3 sampa 5. Bobot ndator yang terba untu ndes erentanan sosal-eonom adalah rataan. Hal n berart semua setor pembangunan mempunya ontrbus sama dalam mengurang erentanan sosal-eonom terhadap bencana alam d Indonesa DAFTAR PUSTAKA Benson C, Twgg J, Rossetto T Tools for Manstreamng DRR: Gudance Notes for Development Organzatons. Proventon Consortum. Geneva-Swtzerland Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

10 Brmann J Measurng Vulnerablty to Natural Hazards. Towards Dosaster Reslent Socetes. Unted Natons Unversty: New Yo Cutter SL et al Socal Vulnerablty to Envronmental Hazards. Socal Scence Quarterly, Southwestern Socal Scence Assocaton 84(2) : Dwyer A et al Quantfyng Socal Vulnerablty: A methodology for dentfyng those at rs to natural hazards. Commonwealth of Australa Johnson RA & Wchern DW Appled Multvarate Statstcal Analyss. 4 rd Ed. New Jersey : Prentce Hall. Twgg J Characterstcs of a Dsaster-Reslent Communty. A Gudance note for the DFID Dsaster Rs Reducton. Semnar Nasonal Matemata dan Penddan Matemata Jurusan Penddan Matemata FMIPA UNY, 5 Desember

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai 4 METODE PENELITIAN 4.1 Watu dan Loas Peneltan Peneltan n dlasanaan selama 6 bulan dmula dar bulan Jul sampa bulan Desember 005 d Kabupaten Indramayu, Provns Jawa Barat yang terleta pada poss geografs

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

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

Lebih terperinci

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

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

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la

Lebih terperinci

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

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

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB 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 terperinci

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

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

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

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

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

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

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

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Unverstas Padjadjaran, 3 November 00 (M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY Anndya Aprlyant Pravtasar

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

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

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS 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 terperinci

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT) MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS 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 terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum melakukan peneltan, langkah yang dlakukan oleh penuls adalah mengetahu dan menentukan metode yang akan dgunakan dalam peneltan. Sugyono (2006: 1) menyatakan:

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan 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

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

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

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

BADAN PUSAT STATISTIK KABUPATEN JAYAPURA

BADAN PUSAT STATISTIK KABUPATEN JAYAPURA BADAN PUSAT STATISTIK KABUPATEN JAYAPURA BADAN PUSAT STATISTIK KABUPATEN JAYAPURA Sensus Penduduk 2010 merupakan sebuah kegatan besar bangsa Badan Pusat Statstk (BPS) berdasarkan Undang-undang Nomor 16

Lebih terperinci

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

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

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas

BAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Estimasi Reliabilitas Pengukuran Dalam Pendekatan Model Persamaan Struktural

Estimasi Reliabilitas Pengukuran Dalam Pendekatan Model Persamaan Struktural Estmas Relabltas Penguuran Dalam Pendeatan Model Persamaan Strutural Wahyu Wdharso Unverstas Gadjah Mada Pendeatan analss data peneltan dengan menggunaan persamaan model strutural (SEM telah banya dgunaan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB II DIMENSI PARTISI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

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

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

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

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

Lebih terperinci

Model Quadratic Almost Ideal Demand System Permintaan Pangan Hewani di Indonesia

Model Quadratic Almost Ideal Demand System Permintaan Pangan Hewani di Indonesia Semnar Nasonal Matemata 6 Jun 015 UI - Unpad Model Quadratc Almost Ideal Demand System Permntaan Pangan Hewan d Indonesa 1 Ftra Vrgantar, Hagn Wayant, 3 Sonny Koeshendraana 1, Program Stud Matemata Faultas

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal 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 terperinci

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW

APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Semnar NasonalTenologInformasdan Multmeda 2015 STMIK AMIKOM Yogyaarta, 6-8Februar 2015 APLIKASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN METODE ALGORITMA FUZZY MADM PADA BEASISWA RUTIN UKSW Aslnda 1), Andea

Lebih terperinci

ESTIMASI RELIABILITAS PENGUKURAN DALAM PENDEKATAN MODEL PERSAMAAN STRUKTURAL

ESTIMASI RELIABILITAS PENGUKURAN DALAM PENDEKATAN MODEL PERSAMAAN STRUKTURAL BULETIN PSIKOLOGI FAKULTAS PSIKOLOGI UNIVERSITAS GADJAH MADA VOLUME 7, NO., 009: 33 38 ISSN: 0854 708 ESTIMASI RELIABILITAS PENGUKURAN DALAM PENDEKATAN MODEL PERSAMAAN STRUKTURAL Wahyu Wdharso Faultas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua BAB III METODOLOGI PENELITIAN 3.1. Ruang Lngkup Peneltan Reksadana yang dgunakan dalam peneltan n adalah reksadana yang terdaftar dalam stus BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB 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 terperinci

PENGENALAN WAJAH BERBASIS METODE TWO-DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS

PENGENALAN WAJAH BERBASIS METODE TWO-DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS PENGENALAN WAJAH BERBASIS MEODE WO-DIMENSIONAL LINEAR DISCRIMINAN ANALYSIS Ftr Damayant, Agus Zanal Arfn, Rully Soelaman Program Magster en Informata, Insttut enolog Sepuluh Nopember (IS) - Surabaya Kampus

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. 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 terperinci