Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Ukuran: px
Mulai penontonan dengan halaman:

Download "Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara"

Transkripsi

1 Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta FMIPA-ITS ura_choryah@yahoo.com, susat_l@stststa.ts.ac.d, 3 mutah_s@statsta.ts.ac.d ABSTRAK Aa putus seolah merupaa hal yag cuup baya mead sorota d dua pedda. D wlayah Kota Surabaya, aga putus seolah tertgg terdapat d wlayah Surabaya Utara. Oleh area tu perlu detahu araterst sswa putus seolah da fator-fator yag mempegaruhya, peelta merupaa stud asus bag sswa usa waar (Wab Belaar 9 tahu d wlayah Surabaya Utara. Metode yag dpaa dalam peelta adalah regres logst ber. Hasl dar peelta meuua araterst aa putus seolah tgat SD da SMP d Surabaya Utara 79,5% perempua, dega 67,% umlah aggota rumah tagga lebh dar empat orag. Serta 46,6% pedapata orag tua bersar atara Rp 5. s/d Rp.. dega ods rumah 49,3% sem permae, da 63% status epedudua bapa adalah sebaga pedudu asl. Dalam hubugaya dega eadaa sewatu mash seolah, 56,% aa putus seolah membayar SPP dega cara rut tap bula oleh orag tua/wal, da 57,5% medapata buu dega cara membel sedr, serta 67,% meagau seolah dega berala a. Sedaga pera orag tua aa putus seolah dalam meduug aa seolah, 56,% adalah tda meduug/medampg aaya utu berseolah. Fator-fator yag mempegaruh aa putus seolah dega tgat sgfas % adalah es elam, cara membayar SPP, pera orag tua dalam meduug aa seolah, pedapata orag tua, ods rumah, serta status epedudua bapa. Kata uc: Putus seolah, regres logst ber. Pedahulua Pedda aa merupaa baga ta terpsaha dar persoala mecerdasa bagsa. Dega pedda, aa-aa dasah melalu seperagat pegetahua utu meml esadara da emaua yag postf dalam meemua da merumusa tuua utu drya d masa-masa medatag. D wlayah Kota Surabaya, aga putus seolah tertgg terdapat d wlayah Surabaya Utara. Berdasara peelta tetag aa putus seolah d Kecamata Jaga Kabupate Breue, oleh Grahaceda, Madura da Sumatera Selata, oleh Abyoso Alfato dtemua peyebab aa putus seolah adalah dar fator demograf, geografs, sosal budaya, da eoom. Namu utu masg-masg wlayah tersebut terdapat perbedaa megea fator maa yag palg doma. Hal tergatug dar ods wlayah da pedudu d wlayah tersebut. Besarya aga putus seolah d wlayah Surabaya Utara dduga dpegaruh aspe demograf, sosal, budaya, serta eoom. Beragat dar berbaga fator yag dduga sebaga peyebab aa putus seolah tulah, maa petg utu melaua peelta yag bertuua medesrpsa araterst serta fator-fator yag mempegaruh sswa putus seolah tgat SD da SMP d awasa Surabaya Utara. Ms lebh laut yag dbawa oleh peelta adalah member masua epada pemertah Kota Surabaya dalam meyusu ebaa pedda utu meurua aga putus seolah tgat SD da SMP. Metode statsta yag dguaa utu mecapa tuua peelta tersebut adalah aalss regres logst. Aalss regres logst dguaa a varabel respo bersfat ategor (omal atau ordal dega varabel-varabel predtor otu maupu ategor (Agrest, 99.

2 Mafaat yag dapat dperoleh dar peelta yatu membera masua epada pemertah Kota Surabaya dalam meyusu ebaa pedda utu meurua aga putus seolah tgat SD da SMP, sehgga berdasara varabel-varabel yag dperoleh dharapa aga putus seolah tgat SD da SMP dapat dedala.. Taua Pustaa Putus Seolah Putus seolah adalah proses berhetya sswa secara terpasa dar suatu lembaga pedda tempat da belaar. Aa Putus seolah yag dmasud ds adalah terlatarya aa dar sebuah lembaga pedda formal, yag dsebaba oleh berbaga fator. Wab belaar merupaa salah satu program yag gecar dgalaa oleh Departeme Pedda Nasoal (Depdas. Program mewaba setap warga egara Idoesa utu berseolah selama 9 (sembla tahu pada eag pedda dasar, yatu dar tgat elas Seolah Dasar (SD atau Madrasah Ibtdayah (MI hgga elas 9 Seolah Meegah Pertama (SMP atau Madrasah Tsaawyah (MTs. (Wpeda Berdasara peelta tetag aa putus seolah d Kecamata Jaga Kabupate Breue, Madura da Sumatera Selata (Alfyato, 8 dtemua peyebab aa putus seolah adalah dar fator demograf, geografs, sosal budaya, da eoom. Namu utu masg-masg wlayah tersebut terdapat perbedaa megea fator maa yag palg doma. Hal tergatug dar ods wlayah da pedudu d wlayah tersebut. Hasl peelta tersebut bahwa d Kecamata Jaga Kabupate Breue secara umum masalah utamaya adalah ods eoom eluarga yag urag meduug da sebaga lag adalah fator eluarga. (Grahaceda, 9. Sedaga hasl peelta d Kecamata Ombe, Kabupate Sampag, Madura bahwa peyebab aa putus seolah dar fator sosal budaya atara la motvas redah, meaga ad, malu, tda a elas, ah muda. Dar fator geografs atara la daerah perbuta da ara seolah yag auh dar rumah. Dar fator eoom atara la tda ada baya, beera, membatu orag tua. Dar etga fator tersebut permasalaha eoom sagat doma mead peyebab aa putus seolah. Hasl peelta d Kecamata Selagt, abupate Mus Rawas, Props Sumatera Selata dtemua peyebab aa putus seolah dar fator sosal budaya atara la malas, aal, taut dega guru, tda a elas, masalah eluarga. Dar fator geografs atara la ala rusa da ara seolah yag auh dar rumah. Fator eoom datorya atara la tda ada baya da beera. Dar etga fator tersebut permasalaha geografs sagat doma mead peyebab aa putus seolah. Pemertah telah berusaha meaggulag masalah putus seolah dega membera Program Batua Operasoal Seolah (BOS. Tuua program BOS utu membebasa baya pedda bag sswa tda mampu da mergaa bag sswa yag la, agar merea memperoleh layaa pedda dasar yag lebh bermutu sampa tamat dalam raga peutasa wab belaar 9 tahu. (Departeme Pedda Nasoal da Depar-teme Agama, 6 Regres Logst Regres logst dguaa a varabel respo bersfat ategor (omal atau ordal dega varabel-varabel predtor otu maupu ategor (Agrest, 99. Varabel respo Y yag bersfat radom da dotomus, ya berla dega probabltas π da berla dega probabltas - π, dsebut sebaga pot-bomal (Le, 998. Secara umum, model regres logst yag dyataa sebaga fugs x adalah (Hosmer ad exp( β Lemeshow, βx π(x = ( + exp( β + βx Utu mempermudah peasra parameter regres, maa dguaa trasformas logt terhadap π(x sehgga mead betu logt pada persamaa Regres logst bergada Model regres logst dega varabel predtor adalah (Le, 998 π(x g (x = l + β x ( π(x

3 exp( β + βx βx π(x = (3 + exp( β + βx β x Ja model pada persamaa (3 dtrasformas dega megguaa trasformas logt, maa aa meghasla betu logt g(x + βx β x (4 yag merupaa fugs ler dalam parameter-parameterya. Estmas parameter Metode estmas yag megarah pada fugs least squares dalam model regres ler (a resdual berdstrbus ormal dsebut maxmum lelhood (Hosmer ad Lemeshow, 989. Ja parameter pada model regres logst dotasa sebaga β = [ β t β... β ] maa pada dasarya metode maxmum lelhood megestmas la β dega memasmuma fugs Lelhood (Hosmer ad Lemeshow, 989. Fugs dstrbus probabltas utu setap pasaga (x, y, adalah (Hosmer ad Lemeshow, y y f x = π x π x (5 989 ( ( ( ( Dmaa, exp = π(x = + exp β x β x = Pegua sgfas parameter Pegua parameter model dlaua utu memersa apaah varabel predctor mempuya pegaruh yag yata d dalam model. U parameter yag dguaa dalam peelta adalah : a. U Sereta Statst u-g adalah u raso emuga (lelhood rato test yag dguaa utu megu peraa varabel predtor d dalam model secara bersama-sama (Hosmer ad Lemeshow,. Rumus umum utu u-g berdasara hpotess : H : β =... = H : Mmal ada satu β utu =,,..., Statst U (Hosmer ad Lemeshow, 989: Dega, = y ; = ( y = ; = + = G = L 3 = πˆ y ( ( ( ( y x πˆ x Dbawah H, statst u G aa megut dstrbus ch-square dega deraat bebas (Hosmer ad Lemeshow, 989. Sehgga utu memperoleh eputusa, la statst u G dbadga dega la χ ( α,. Krtera peolaa H adalah a G > χ ( α,. b. U Parsal Statst u Wald dguaa utu megu parameter β secara parsal (Hosmer ad Lemeshow,. Rumus umum utu u-wald berdasara hpotess : H : β = ; =,,..., H : β ˆ β Statst U (Le, 998: Wald (W = (7 SÊ( ˆ β Krtera peolaa H adalah a W > Z α. / (6

4 U Kesesuaa Model Berut adalah prosedur pegua esesuaa model. H : Model sesua H : Model tda sesua g ( o Statst U : Cˆ ' π = ' π π Dega g = Jumlah grup, ( = c ' = Bayaya sube pada grup e-, o = = ( 4 y (8,umlah la varabel c m ˆ respo pada grup e-, = π x π, rata-rata tasra probabltas dmaa m adalah bayaya = ' sube pada c ategor varabel respo. Ja H bear, maa dstrbus statst u Ĉ megut dstrbus ch-square dega deraat bebas g- (Hosmer ad Lemeshow, 989. Daerah peolaa H adalah Ĉ >. χ ( g, α Iterpretas oefse model regres logst Utu regres logst dmaa varabel predtor bersfat dotomus, la x dategora atau. Pada model, ada dua la π( x da dua la π( x. Tabel Nla-Nla π ( x da π( x Utu Varabel Predtor Dotomus Varabel Predtor Varabel respo x = x = exp y = ( ( β + β exp( β π = π( = + exp β + β + exp β y = - π( ( = - π + exp( β + β ( = + exp Sumber: Hosmer ad Lemeshow, 989 Odds raso, dotasa ψ, ddefsa sebaga raso odds utu x = terhadap odds utu x =, yag dapat dtulsa dalam persamaa (9 berut (Hosmer ad Lemeshow, 989. π( /[ π( ] ψ = (9 π / π ( [ ( ] 3. Metodolog Peelta Populas dar respode peelta terbag mead dua elompo, ya aa putus seolah da tda putus seolah tgat SD da SMP d Surabaya Utara. Data utu aa putus seolah tda detahu umlahya secara past. Data seuder yag ddapata tda sesua dega eadaa yag sebearya d lapaga. Kebayaa aa yag terdata sebaga putus seolah teryata tda memeuh rtera dsebaba usaya sudah terlampau eagya atau aa tersebut sebearya tda putus seolah, haya saa ods eoom orag tua merea tda mampu, dll. Sehgga tda bsa terbetu samplg frame secara probablst. Oleh area tu, dguaa metode pegambla sampel yag dguaa adalah o probablst samplg yatu secara samplg purposf, suatu metode samplg o probablst yag ddasara pada cr-cr atau sfat tertetu yag dpadag mempuya hubuga erat dega cr-cr atau sfat populas sebelumya (Had, 6. Utu meam eacaaya maa aa dlaua u eacaa data utu tap varabel predtor. Sehgga esmpula yag ddapat aa dapat dpertaggugawaba secara statst. Utu elompo aa putus seolah ddapata 73 data. Sedaga data utu elompo aa tda putus seolah aa dambl dega cluster radom samplg d wlayah yag terdapat aa putus seolah d Surabaya Utara. Sebaga cluster adalah wlayah dmaa terdapat aa putus seolah emuda dambl sampel secara aca aa yag mash seolah usa 7 5 tahu. Sehgga ddapata 3 data. ( ( β

5 Pegambla data seuder dlaua pada mggu pertama bula Jul, emuda dut surve awal pada mggu pertama da edua bula Agustus. Surve secara eseluruha dlasaaa pada taggal 8 s/d 6 Nopember 9. Sampel yag ddapata dar elompo putus seolah sebaya 73 data, sedaga utu elompo aa tda putus seolah ddapata 3 data. Sehgga total sampel adalah sebaya 5 data. No Tabel Sebara Sampel Peelta No Kecamata Jumlah sampel seolah Putus seolah Krembaga 5 Semampr Pabea Cata 7 4 Keera Bula 5 3 Jumlah = Varabel respo yag dguaa yatu :. Aa usa SD da SMP d Surabaya Utara yag putus seolah, dber ode. Aa usa SD da SMP d Surabaya Utara yag tda putus seolah, dber ode Rca varabel predtor da peduug tertera pada Tabel 3 berut. Tabel 3 Rca varabel predtor da peduug Aspe da Varabel Predtor Demograf Varabel Peduug (Aalss Desrptf X Jes Kelam umur (orag tua X = la-la X X = perempua Jumlah aggota rumah tagga X = a umlah aggota 4 X = a umlah aggota > 4 Sosal Agama X 3 Bagamaa cara bayar SPP Kegata yag X 3 = rut setap bula dlaua aa X 3 = agsura Bagamaa X 4 X 5 X 3 = grats/sebaga dar batua hubuga atar sswa Bagamaa cara memperoleh buu X 4 = bel X 4 = grats X 4 = pam Bagamaa cara meagau seolah X 5 = ala a X 5 = datar X 5 = a sepeda X 5 = a edaraa umum 5

6 Lauta tabel 3 No Aspe da Varabel Predtor 3 Budaya Varabel Peduug (Aalss Desrptf X 6 Pera orag tua dlm meduug aa seolah Jes permaa yag serg X 6 = medampg belaar dmaa d setar rumah X 6 = meduug seolah Kemampua megut X 6 = tda medampg/meduug pelaara/ mater d seolah X 7 Rata-rata watu utu berma dega tema Itestas membolos X 7 = watu berma dega tema < am X 7 = watu berma dega tema am 4 Eoom X 8 Pedapata oragtua/bula Kepemla harta beda X 8 = > Rp.5. utama dalam rumah X 8 = Rp.. s/d Rp.5. Fasltas yag ada d rumah X 8 = Rp 5. s/d Rp.. Kepemla laha/rumah yag X 9 X X 8 =3 Rp s/d Rp 5. Kods rumah yag dtempat searag X 9 = permae X 9 = sem permae Status epedudua bapa X = pedudu asl X = pedudu pedatag dtempat searag U Keacaa Data Berdasara u eacaa yag dbadga dega mea dega α=, maa semua varabel berasal dar populas yag aca ecual varabel watu berma dega tema. Dar sepuluh varabel teryata terdapat sembla varabel yag berasal dar populas yag aca. Sehgga dapat dataa data telah berasal dar sampel yag aca da megut dstrbus ormal. Lagah-lagah peelta Lagah-lagah yag dguaa dalam peelta adalah sebaga berut : a. Stud lteratur Yatu pegumpula sumber formas dar lteratur, buu da teret yag sesua dega peelta yag dlaua. b. Perumusa masalah da pembuata proposal Yatu merumusa masalah yag aa dbahas dalam peelta. Masalah yag aa dbahas adalah araterst sswa putus seolah tgat SD da SMP d Surabaya Utara. Setelah permasalaha dtetapa, selautya adalah pembuata proposal. c. Pegumpula data Pegumpula data dega surve terhadap aa usa SD da SMP d Surabaya Utara. d. Aalss Data Lagah-lagah dalam megaalss data adalah sebaga berut :. Melaua aalss secara desrptf utu megetahu araterst respode.. Meetua model regres logst bergada atara varabel respo dega varabel predtor.. Melaua u sgfas parameter dar model regres logst bergada utu megetahu varabel-varabel predtor maa yag berpegaruh secara sgfa terhadap varabel respo. 6

7 v. Meetua model regres logst uvarabel atara varabel respo dega masg-masg varabel-varabel predtor yag sgfa dar lagah. v. Megu goodess of ft dar model regres logst terba, ya model yag seluruh varabel predtorya sgfa. v. Megterpretasa model regres terba. e. Pembuata Lapora. Lagah terahr dalam peelta adalah pembuata lapora. 4. Hasl da Pembahasa 4. Karaterst Respode Respode adalah aa usa 7 5 tahu. Dalam peelta es elam aa putus seolah,5% adalah la-la da 79,5% perempua. Ja dtau dar umlah aggota rumah tagga utu respode elompo aa putus seolah da yag mash seolah meuua propors yag tda berbeda masg-masg elompo doma pada umlah aggota eluarga dalam rumah tagga adalah lebh dar 4 orag. Da setar 97% respode beragama Islam. Apabla dtau dar pedapata orag tua sswa edua elompo mayortas berpedapata Rp 5.,- s/d Rp.. da ods rumah sebaga tempat tggal adalah permae utu aa tda putus seolah. Sedaga pada aa putus seolah separuh dataraya ods rumahya mash sem permae. Kods meggambara wlayah Surabaya utara d maa peelta dlaua termasu wlayah yag ategor berpedapata redah, hal d duug dega mayortas peeraa orag tua adalah buruh hara lepas. Berata dega masalah pedda, elompo aa putus seolah mayortas meyataa bahwa merea membayar SPP dbayar rut oleh orag tua pada saat merea mash seolah, yatu dyataa oleh 56,% respode aa putus seolah. Utu memperoleh buu pada saat merea mash seolah, 57,5% meyataa merea membel sedr. Daa batua BOS haya dguaa utu pembebasa baya SPP tap utu eperlua buu da alat tuls harus dsedaa oleh sswa. Ja dtau dar pera orag tua dalam meduug aaya berseolah tampa ada perlau yag berbeda atara sap orag tua elompo aa putus seolah da yag mash seolah. Pada elompo aa putus seolah 56,% meyataa bahwa pada saat belaar orag tua tda medampg baha urag membera duuga, berbeda dega elompo aa yag mash seolah 5,5% merea dalam belaar ddampg orag tua. Sedaga bayaya watu yag dhabsa bersama tema d rumah, mayortas merea baya meluaga watu bersama temaya d rumah dega rata-rata watu lebh dar am per har. Sebaga besar respode meagau seolah dega berala a. Hal megdasa bahwa leta seolah merea tda begtu auh dar rumah tempat tggal merea (mash dapat dagau dega berala a. Dapat dsmpula bahwa seolah-seolah telah meyebar d seluruh wlayah Surabaya Utara. Sedaga dar status bapa, 37% respode putus seolah adalah pedatag dar luar daerah Surabaya. 4. Fator-Fator yag mempegaruh sswa putus seolah 4.. Regres logst Sereta Regres logst sereta bertuua utu memperoleh model yag tepat da sederhaa berdasara fator-fator yag mempegaruh aa putus seolah. Regres logst sereta dlaua dega memasua seluruh varabel e dalam model area a teryata hubuga atar varabel predtor sagat erat, maa dmuga salah satu varabel aa mead tda sgfa pegaruhya terhadap varabel respo dareaa telah terwal oleh varabel yag la. Sehgga dapat detahu ada atau tdaya asus multolertas (ada hubuga atar varabel predtor. Dalam peelta dguaa u sereta dega metode Stepwse (Wald, dperoleh model dega semua varabel sgfa dega α =. pada step 5(a. Utu megetahu apaah parameter-parameter model telah sgfa atau tda maa dlaua lagah-lagah pegua hpotess sebaga berut. H : β = H : Mmal ada satu β utu =,,...,7 7

8 Tabel 4 Hasl Pegaruh Fator-fator Putus Seolah Terhadap Aa Putus Seolah Secara Sereta Varabel B S.E. Wald df Sg. Exp(B JK(PR,37,5 6,93,8* 3,934 SPP rut 7,974, SPP (agsur 3,35,57 8,796,3*,99 SPP (grats,764,6,58,47,47 Pera ortu 3,875, PO (duug -,876,5 3,65,8*,47 PO (td -,5,465 3,43,*,5 Pdpt Ortu 6,65 3,86 Pd (-,5t -,48,786,375,54,68 Pd (,5-t -,336,84,76,97*,63 Pd ( 5rb,5,3,,996,5 Rmh (sem -,5,453,54,*,9 Stts (pdtg -,66,448 5,666,7*,344 Kostata,77,36,67,43,935 Catata : sgfa pada: * α = %. Berdasara Tabel 4, la sgfas dar sepuluh varabel depede yag dmasua e dalam model, terdapat eam varabel yag mempuya la lebh ecl dar α=% atau dapat dlhat dar la u wald yag lebh besar dar la Z 5% =.96, sehgga H dtola, artya eeam varabel depede tersebut berpegaruh secara sgfa. Sehgga varabel depede secara bersamasama yag mempegaruh aa putus seolah yatu es elam (perempua, cara membayar SPP (agsura, pera orag tua dalam medampg da meduug belaar aa seolah (meduug da tda medampg/meduug, pedapata orag tua (Rp 5.- Rp.., ods rumah yag dtempat searag (sem permae, serta status epedudua bapa (sebaga pedatag. Sedaga model regres logst secara sereta yag terbetu yatu : π(x = {exp(,77+,37jk( pr + 3,35SPP( agsur,876po( duug (,5PO( td,336pd(,5 t +,5Rmh( sem (,66stts( pdtg}/{ + exp(,77 +,37JK( pr + 3,35SPP( agsur +,876PO( duug (,5PO( td,336pd (,5 t,5rmh( sem (,66stts( pdtg } 4.. Regres Logst Parsal Hasl aalss data utu model regres logst ber dega satu varabel (model regres logst tuggal dar eam varabel yag dduga berpegaruh secara sereta terhadap emuga seorag sswa usa 7-5 tahu aa putus seolah terdapat eam varabel yag sgfa yatu varabel es elam, cara membayar SPP, pera orag tua dalam medampg da meduug belaar aa seolah, ods rumah yag dtempat searag, serta status epedudua bapa dega megguaa α = %. Da utu megetahu varabel predtor maa yag berpegaruh, maa dlaua pegua sgfas parameter secara parsal sebaga berut. H : β = utu =,,...,7 H : β Tabel 5 Hasl Pegaruh Fator-fator Putus Seolah Terhadap Aa Putus Seolah Secara Idvdu Varabel B S.E. Wald df Sg. Exp(B JK(PR,693,343 4,85,43*, Kostata,45,7 5,7,7,5 SPP rut 3,87, SPP (agsur,69,83 9,974,* 3,86 Lauta Tabel 5 8

9 Varabel B S.E. Wald df Sg. Exp(B SPP (grats,973,836,354,45,646 Kostata -,53,8,44,8,86 Pera ortu 7,85, PO (duug -,86,4 4,383,36*,43 PO (td -,998,384 7,58,*,36 Kostata,58,93 8,999, 4,857 Pdpt Ortu 9,958 3,9 Pd (-,5t -,9,6 3,934,47*,98 Pd (,5-t -,95,6,76,3*,44 Pd ( 5rb,45,777,7,6,5 Kostata,386,559 6,5,3 4, Rmh (sem -,878,33 8,47,4*,45 Kostata,93,94 3,8,,54 Stts (pdtg -,56,34,8,94*,59 Kostata,756,79 7,98,,3 Catata : sgfa pada: * α = %. Pegaruh dar eeam fator yag sgfa tersebut dapat delasa secara dvdu yag berpegaruh da megaggap varabel yag la sebaga osta adalah sebaga berut. Seorag aa yag beres elam perempua emuga aa putus seolah dua al lebh besar dbadga dega aa yag beres elam la-la. Aa yag membayar SPP dega cara megagsur mempuya emuga putus seolah sebaya 3,86 al aa yag membayar SPP rut setap bula. 3 Pera orag tua dalam meduug aa seolah yag meuua pegaruh terhadap emuga aa usa 7-5 tahu putus seolah adalah pada ategor sap orag tua yag meduug belaar aaya mempuya emuga,43 al dbadga dega aa yag belaarya ddampg oleh orag tua. Sedaga orag tua yag tda medampg da tda meduug aa pada saat belaar mempuya emuga,36 al dbadga dega aa yag belaarya ddampg oleh orag tua (dsmpula bahwa terdapat assosas egatf atara pera orag tua da peluag aa putus seolah. 4 Pedapata orag tua atara Rp 5. s/d Rp.. da Rp.. s/d Rp.5. mempuya emuga masg-masg,98 da,44 utu putus seolah dbadga orag tua dega pedapata <Rp 5. (dsmpula bahwa terdapat assosas egatf atara pedapata orag tua da peluag aa putus seolah. 5 Kods rumah sem permae mempuya emuga aa aa putus seolah sebaya,45 al ods rumah yag permae (dsmpula bahwa terdapat assosas egatf atara ods rumah da peluag aa putus seolah. 6 Status bapa yatu sebaga pedudu asl atau pedatag meuua adaya pegaruh terhadap emuga aa usa 7-5 tahu putus seolah adalah pada ategor status bapa sebaga pedudu pedatag dega peluag,59 (dsmpula bahwa terdapat assosas egatf atara status bapa da peluag aa putus seolah U esesuaa model Utu megu esesuaa model apaah model sesua dalam arta tda ada perbedaa atara hasl observas dega emuga hasl preds model dlaua dega megguaa hpotess sebaga berut : H : Model sesua H : Model tda sesua Berdasara hasl perhtuga ddapata bahwa la Ĉ < χ ( %,4 sehgga H dterma yag artya model sesua (tda ada perbedaa atara hasl observas dega emuga hasl preds model Ketepata Peglasfasa respode 9

10 Hasl peglasfasa emuga aa putus seolah berdasara model terba adalah: Tabel 6 Ketepata Klasfas Model Sereta Pegamata Preds Persetase Bear status 4 6,7 6 76,9 Persetase Keseluruha 5, Berdasara Tabel 6 dapat dataa bahwa respode putus seolah yag tepat dlasfasa pada ategor putus seolah adalah sebaya pegamata sedaga respode yag tda putus seolah tepat dlasfasa pada ategor tda putus seolah adalah sebaya pegamata. Sedaga respode yag tda tepat pegategoraya adalah 4 utu respode ategor putus seolah da 6 dlasfasa e dalam tda putus seolah. Sehgga dapat dsmpula bahwa etepata lasfas model terhadap pegamata adalah sebesar 5,%. 5. Kesmpula Berdasara hasl aalss da pembahasa dapat dambl esmpula sebaga berut :. Karaterst aa putus seolah tgat SD da SMP d Surabaya Utara 79,5% beres elam perempua, dega 67,% umlah aggota rumah tagga lebh dar empat orag. Serta 46,6% pedapata orag tuaya bersar atara Rp 5. s/d Rp.. dega ods rumah 49,3% sem permae, da 63% status epedudua bapa adalah sebaga pedudu pedatag. Dalam hubugaya dega eadaa sewatu mash seolah, 56,% aa putus seolah membayar SPP dega cara rut tap bula oleh orag tua / wal, da 57,5% merea medapata buu dega cara membel sedr, serta 67,% meagau seolah dega berala a. Sedaga pera orag tua aa putus seolah dalam meduug aa seolah, 56,% adalah tda meduug/medampg aaya utu berseolah.. Fator-fator yag mempegaruh aa putus seolah adalah es elam, cara membayar SPP, pera orag tua dalam meduug aa seolah, pedapata orag tua, ods rumah, serta status epedudua bapa. Da fator yag palg doma adalah membayar SPP dega cara agsura. 6. Daftar Pustaa Agrest, A. (99. Categorcal Data Aalyss. Joh Wley ad Sos. New Yor. Alfato, A. 8, Kulah Kera Nyata Wab Belaar 9 Tahu, <URL: Aom. 8, Dsped Jarg Aa putus Seolah, <URL: Aom. 8, Kods Pedda Surabaya Utara Mash Redah, JawaPos (Surabaya, Me Aom. 9, Wab Belaar 9 Tahu, <URL: Astut, P. P. 9, Putus Seolah Mash Mead Masalah,<URL: xmal/9///4935/putus.seolah.mash.mead.masalah> Departeme Pedda Nasoal da Departeme Agama dalam Suharyo, W. I. da Wdyat, W. 6, Batua Operasoal Seolah (BOS da Ases Terhadap Pedda Dasar Bag Masyaraat Ms,<URL: Pelasaaa BOS 5> Grahaceda.9, Aa Putus Seolah da Cara Pembaa-ya, <URL: seolah/re-feres Peelta Srps-Tess> Had, S. (4. Metodolog Research. Ad offset. Yogyaarta. Hosmer, D.W ad Lemeshow,S (989. Appled Logstc Regresso. Joh Wley ad Sos, Ic. USA. Koutur, R. (4. Metode Peelta utu Peulsa Srps da Tess. PPM. Jaarta. Le,C.T.(998. Appled Categorcal Data Aalyss. Joh Wley ad Sos, Ic. USA. Raharto, I. T. (8. Upaya Memperecl Aga Putus Seolah Bag Pedudu Ms d abupate Serag. Program Pasca Saraa Uverstas Hasaud. Maasar. Sgarmbu, M. da Effed, S. (989. Metode Peelta Surva. LP3ES. Jaarta.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

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

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

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

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

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

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

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) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

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

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

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

X a, TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK) DI SURABAYA UTARA. Oleh : Lina Firdausiyah ( )

KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK) DI SURABAYA UTARA. Oleh : Lina Firdausiyah ( ) KARAKTERISTIK SISWA KELAS LAYANAN KHUSUS (KLK DI SURABAYA UTARA Oeh : La Frdausah (36 Pembmbg : Prof. Dra. Susat Luwh, M.Stat, PhD. da Wbawat, S.S., M.S. ABSTRAK Keas Laaa Khusus (KLK merupaa saah satu

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion)

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion) Jural EKSPONENSIALVolume Nomor September 00 ISSN 085-789 Pemlha Model Regres Terba Megguaa Aae s Iformato Crtero (The Best Regresso ModelSelecto UsgAae s Iformato Crtero) M. Fathurahma Staf Pegaar Program

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

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

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

Lebih terperinci

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

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

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

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

E ax by c ae X be Y c. 6.1 Pengertian Umum

E ax by c ae X be Y c. 6.1 Pengertian Umum 6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

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

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

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

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

Lebih terperinci

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

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

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

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

7/26/2010. Latar Belakang OLEH : WASA YULIA Peranan perguruan tinggi: -informasi -pengetahuan -pemahaman -wadah bagi mahasiswa

7/26/2010. Latar Belakang OLEH : WASA YULIA Peranan perguruan tinggi: -informasi -pengetahuan -pemahaman -wadah bagi mahasiswa 7/6/1 ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS BAB I PENDAHULUAN Latar Belaag Pegembaga Kewrausahaa Salah satu upaya pembeaha

Lebih terperinci