Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah, Madu Rata, da Vta Ratasar Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya E-mal: vtarata70@gmal.com Abstrak Setap pergurua tgg memlk kewajba dalam megotrol prestas mahasswaya utuk meghaslka lulusa yag berkualtas. Ukura prestas mahasswa dataraya adalah deks prestas da lama stud yag meghaslka predkat kelulusa. Predkat kelulusa dpegaruh oleh beberapa faktor tertetu. Dalam peelta, varabel respo adalah predkat kelulusa yag terdr dar dega puja, sagat memuaska, da memuaska. Aalss regres logstk ordal merupaka salah satu metode yag tepat karea varabel respo mempuya skala ordal (bertgkat). Terdapat beberapa varabel predktor yag dduga berpegaruh pada predkat kelulusa atara la fakultas, jes kelam, asal daerah, jalur masuk ITS, status SMA, pekerjaa ayah, pekerjaa bu, da pedapata orag tua. Data merupaka data sekuder dar Bada Akademk ITS. Mayortas lulusa mahasswa mempuya predkat sagat memuaska. Predkat kelulusa dega puja telah meujukka agka sebesar 3%, hal berart jumlah lulusa mahasswa dega mudah mecapa predkat tersebut. Secara peguja seretak, faktor yag berpegaruh adalah fakultas, jes kelam, jalur peermaa, pekerjaa ayah, pekerjaa bu da pedapata. Kata Kuc Predkat kelulusa, prestas mahasswa, regres logstk ordal. M I. PENDAHULUAN ASALAH pegaggura d Idoesa sudah tdak asg lag utuk dbcaraka. Pegaggura adalah suatu keadaa dmaa seseorag yag tergolog dalam agkata kerja g medapatka pekerjaa tetap belum dapat memper-olehya [1]. Jumlah pegaggura d Idoesa pada Agustus 01 mecapa 6,14 perse. Jumlah megalam peurua sektar 370 rbu orag jka dbadg keadaa Februar 01, da megalam peurua sebesar 460 rbu orag jka dba-dg keadaa Agustus 011. Hal sebadg dega adaya peurua Tgkat Partspas Agkata Kerja (TPAK) sebe-sar 0,46 perse selama perode satu tahu terakhr []. Keja-da sama d provs Jawa Tmur yag megalam peurua sebesar 0,0 perse dbadg Februar 01 da sebesar 0,04 perse dbadg Agustus 011 [3]. Semak turu jumlah pegaggura buka berart kualtas sumber daya mausa (SDM) yag dhaslka lulusa pergurua tgg pu meu-ru. Persaga utuk medapatka pekerjaa setelah lulus dar bagku kulah bertambah semak besar. Dalam dua peddka, setap pergurua tgg memlk kewajba utuk megotrol prestas belajar setap mahasswaya da meghaslka lulusa yag berkualtas. Seluruh pergurua tgg juga dtutut utuk mejam mutu lulusa, dmaa mutu dmaksudka bahwa lulusa pergurua tgg dapat lagsug dmafaatka oleh stakeholders. Bag Isttut Tekolog Sepuluh Nopember (ITS) Surabaya mejaga da megkatka mutu merupaka perhata utama utuk megkatka kualtas lulusa. Ukura prestas mahasswa S1 ITS dataraya adalah la deks prestas (IP) da lama dalam meyelesaka masa stud. Berdasarka IP da lama stud dtetapka sebuah predkat kelulusa. Berbaga aalss yag dapat dguaka utuk megukur prestas mahasswa salah satuya adalah aalss regres. Peelta bertujua utuk megetahu karakterstk prestas belajar mahasswa da dapat memodelka faktorfaktor yag dapat mempegaruh predkat kelulusa program S1. Hasl peelta dharapka dapat memberka formas tambaha dalam melakuka seleks mahasswa program sarjaa. Data yag dguaka tdak terdapat data yag hlag (mssg data). II. TINJAUAN PUSTAKA A. Uj Multkolertas Uj multkolertas adalah peguja utuk megetahu ada tdakya hubuga yag lear atau korelas atara varabel predktor yag sgfka pada model regres. Pada aalss regres logstk ordal tdak dperkeaka terdapat kasus multkolertas. Utuk megetahu ada tdakya kasus multkolertas dapat megguaka koefse korelas pergkat Spearma atau basa dsebut rho-spearma. B. Regres Logstk Ordal Regres logstk ordal merupaka salah satu aalss regres yag dguaka utuk megaalsa hubuga atara varabel respo dega varabel predktor, dmaa varabel respo bersfat polkotomus dega skala ordal. Model yag dapat dguaka utuk regres logstk ordal adalah model logt, dmaa sfat yag tertuag dalam peluag kumulatf sehgga cumulatve logt models merupaka model yag dapat dbadgka dega peluag kumulatf yatu peluag kurag dar atau sama dega kategor respo ke-r pada p varabel predktor yag dyataka dalam vektor x adalah P Y r x ), dega peluag lebh besar dar kategor respo (

2 JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: (301-98X Prt) D-178 ke-r pada p varabel predktor Y r x ) [4]. Peluag kumulatf P Y r x ) ddefska sebaga berkut. ( p 0r k k 1 Y r x ) π(x) p 1 0r k k 1 1, p merupaka la pegamata ke- ( = 1,,, ) dar setap varabel p varabel predktor [5]. Pedugaa parameter regres dlakuka dega cara megurakaya megguaka trasformas logt dar dmaa x x x,..., x Y r x ). Y r x ) LogtP ( Y r x ) l () 1 Y r x ) Persamaa 3 ddapatka dega mesubstuska persamaa 1 da persamaa. p Logt Y r x ) β0r βk (3) k1 dega la β k utuk setap k = 1,,, p pada setap model regres logstk ordal adalah sama. Jka terdapat tga kategor respo dmaa r = 1,, 3 maka peluag kumulatf dar respo ke-r sepert pada persamaa 4 da 5. (1) p β01 βk k 1 Y 1 x ) (4) p 1 β01 βk k 1 p β0 βk k 1 Y x ) (5) p 1 β0 βk k 1 Berdasarka kedua peluag kumulatf pada persamaa 4 da 5, ddapatka peluag utuk masg-masg kategor respo sebaga berkut. p β01 βk k 1 Y r 1) 1( x) p 1 β01 βk k 1 p p β0 βk β01 βk k 1 k 1 Y r ) ( x) (6) p p 1 β0 βk 1 β01 βk k 1 k 1 p β0 βk k 1 Y r 3) 3( x) 1 p 1 β0 βk k 1 C. Peguja Parameter Model yag telah dperoleh perlu duj sgfkas pada koefse β terhadap varabel respo, yatu dega uj seretak da uj parsal. Uj Seretak Peguja dlakuka utuk memerksa kemakaa koefse β terhadap varabel respo secara bersama-sama dega megguaka statstk uj. Hpotess : H 0 : β 1 = β = = β k =0 H 1 : palg sedkt ada satu β k 0 ; k = 1,,, p Statstk uj yag dguaka adalah statstk uj G atau Lkelhood Rato Test. G l dmaa, y y x 0 x 1 x 0 y0, 1 y1, y y, G, v Daerah peolaka H 0 adalah jka dega derajat bebas v atau la p-value < α. Statstk uj G megkut dstrbus Ch-square dega derajat bebas p [4]. Uj Parsal Peguja dlakuka utuk memerksa kemakaa koefse β secara parsal dega megguaka statstk uj. H 0 : β k = 0 H 1 : β k 0 ; k = 1,,, p Statstk uj yag dguaka adalah statstk uj Wald. k (7) ˆ W k (8) SE ˆ Daerah peolaka H 0 adalah W Z atau W,v dega derajat bebas v atau la p-value < α [4]. D. Prestas Akademk Prestas belajar atau prestas akademk adalah hasl perubaha pada dr pembelajar yag melput aspek kogtf, afektf da pskomotor, yag merupaka bukt suatu usaha yag dapat dcapa dalam belajar [6]. Prestas belajar atau prestas akademk yag dmaksud adalah prestas belajar yag berupa data kuattatf yag sudah dsertaka dalam buku pedoma akademk [7]. Prestas belajar seseorag sesua dega tgkat keberhasla sesuatu dalam mempelajar mater pelajara yag dyataka dalam betuk deks prestas setap bdag stud setelah megalam proses belajar megajar. Prestas belajar mahasswa dapat dketahu setelah dadaka evaluas. Hasl dar evaluas dapat memperlhatka tetag tgg atau redahya prestas belajar mahasswa. E. Predkat Kelulusa Meurut peratura ITS omor : 05815//pp/009 tetag peratura akademk ITS tahu 009 pasal 5 ayat po b meyebutka bahwa Predkat kelulusa program D-IV da program sarjaa dtetapka berdasarka IP da masa stud sepert pada Tabel 1. F. Faktor-faktor yag Mempegaruh Prestas Akademk Berhasl atau tdakya seseorag dalam meempuh belajar dsebabka oleh beberapa faktor yag mempegaruh hasl belajar. Prestas akademk dpegaruh oleh beberapa faktor, yatu faktor keprbada, faktor demograf da faktor lgkuga [8]. Faktor Keprbada Prbad yag sembag mempegaruh proses belajar, prbad yag sembag dapat mecptaka kesehata metal da keteaga emos, yag dapat medorog keberhasla dalam belajar.

3 JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: (301-98X Prt) D-179 Tabel 1. Predkat Kelulusa Predkat IP Lama Stud Dega puja 3,51 IP 4,00 da masa stud 8 semester; Sagat 3,51 IP 4,00 da masa stud > 8 semester; atau Memuaska,76 IP 3,50 da masa stud = 9 atau 10 semester; Memuaska,76 IP 3,50 da masa stud > 10 semester;,00 IP,75 Faktor Demograf Demograf adalah lmu yag mempelajar persoala da keadaa perubaha-perubaha peduduk yag berhubuga dega kompoe-kompoe perubaha tersebut sepert kelahra, kemata, mgras sehgga meghaslka suatu keadaa da komposs peduduk meurut umur da jes kelam [9]. Faktor Lgkuga Salah satu faktor yag palg berpegaruh terhadap prestas belajar alah status sosal ekoom orag tua, sswa yag status ekoom orag tuaya bak, berkecukupa, mampu, kaya meujukka la yag lebh tgg dalam tes kemampua akademk, dalam tes hasl belajar da lamaya bersekolah darpada mereka yag status sosal ekoom orag tuaya redah atau kurag megutugka, kurag berada, da msk [10]. III. METODOLOGI PENELITIAN Data yag dguaka dalam peelta kal merupaka data sekuder tetag prestas akademk yatu predkat kelulusa dar mahasswa program S1 ITS perode lulusa Data dperoleh dar Bada Akademk ITS Surabaya. Varabel respo yag dguaka adalah predkat kelulusa yag terdr dar 3 kategor yatu, 1 = dega puja = sagat memuaska 3 = memuaska Varabel predktor yag dguaka dalam peelta atara la sebaga berkut. 1. Fakultas (X 1 ) 1 = FMIPA = FTI 3 = FTSP 4 = FTK 5 = FTIF. Jes kelam (X ) 1 = lak-lak = perempua 3. Asal Daerah (X 3 ) 1 = Surabaya = luar kota Surabaya 4. Jalur Peermaa (X 4 ) 1 = PMDK beasswa = PMDK kemtraa 3 = PMDK madr 4 = PMDK prestas 5 = PMDK reguler 6 = S1 kerjasama 7 = SPMB/SNMPTN 8 = UM Desg 5. Status SMA (X 5 ) 1 = Neger = Swasta 6. Pekerjaa Ayah (X 6 ) 1 = ABRI = Buruh/Peta/Nelaya 3 = Guru/Dose 4 = Pedagag/Wraswasta/Pegawa 5 = Pesua 6 = Profesoal Peroraga 7 = la-la 7. Pekerjaa Ibu (X 7 ) 1 = ABRI = Buruh/Peta/Nelaya 3 = Guru/Dose 4 = Pedagag/Wraswasta/Pegawa 5 = Pesua 6 = Profesoal Peroraga 7 = la-la 8. Pedapata (X 8 ) 1 = sampa dega Rp = Rp Rp = Rp lebh dar Rp Lagkah aalss dmula dega megaalss karakterstk prestas mahasswa program S1 perode lulusa megguaka aalss deskrptf dega membuat tabulas slag. Selajutya, meetuka model regres logstk ordal utuk memperoleh faktor-faktor yag berpegaruh pada prestas akademk. Lagkah pertama dega melakuka uj sgfkas parameter secara seretak da parsal, kemuda meetuka da megterpretaska model regres logstk ordal. Selajutya melakuka uj sgfkas parameter secara dvdu, kemuda meetuka da megterpretaska model regres. Lagkah selajutya yatu melakuka peguja kesesuaa model dega megguka uj devace da meghtug serta megterpretaska ketepata klasfkas model. IV. HASIL DAN PEMBAHASAN A. Karakterstk Mahasswa ITS Surabaya Aalsss karakterstk prestas belajar mahasswa S1 dapat dtujukka pada Gambar 1.Predkat kelulusa ITS perode yag palg bayak adalah sagat memuaska dega persetase sebesar 76,3%. Sedagka persetase predkat kelulusa dega puja da memuaska masgmasg 3,% da 0,4%. ITS memlk lma fakultas yag terdr dar FMIPA, FTI, FTSP, FTK da FTIF. Pada masgmasg fakultas tersebut meujukka bahwa mahasswa medapatka predkat palg bayak adalah sagat memuaska. Pada varabel jes kelam, asal daerah, status SMA, pekerrjaa ayah, pekerjaa bu da pedapata orag tua mahasswa meujukka predkat yag palg ba-yak adalah sagat memuaska. Namu pada varabel jalur masuk terdapat dua kategor yag meujukka predkat kelu-lusa dega puja palg bayak adalah PMDK beasswa da PMDK prestas, sedagka pada kategor laya meujukka predkat palg bayak yatu sagat memuas-ka.

4 JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: (301-98X Prt) D-180 Gambar. 1. Persetase Predkat Kelulusa ITS Perode Fakultas FMIPA FTI FTSP FTK FTIF Jes Kelam Lak-Lak Perempua Asal Surabaya Luar Surabaya Sagat Memuaska 76% Memuaska 1% Tabel. Karakterstk Berdasarka da Fakultas ,8% 81,6% 17,6% 100% % 75,0% 5,0% 100% % 8,5% 17,5% 100% ,9% 78,7% 0,4% 100% % 64,7% 35,3% 100% Tabel 3. Karakterstk Berdasarka da Jes Kelam ,4% 76,3% 3,3% 100% % 76,8% 3,% 100% Tabel 4. Karakterstk Berdasarka da Asal Daerah Dega Puja 3% ,3% 79,3% 0,5% 100% ,% 75,5% 4,3% 100% Tabel 5. Karakterstk Berdasarka da Asal Daerah Fakultas Neger ,1% 76,% 3,7% 100% Swasta ,4% 79,1% 19,6% 100% Tabel mejelaska bahwa karakterstk mahasswa ITS berdasarka da fakultas maka yag d atas 3,50 palg bayak berdasarka total lulusa perfakultas adalah FTIF. Utuk yag dbawah,75 mash berada pada fakultas FMIPA da FTK. Lulusa ITS pada perode memlk rata-rata datara,76 hgga 3,50. Lulusa ITS sudah memlk yag cukup utuk medapatka pekerjaa. Karakterstk mahasswa jka dlhat da jes kelam, jumlah palg bayak lulusa berada atara,76 hgga 3,50 sebayak 76% dar lulusa perode pada masg-masg jes kelam. Jumlah perbedaa atara lak-lak da perempua pada masg-masg tdak terlalu jauh. Namu pada yag dbawah,75 mempuya jes kelam lak-lak sebayak 3 orag, dapat dlhat pada Tabel 3.Jka dlhat karakterstk berdasarka da asal daerah maka yag d atas 3,50 palg bayak berasal dar luar Surabaya sebayak 4,3% sedagka yag d bawah la,75 yag berasal dar luar Surabaya sebayak dua mahasswa da yag berasal dar Surabaya sebayak satu mahasswa. Nla atara,76 hgga 3,50 bak mahasswa yag berasal dar Surabaya maupu Luar Surabaya memlk jumlah yag hampr sama, dapat dlhat pada Tabel 4. Karakterstk mahasswa ITS jka dlhat berdasarka dega status SMA maka dapat dsmpulka bahwa mahasswa lulusa dega d atas 3,50 palg bayak berasal dar SMA eger, sedagka la yag d bawah,75 yag berasal dar SMA eger sebayak satu orag da yag berasal dar swasta sebayak dua orag. Status SMA eger palg bayak dkareaka ITS haya membuka jalur masuk utuk eger saja, walaupu ada lulusa yag berasal dar swasta dkareaka berasal dar jalur masuk SPMB/SNMPTN, dapat dlhat pada Tabel 5. B. Uj Multkolertas Peguja multkolertas dlakuka agar megetahu ada atau tdakya hubuga lear atar varabel predktor dalam model regres logstk ordal. Peguja multkolertas megkorelaska atar varabel predktor, dmaa pedugaa kasus multkolertas terjad jka terdapat korelas yag tgg atar varabel predktor. Tabel 5 meujukka bahwa tdak ada korelas yag tgg datara varabel predktor. C. Regres Logstk Ordal Secara Seretak da Parsal Peguja regres logstk ordal dlakuka dega megguaka/memasukka semua varabel predktor yag dguaka pada peelta. Teryata pada uj parsal atau uj kemakaa koefse β pada masg-masg varabel, terdapat dua varabel yag tdak sgfka terhadap alpa 10% yatu asal daerah da status SMA lulusa mahasswa. Varabel yag tdak sgfka tersebut dkeluarka dar model da melakuka peguja regres logstk ordal kembal dapat dlhat pada Tabel 6. Varabel yag dguaka adalah fakultas, jes kelam, jalur masuk, pekerjaa ayah, pekerjaa bu da pedapata orag tua. Varabel yag aka djadka model regres logstk ordal. Lagkah selajutya adalah membetuk fugs logt yag dguaka utuk membuat fugs peluag pada masg-masg kategor varabel respo.

5 Predks JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: (301-98X Prt) D-181 Tabel 5. Korelas Varabel Predktor X 1 X X 3 X 4 X 5 X 6 X 7 X 8 X X X X X X X X 8 1 Tabel 6. Uj Parsal Varabel Kategor Koef (B) Exp(B) P-value Predkat Kostata (1) 0,159 0,714 Kelulusa Kostata () 7,37 0,000 Fakultas FMIPA 1,48 4,40 0,000* (X 1) FTI 0,537 1,711 0,083* FTSP 0,88,89 0,011* FTK 1,6 3,53 0,001* Jes Kelam (X ) Lak-lak 0,94 1,34 0,040* Jalur PMDK Beasswa -1,69 0,81 0,001* Peermaa PMDK Kemtraa 0,931,537 0,004* (X 4) PMDK Madr 0,515 1,674 0,083* PMDK Prestas -,18 0,109 0,003* PMDK Reguler -0,81 0,444 0,000* S1 Kerjasama -0,807 0,446 0,074* UM Desg 0,955 0,14 Pekerjaa ABRI 1,7 3,411 0,04* Ayah (X 6) Buruh/Peta,Nelaya 0,487 0,185 Guru /Dose 0,959,609 0,003* Pedagag/Wraswasta/Pegawa 0,683 1,980 0,010* Pesua 1,33 3,43 0,003* Profesoal Peroraga 1,11 0,151 Pekerjaa ABRI -0,538 0,56 Ibu (X 7) Buruh/Peta,Nelaya -0,381 0,83 Guru /Dose 0,158 0,47 Pedagag/Wraswasta/Pegawa 0,39 1,480 0,00* Pesua,73 15,364 0,018* Profesoal Peroraga,65 0,366 Pedapata Sampa dega Rp, 1,000,000-0,738 0,478 0,069* (X 8) Rp, 1,000,001 - Rp,,500,000-0,9 0,501 *) Sgfka pada 10% Tabel 7. Uj Seretak dega Lkelhood Rato Model G Ch- Square df P-value Keputusa Itercept Oly 781,007 Fal 639, , ,000 Tolak H 0 g (x) = 7,37 + 1,48X ,537X 1 + 0,88X ,6X ,94X 1 1,69X ,931X 4 + 0,515X 43,18X ,81X 45 0,807X ,955X ,7X ,487X 6 + 0,959X ,683X ,33X ,11X 66 0,538X ,381X 7 + 0,158X ,39X 74 +,73X 75 +,65X ,738 X 81 0,9 X 8 Tabel 8. Dega Puja Kesesuaa Model Observas Sagat Memua Memuaska ska Dega Puja Sagat Memuaska Memuaska Ketepaata Klasfkas 77,41 % Peguja parsal memperoleh la odds rato utuk mahasswa dega fakultas MIPA sebesar (1,48) = 4,40 yag berart bahwa fakultas MIPA memlk peluag 4,40 kal lebh besar dbadgka dega fakultas TIF. Utuk mahasswa dega jes lak-lak memlk odds rato sebesar (0,94) = 1,34 yag meujukka bahwa jes kelam lak-lak memlk peluag sebesar 1,34 kal lebh besar dbadgka perempua. Jalur peermaa melalu PMDK beasswa mempuya odds rato sebesar (-1,69) = 0,81 kal lebh kecl dbadgka dega jalur masuk melalu SPMB/ SNMPTN. Utuk pekerjaa ayah ABRI mempuya la odds rato sebesar (1,7) = 3,411 kal lebh besar dbadgka dega kategor pekerjaa ayah dega kategor la-la sedagka bu yag sudah pesu memlk odds rato sebesar (,73) = 15,364 kal lebh besar dbadgka dega pekerjaa bu dega kategor la-la. Utuk pedapata orag tua d bawah Rp mempuya odds rato sebesar (-0,738) = 0,478 kal lebh kecl dbadgka dega pedapata d atas Rp Model regres logstk ordal telah dketahu. Utuk meguj kemakaa koefse la β secara bersama-sama, maka dlakuka uj G atau Lkelhood Rato Test, dapat dlhat pada Tabel 7. Tolak H 0 jka G = 35,563. (0,1;6) Pada peguja secara seretak, Tabel 7 meujukka bahwa la G sebesar 639,944 yag berart bahwa G da dperoleh keputusa tolak H 0 yag artya (0,1;6) bahwa koefse la β sgfka terhadap model regres logstk ordal. D. Uj Kesesuaa Model Peguja bertujua utuk megetahu apakah persamaa model yag telah dbetuk telah sesua. Hasl yag dperoleh adalah devace = 4,601 dega derajat bebas 716 atau p-value sebesar 1,000. Tolak H 0 jka D (0,1;716) = 764,905. Kesmpula adalah D (0,1;716) atau la p-value pada uj Devace meujukka la 1,000 dmaa lebh dar alfa, terpretas yag dperoleh adalah gagal tolak H 0 atau model yag dperoleh telah sesua (tdak ada perbedaa yag yata atara hasl observas dega kemugka hasl predks model). E. Ketepata Klasfkas Model Meghtug la ketepata klasfkas atara la sebearya dega la predks yag dperoleh dar model yag telah dbetuk. Kategor dar varabel respo yag mucul dar Tabel 8 adalah predkat kelulusa dega puja da sagat memuaska. Hal dkareaka bahwa hasl data yag ddapatka haya sedkt yag memlk predkat kelulusa memuaska. Ketepata klasfkas model dperoleh sebesar 77,41%.

6 JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: (301-98X Prt) D-18 V. KESIMPULAN DAN SARAN Karakterstk mahasswa ITS meujukka bahwa predkat kelulusa yag palg bayak adalah sagat memuaska. Predkat kelulusa dega puja telah meujukka agka sebesar 3%, hal berart jumlah lulusa mahasswa dega mudah mecapa predkat tersebut. Namu, berdasarka jalur masuk ke ITS, jalur masuk PMDK Beasswa da PMDK Prestas meujukka palg bayak dega predkat dega puja. Mahasswa ITS yag memlk d atas 3,50 terbayak berada d fakultas TIF sebayak 35,3%. Status SMA eger palg bayak dkareaka ITS haya membuka jalur masuk utuk eger saja, walaupu ada lulusa yag berasal dar swasta dkareaka berasal dar jalur masuk SPMB/SNMPTN. Secara peguja seretak, faktor yag berpegaruh adalah fakultas, jes kelam, jalur peermaa, pekerjaa ayah, pekerjaa bu da pedapata. Peguja secara dvdu, faktor yag berpegaruh adalah fakultas, jalur peermaa, pekerjaa ayah, pekerjaa bu da pedapata. Ketepata klasfkas dar model seretak yag ddapatka sebesar 77,41%, yag berart sudah cukup bak. Sara dalam peelta selajutya adalah perlu dlakuka pejaua ulag kembal batas-batas la karea jumlah lulusa mahasswa dega predkat dega predkat telah cukup bayak, agar mahasswa ITS mempuya semagat lag dalam mecapa yag lebh tgg. Jalur masuk merupaka faktor yag sgfka dalam predkat kelulusa. Oleh karea tu dperlukaya perhtuga jumlah persetase calo mahasswa yag masuk dar berbaga jalur yag dbuka oleh ITS. Terdapat beberapa faktor pedukug laya yag mugk berpegaruh terhadap model predks predkat kelulusa, msalya jumlah saudara da aak ke berapa. DAFTAR PUSTAKA [1] Sukro S. Makro Ekoom Jakarta: PT. Raja Grafdo Persada; 004. [] BPS. Berta Resm Statstk. [Ole].; 01 [cted 013 Jauar 17. Avalable from: [3] BPS. Berta Resm Statstk. [Ole].; 01 [cted 013 Jauar 17. Avalable from: [4] Hosmer DW, Lemeshow S. Appled Logstc Regresso New York: Joh Wley & Sos, Ic.; 000. [5] Agrest A. Categorcal Data Aalyss New York: Joh Wley & Sos, Ic.; [6] Nurkecaa. Evaluas Hasl Belajar Megajar Surabaya: Usaha Nasoal; 005. [7] Udyoo. Pegaruh Motvas Orag Tua, Kods Lgkuga Da Dspl Belajar Terhadap Prestas Akademk Mahasswa Peddka Matematka Uverstas Wdya Dharma Klate Semester Gasal Tahu Akademk 010/011. Magstra. 011; 3(75): p [8] Nugrasat R. Locus of Cotrol da Prokrastas Akademk Mahasswa. Jural Provtae. 006; (1): p [9] Wuladar AP. Hubuga Atara Faktor Lgkuga da Faktor Sosodemografo dega Kejada Dare Pada Balta d Desa Blmbg Kecamata Sambrejo Kabupate Srage Tahu 009. Skrps. Surakarta: Uverstas Muhammadyah ; 009. [10] Maesaroh S. Pegaruh Status Sosal Ekoom Orag Tua, Lgkuga Sekolah da Motvas Belajar Terhadap Prestas Belajar Mata Pelajara Ekoom Sswa Kelas XI IPS D MAN Kota Bltar. Skrps. Malag: Uverstas Islam Neger Maulaa Malk Ibrahm; 009.

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. 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

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

ANALISIS REGRESI LOGISTIK ORDINAL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PREDIKAT KELULUSAN MAHASISWA S1 DI ITS SURABAYA

ANALISIS REGRESI LOGISTIK ORDINAL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PREDIKAT KELULUSAN MAHASISWA S1 DI ITS SURABAYA ANALISIS REGRESI LOGISTIK ORDINAL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PREDIKAT KELULUSAN MAHASISWA S DI ITS SURABAYA Sitti Imaslihkah, Madu Rata, da Vita Ratasari Jurusa Statistika, Fakultas MIPA,

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

BAB 2 LANDASAN TEORI. 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

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

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

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 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

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

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

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt

Lebih terperinci

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

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

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

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

Lebih terperinci

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

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

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

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

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

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

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

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

REGRESI LINIER SEDERHANA

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

Lebih terperinci

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

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

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. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

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

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

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

Lebih terperinci

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

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

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

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

Lebih terperinci

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

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

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

Lebih terperinci

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

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap BAB III METODOLOGI PENELITIAN 3. Lokas Da Waktu Peelta Peelta dlaksaaka d SMP Neger Paleleh pada semester geap tahu ajara 0/0. Peelta berlagsug selama 4 bula (Aprl, Me, Ju, Jul) mula dar persapa hgga pelaksaaa

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk BAB III METODOLOGI PENELITIAN A. Metode Peelta Metode peelta sagat dperluka dalam sebuah peelta utuk memaham suatu objek peelta da utuk medapatka sejumlah formas tetag masalah pokok yag aka dpecahka. Ada

Lebih terperinci

Analisis Korelasi dan Regresi

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

Lebih terperinci

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

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

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

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

Lebih terperinci

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

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

JIIA, VOLUME 3 No. 2, APRIL 2015

JIIA, VOLUME 3 No. 2, APRIL 2015 DETERMINAN KEPUTUSAN PETANI TERHADAP KONVERSI LAHAN SAWAH MENJADI PERMUKIMAN (Determats of Farmers Decso for Rce-Feld Coverso to Housg) Umyat Kulsum, Bustaul Arf, Zaal Abd Jurusa Agrbss, Fakultas Pertaa,

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO)

FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO) FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO Fahrul Roz Perdaa, Mutah Salamah ( Statstka, FMIPA, Isttut

Lebih terperinci

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo BAB III METODOLOGI PENELITIAN 3. Tempat Da Waktu Peelta 3.. Tempat peelta Peelta dlaksaaka d SMP Neger 5 d kota Gorotalo 3.. Waktu peelta Peelta dlaksaaka sejak bula oktober hgga bula desember, yag melput

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 0 BAB LANDASAN TEORI. Pegerta Regres da Korelas.. Pegerta Regres Regres adalah suatu metode statstka yag ergua utuk memerksa atau memodelka huuga datara varael-varael. Varael-varael terseut dega megguaka

Lebih terperinci

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

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci