META ANALYTIC STRUCTURAL EQUATION MODELING (MASEM) PADA FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI JAWA TIMUR

Ukuran: px
Mulai penontonan dengan halaman:

Download "META ANALYTIC STRUCTURAL EQUATION MODELING (MASEM) PADA FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI JAWA TIMUR"

Transkripsi

1 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November META ANALYTIC STRUCTURAL EQUATION MODELING (MASEM) PADA FAKTORFAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI JAWA TIMUR (META ANALYTIC STRUCTURAL EQUATION MODELING (MASEM) ON FACTORS INFLUENCING HEALTH STATUS OF EAST JAVA) Amn Tohar 1 dan Bambang Wdjanaro Oto 1, Statsta, FMIPA, Insttut Tenolog Sepuluh Nopember (ITS) Jl. Aref Rahman Ham, Surabaya Indonesa 1 Emal: amen.bms@gmal.com Abstra Dalam perembangan statsta, generalsas terhadap populas tda hanya dlauan berdasaran hasl satu temuan saja, aan tetap ddasaran pada sntess beberapa hasl temuan dan serng dsebut sebaga meta analss. Pada umumnya metaanalss melbatan uuran tunggal sepert standardzed mean dfference antara elompo ontrol dan elompo perlauan atau oefsen orelas pearson (r) antara dua hasl. Saat n, perembangan menar telah dtunjuan dalam melauan sntess matrs orelas yang djelasan dengan path analyss atau ten structural equaton modelng (SEM). Sebagamana detahu bahwa SEM merupaan seumpulan tenten statsta yang memungnan pengujan sebuah model yang dbangun antara varabel endogen dengan varabel esogen, dmana masngmasng varabel dapat berbentu laten atau onstru yang dbangun dar varabel manfes atau ndator. Gabungan metaanalss dan structural equaton modelng (SEM) serng dsebut dengan metaanalytc structural equaton modelng (MASEM). Tujuan dar peneltan n adalah melauan metaanalytc structural equaton modelng (MASEM) pada fatorfator yang mempengaruh derajat esehatan d Jawa Tmur. Data yang dgunaan adalah data sunder dar dnas esehatan abupaten/ota dalam profl esehatan abupaten/ota d Jawa Tmur 013. Varabel laten endogen yang dgunaan adalah derajat esehatan dengan 5 ndator, sedangan varabel esogen yatu lngungan dengan 3 ndator, perlau masyaraat dengan 3 ndator dan pelayanan masyaraat dengan ndator. Dalam peneltan n aan dgunaan meta analytc structural equaton modelng (MASEM) dengan pendeatan generalzed least square (GLS). Hasl MASEM menunjuan bahwa lngungan berpengaruh sgnfan terhadap derajat esehatan pada alfa 0.1 dengan oefsen , perlau masyaraat berpengaruh sgnfan terhadap derajat esehatan pada alfa 0.01 dengan oefsen dan pelayanan esehatan juga berpengaruh sgnfan terhadap derajat esehatan pada alfa 0.01 dengan oefsen Kata Kunc : derajat esehatan, masem, metaanalss, structural equaton modelng

2 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural Abstract Along wth Statstcs development, generalzaton on populaton s not only based on a fndng of a study, but on a synthess of many fndngs whch s usually referred as metaanalyss. In general, metaanalyss ncludes a sngle measure such as a standardzed mean dfference between control and treatment groups or Pearson correlaton coeffcent (r) between two outcomes. Today, an nterestng mprovement has been presented n syntheszng correlaton matrxes explaned usng path analyss or structural equaton modelng (SEM) technque. It s nown that SEM s a set of statstcal technques whch allows n testng a model generated from one or many endogenous varables and one or many exogenous varables, where each of endogenous varable and exogenous varable can be latent or a construct developed from some manfest or ndcator varables. A combnaton of two dfferent methods, metaanalyss and structural equaton modelng (SEM), s often called as metaanalytc structural equaton modelng (MASEM). The purpose of ths study s to conduct a metaanalytc structural equaton modelng (MASEM) on the factors that nfluence health status n East Java. The data used are secondary data from health regences/muncpaltes n the health profle of the regences/muncpaltes n East Java, 013. The endogenous latent varables used are the 5 ndcators of health status, whereas the exogenous varables wth three ndcators, namely the envronment, people's behavor wth three ndcators and communty servce wth ndcators. In ths study wll be used metaanalytc structural equaton modelng (MASEM) approach generalzed least square (GLS). The results ndcate that the envronmental MASEM sgnfcant effect on health status n the 0.1 alpha, coeffcent , people's behavor sgnfcantly nfluence health status n 0.01 alpha wth a coeffcent and health servces also have a sgnfcant effect on the health of the alpha 0.01 wth a coeffcent Keywords : health status, MASEM, metaanalyss, structural equaton modelng 1 PENDAHULUAN 1.1 Latar Belaang Metaanalss merupaan suatu strateg peneltan yang pentng arena dengan metaanalss para penelt dapat menggabungan hasl dar berbaga peneltan tentang suatu top sehngga dapat berlau umum. Pada haeatnya metaanalss merupaan sntess sebuah top dar beberapa laporan peneltan, berdasaran sntess tersebut dtar sebuah esmpulan mengena top yang dtelt. Metaanalss adalah suatu analss ntegratf seunder dengan menerapan prosedur statsta terhadap hasl pengujan hpotess peneltan. Menurut Glass [1], analss seunder tu merupaan analss ulang terhadap data untu tujuan menjawab pertanyaan peneltan dengan tenten statsta yang lebh ba atau menjawab pertanyaanpertanyaan yang baru dengan data lama yang dml. Pada umumnya metaanalss melbatan uuran tunggal sepert standardzed mean dfference antara elompo ontrol dan elompo perlauan atau oefsen orelas pearson (r) antara dua hasl. Saat n, perembangan menar telah dtunjuan dalam

3 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November melauan sntess matrs orelas. Metaanalss telah lama fous pada uuran tunggal, aan tetap emampuannya mash terbatas dalam menjelasan teor dan penelt dsaranan untu membuat model ausal dengan medas atau perantara dan dgunaan ten path analyss atau ten structural equaton modelng (SEM) untu menjelasannya Zang []. Sebagamana detahu bahwa SEM merupaan seumpulan tenten statsta yang memungnan pengujan sebuah model yang dbangun antara satu atau beberapa varabel endogen dengan satu atau beberapa varabel esogen, dmana masngmasng varabel endogen dan esogen dapat berbentu laten atau onstru yang dbangun dar beberapa varabel manfes atau ndator Ferdnand [3]. Lebh lanjut Ghozal [4] mengungapan bahwa SEM merupaan gabungan dar analss fator dan analss jalur (path analyss) menjad satu metode statsta yang omprehensf. MASEM merupaan metaanalss yang melbatan ten sntess matrs orelas dan uj esesuaan SEM, dmana basanya dlauan dengan mengaplasan ten metaanalss pada serangaan matrs orelas untu membentu suatu matrs orelas gabungan, yang selanjutnya dapat danalss menggunaan SEM. Secara umum ada dua langah dalam MASEM, langah pertama adalah mensntess oefsen orelas semua peneltan, langah edua mengaplasan ten SEM untu menjelasan hubungan antar varabel menggunaan matrs orelas yang dgabungan Vswesvaran and Ones [5]. Pada tahap edua dar MASEM, Becer [19] menyaranan metode perhtungan langsung dengan Generalzed Least Squares (GLS) untu model lner dan path analyss menggunaan sntess matrs orelas dan matrs ovaran asmtot. Sampa saat n peneltan tentang MASEM telah dlauan, beberapa dantaranya dlauan oleh Vswesvaran and Ones [5], Furlow and Beretvas [6], Cheung and Chan [7] dan Zang []. Aan tetap belum ada peneltan yang membahas tentang metaanalytc structural equaton modelng (MASEM) pada fatorfator yang mempengaruh derajat esehatan terutama d propns Jawa Tmur. Dnas Kesehatan [0] menyebutan bahwa stuas derajat esehatan d Provns Jawa Tmur dgambaran empat ndator pembangunan esehatan, yatu Anga Kematan (Mortaltas), Anga/Umur Harapan Hdup, Anga Kesatan (Morbdtas) dan Status Gz Masyaraat. D Jawa Tmur, capaan Anga Kematan Ibu (AKI) cenderung menngat dalam 5 (lma) tahun terahr, yatu bersar antara 711 pont dengan data yang bersumber dar Laporan Kematan Ibu (LKI) Kabupaten/Kota. Capaan AKI dapat dgambaran sebaga berut : pada tahun 008 sebesar 83 per elahran hdup (h); tahun 009 sebesar 90,7 per h; tahun 010 sebesar 101,4 per h; tahun 011 sebesar 104,3 per h; dan d tahun 01 mencapa 97,43 per h. Capaan AKI Jawa Tmur tahun 01 eadaanya berada 5 pont d bawah dar target Mllenum Development Goals (MDGs) tahun 015 sebesar 10 per h. Talango [8] mengungapan bahwa fatorfator yang mempengaruh derajat esehatan adalah lngungan, perlau masyaraat dan pelayanan esehatan. Semua fator tersebut, tda dapat duur secara langsung, melanan melalu ndatorndator yang detahu. Karena fatorfator yang mempengaruh derajat esehatan tda dapat duur secara langsung melanan melalu ndatorndator yang detahu maa analss statsta yang sesua adalah structural equaton modelng (SEM) untu setap abupaten/ota d jawa tmur. Aan tetap, haslhasl peneltan yang berdasaran SEM tersebut tda cuup menunjuan bahwa esmpulan

4 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural esmpulan yang onssten dapat dgambaran dar peneltanpeneltan tersebut. Sehngga dalam peneltan n aan dlauan metaanalytc structural equaton modelng (MASEM) yang melbatan tenten sntess matrs orelas dan penyesuaan SEM. 1. Rumusan Masalah Berdasaran judul dan uraan latar belaang datas, maa masalah dalam peneltan n adalah : Bagamana melauan metaanalytc structural equaton modelng (MASEM) pada fatorfator yang mempengaruh derajat esehatan d Jawa Tmur. 1.3 Tujuan Peneltan Berdasaran rumusan masalah datas, maa tujuan yang ngn dcapa dalam peneltan n adalah : Melauan metaanalytc structural equaton modelng (MASEM) pada fatorfator yang mempengaruh derajat esehatan d Jawa Tmur. Tnjauan Pustaa.1 Defns Meta Analss Metaanalss secara sederhana dapat dartan sebaga analss atas analss. Sebaga peneltan, meta analss merupaan ajan atas sejumlah hasl peneltan dalam masalah yang sejens Merryana [9]. Sedangan Glass [1] mendefnsan metaanalss sebaga analss statst terhadap umpulan haslhasl analss yang sangat banya dar peneltanpeneltan tunggal dengan tujuan untu mengntegrasan haslhasl peneltan tersebut. Lebh lanjut Anwar [10] menyebutan bahwa Metaanalss merupaan suatu ten statsta untu menggabungan hasl dua atau lebh peneltan sejens sehngga dperoleh paduan data secara uanttatf.. Defns Effect Sze Effect Sze merupaan uuran mengena sgnfans prats hasl peneltan yang berupa uuran besarnya orelas atau perbedaan, atau efe dar suatu varabel pada varabel lan. Uuran n melengap nformas hasl analss yang dsedaan oleh uj sgnfans. Informas mengena Effect Sze n dapat dgunaan juga untu membandngan efe suatu varabel dar peneltanpeneltan yang menggunaan sala penguuran yang berbeda Santoso [11]. Effect Sze merupaan uuran mengena besarnya efe suatu varabel pada varabel lan, besarnya perbedaan maupun hubungan, yang bebas dar pengaruh besarnya sampel Olejn and Algna [1]. Uuran n dbutuhan arena sgnfans statst tda memberan nformas yang cuup berart terat dengan besarnya perbedaan atau orelas. Sgnfans statst hanya menggambaran besarnya emungnan munculnya statst dengan nla tertentu dalam suatu dstrbus Olejn and Algna [13].

5 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November MetaAnalss dan Structural Equaton Modelng (SEM) Metaanalss dan structural equaton modelng (SEM) adalah dua ten statsta yang terenal dalam bdang sosal, perlau dan meds. Metaanalss dgunaan untu mensntess Effect Sze dar sebuah umpulan stud emprs, sedangan SEM dgunaan untu esesuaan model hpotess pada peneltanpeneltan prmer. Dalam lteratur, edua ten tersebut umumnya dperlauan sebaga dua hal yang tda terat Cheung [14]. Terdapat dua tpe model yang telah dperenalan yatu, SEMbased metaanalyss Cheung [15] dan metaanalytc structural equaton modelng atau MASEM Cheung and Chan [7]. SEM based metaanalyss dgunaan untu melauan fxed dan random effect sepert basa dalam metaanalss dengan memperlauan peneltanpeneltan dalam sebuah metaanalss sebaga subye dalam structural equaton modelng. MASEM dgunaan untu menggabungan matrs orelas atau matrs ovaran dan untu menguj esesuaan SEM dar matrs orelas atau matrs ovaran gabungan Cheung [14]..4 Model MetaAnalyss Cheung [14] menyataan bahwa pada model Fxed effect, y merupaan hasl Effect Sze dar setap peneltan, sepert standardzed mean dfference, log odds rato, log relatve rs, dan oefsen orelas serta transformas Fsher's z. y basanya dtuls sebaga : y e (1) F Dmana F dan e adalah populas Effect Sze dan samplng error dalam setap peneltan, masng masng e dasumsan berdstrbus normal dengan ratarata nol dan varan Estmas populas Effect Sze pada model fxed effect adalah : F 1 F () 1 Dmana w 1 adalah bobot dan adalah jumlah stud. Estmas varan sampel dar dhtung dengan F S F 1 1 w Sedangan pada model random effect dlauan dengan melbatan varas e dalam populas Effect Sze. Model effect random adalah : y R u e, (3) Dmana, R u dan e adalah ratarata populas Effect Sze, asus efe tertentu dan samplng error dar stud e, secara berurutan. Pada model fxed effect, hanya ada satu sumber eragaman, yatu varan sampel. Sebalnya, ada dua sumber eragaman dalam model random effect yatu varan sampel dan omponen varan antar peneltan, var( ). u wy w S F

6 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural Estmator yang lazm dgunaan adalah yang telah dperenalan oleh DerSmonan and Lard [16] Q( 1) DL max 0, (4) c Dmana Q adalah statst uj homogentas, adalah jumlah peneltan, dan c w w / w Satu omponen varas telah destmas, estmas ratarata populas Effect Sze R pada model random effect adalah: Dmana w 1 R dhtung dengan : R 1 1 wy w adalah bobot baru. Estmas varan sampel S R 1 1 (5) SR dar w (6) Cheung [14] juga mengungapan bahwa model mxedeffect adalah model yang memasuan fxed effect dan random effect. Fxed effect adalah oefsen regres arena ovarat tertentu, sedangan random effect adalah efe tertentu yang tda djelasan setelah mengontrol ovarat. Model dalam notas matrs adalah y Xβ Iu e (7) Dmana y adalah vetor Effect Sze yang beruuran x 1, β adalah vetor p x 1 dar fexed effect oefsen regres, u adalah vetor x 1 asus random effect tertentu dengan u ~ N, I 0, e adalah vetor resdual beruuran x 1, X adalah matrs beruuran x p yang memasuan satu pada olom pertama, dan I adalah matrs denttas beruuran x. Karena Effect Sze dasumsan ndependen, matrs ovaran bersyarat dar resdual V adalah matrs dagonal, yatu e V (8) e dag 1,,..., Berdasaran metode momen, model multlevel dapat dgunaan untu metaanalss random effect dan mxedeffect Hox [17]. Saat terseda, weghted least square (WLS) dapat dgunaan untu memperoleh estmas parameter dan matrs ovaran asmtot dengan menggunaan bobot baru w 1. (9).5 Pendeatan SEM Cheung [14] mengungapan bahwa pada Model fxed effect, salah satu su utama penggunaan SEM untu metaanalss adalah Effect Sze yang meml dstrbus dengan varan detahu. Pelanggaran asums dasar n dalam SEM dmana data

7 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November meml dstrbus dengan varan sama. Untu membuat Effect Sze yang sesua untu SEM, dlauan transformas semua varabel termasu ntersep dengan : 1 W dag1 1,1,...,1 (10) Setelah transformas, model fxed effect menjad : W y W Xβ W e (11) 1 Dmana y* W y, transformas adalah bahwa detahu : * y* Xβe *, (1) * 1 X W X, dan e* 1 W e. Salah satu hal pentng setelah * e meml dstrbus dengan matrs denttas var( *) var( ) I yang 1 1 e W e W (13) W V W 1 1 e 1 Dmana W V e. Karena transformas error e* dasumsan ndependen dan dent, metode ordnary least squares (OLS) dan Maxmum llelhood (ML) dapat langsung daplasan dalam metaanalss. Dengan ata lan, SEM juga dgunaan untu esesuaan model pada transformas Effect Sze. Cheung [14] juga mengungapan bahwa pada model random effect, metaanalss random effect dapat dformulasan sebaga sebuah analss snglelevel dengan slope random dalam SEM : * y* I u e *, (14) Dmana u ~ N, 01I Pada model mxedeffect, transformas d atas dapat juga daplasan untu model mxedeffect. Model mxed effect berdasaran transformas data adalah: W y W Xβ W I u W e (15) * * * * I y Xβ I u e (16) * 1 Dmana I W I. Setelah transformas, e* dasumsan meml dstrbus dengan matrs denttas 1 I detahu. Perlu dcatat bahwa transformas yang sama dengan W daplasan terlepas dar apaah model fxed, random atau mxed effect salah satu arena varan bersyarat adalah sama dalam semua model..6 Pendeatan Multvarat dengan GLS untu MASEM Card [18] memberan penjelasan pendeatan Generalzed Least Square (GLS) sebaga berut : 1. Manajemen data Menyusun data dengan cara dmana nformas dar setap peneltan drangum dalam dua matr. Matr yang pertama merupaan suatu vetor olom untu orelas transformas Fsher ( zr) dar setap peneltan, yang dnotasan sebaga z sebaga berut :

8 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural... 4 z1 z z z p Matr yang edua untu setap peneltan merupaan suatu matr ndator ( X ) yang menotasan orelas yang mana yang drepresentasan dalam setap peneltan X Jumlah olom dalam matr n aan onstan d semua peneltan (jumlah total orelas dalam metaanalss), aan tetap jumlah bars aan sama dengan jumlah orelas dalam suatu peneltan tertentu. Estmas Varan dan Kovaran dar Estmas Effect sze Peneltan Gambaran varan estmas uuraneffect sze merupaan uadrat eror standar: var( Z ) SE. Aan tetap, untu suatu metaanalss multvarat, dmana effect r Z r sze ganda dtentuan, maa harus dpertmbangan juga ovaran antar estmasestmas tersebut (yatu, etdapastan estmas effect sze lan dalam peneltan yang sama) Kovaran estmas orelas transformas Fsher antara varabel s dan t dengan estmas orelas transformas antara varabel u dan v (dmana u dan v bsa sama dengan s dan t ) dar Peneltan dhtung dar persamaan berut Becer [19] : Cov Z ( st, Zuv) [0.5 st uv ( su sv tu tv ) sutv svtu ( st svsu tstu tv usut uv vsvt vu )]/ N[(1 st )(1 uv )] Zst adalah estmas transformas Fsher dar orelas antara varabel s dan t dar Peneltan. Zuv adalah estmas transformas Fsher dar orelas antara varabel u dan v dar Peneltan. adalah orelas populas antara varabel s dan t untu Peneltan. st adalah orelas populas antara varabel u dan v untu Peneltan. uv adalah orelas populas antara varabel s dan u untu Peneltan. su adalah orelas populas antara varabel s dan v untu Peneltan. sv adalah orelas populas antara varabel t dan u untu Peneltan. tu adalah orelas populas antara varabel t dan v untu Peneltan. tv N adalah uuran sampel Peneltan. 3. Estmas Matr Korelas ratarata fxed effect Pada langah etga n, dmula dengan menghtung z yang merupaan vetor olom dar semua vetorvetor effect sze masngmasng peneltan. (17)

9 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November z1 z.. z Kemudan menghtung X, merupaan matr yang tersusun atas matrsmatrs ndcator dar masngmasng peneltan X X X emudan menghtung matr varanovaran gabungan yang bers varanovaran masngmasng peneltan. matr n juga merupaan matr dagonal blocwse ψ 0 1 ψ 0 ψ Dar etga matrs tersebut, z, X, dan ψ selanjutnya dgunaan untu mengestmas (melalu metodemetode GLS) effect sze ratarata dar fxed effect, yang terandung dalam vetor olom ρ. Persamaan yang dgunaan untu melauan hal tersebut teradang sult dperoleh, aan tetap secara relatf hanyalah persoalan aljabar matr Becer [19] ρ ( Xψ X) Xψ z (18) Dmana : ρ adalah suatu vetor olom atas effect sze ratarata estmas dar fxed effect dmana dmensnya sama dengan jumlah effect sze yang dcar x 1. X adalah matr ndator, dmana dmensnya sama dengan jumlah effect sze yang dlaporan dsemua peneltan x jumlah effect sze yang dcar. ψ adalah matr dagonal blocwse varan/ovaran dar estmas effect sze dalam peneltan, dmana merupaan suatu matr perseg dengan jumlah bars dan olom sama dengan jumlah effect sze yang dlaporan d semua peneltan. z adalah vetor olom effect sze yang dlaporan dalam peneltan, dmana dmensnya sama dengan jumlah effect sze yang dlaporan d semua eseluruhan peneltan x 1.

10 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural Varan estmas ratarata dtemuan pada dagonal matr yang dperoleh dengan menggunaan persamaan berut Becer [19]: 1 1 var( ρ) ( Xψ X) (19) Dmana : ρ adalah vetor olom dar effect sze ratarata estmas fxed effect. X adalah matr ndator. ψ adalah matr dagonal blocwse varan/ovaran dar estmas effect sze dalam peneltan. 4. Evaluas heterogentas effect sze Becer [19] menggambaran suatu uj sgnfans yang bergantung pada nla Q sepert pada asus unvarat, aan tetap dsn nla n harus dperoleh melalu aljabar matr yang menggunaan persamaan berut Becer [19]: T Q z ( ψ ψ X( Xψ X) Xψ ) z (0) Dmana : z adalah vetor olom effect sze yang dlaporan dalam peneltan, dengan dmens jumlah effect sze yang dlaporan d semua peneltan x 1. ψ adalah matr dagonal blocwse varan/ovaran dar estmas effect sze dalam peneltan, yang merupaan suatu matr perseg dengan jumlah bars dan olom sama dengan jumlah effect sze yang dlaporan d semu peneltan. X adalah matr ndator, dengan dmens jumlah effect sze yang dlaporan d semua peneltan x jumlah effect sze yang dcar. Nla Q tersebut dbandngan dengan, dengan df sama dengan jumlah effect sze yang dlaporan dalam semua peneltan durang dengan jumlah effect sze yang dcar. 5. Estmas matrs orelas ratarata random effect Sepert pada asus unvarate varan antar peneltan yang destmas untu suatu effect sze tunggal ( ) dtambahan pada ragam samplng suatu peneltan tertentu, untu menunjuan etdapastan total dar estmas tt peneltan untu suatu effect sze, dan bobot pengaruh randomnya adalah ebalan dar etdapastan n; w* 1/( SE ). Dalam pendeatan GLS n, dlauan modfas matr varan/ovaran dar estmas peneltan ( ψ ) yang dgambaran sebelumnya dengan menambahan estmas ragam antar peneltan yang tepat untu ragam (yatu elemen dagonal) untu menghaslan suatu matr pengaruh random, ψ RE. Sehngga dperoleh estmas matrs orelas ratarata random effect yatu : ρ ( Xψ REX) Xψ REz (1) 6. Ft model untu Matr Korelas RataRata Setelah memperoleh matr orelas ratarata yang ddapatan secara metaanalt, maa dapat dlauan fttng beragam model multvarate. Becer [19] menyaranan untu menggunaan estmas ratarata dan matrs ovaran untu menyesuaan modelmodel lner msalnya, modelmodel path, modelmodel confrmatory factor analyss (CFA), dan SEM juga dapat dsesuaan dengan tepat. 3 Metodolog Peneltan df

11 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November Sumber Data Data peneltan n merupaan data sunder yang dambl dar dnas esehatan abupaten/ota d propns Jawa Tmur yang terangum dalam profl esehatan abupaten/ota d Jawa Tmur tahun Identfas Varabel Peneltan Varabel laten esogen adalah varabel lngungan, varabel perlau, dan varabel pelayanan esehatan. Varabel laten endogen adalah varabel laten yang detahu dalam peneltan n ada 1 (satu) varabel yatu varabel derajat esehatan. Untu menguur varabelvarabel laten tersebut dembangan berbaga ndator, sebaga varabel manfest adalah sebaga berut Talango [8] : a. Indator dar varabel lngungan adalah eluarga yang meml jamban sehat Keluarga yang mengases ar bersh Keluarga yang meml pengelolaan ar lmbah b. Indator untu varabel perlau adalah Rumah tangga yang berperlau hdup bersh dan sehat Peran atf masyaraat dalam Posyandu Purnama dan Mandr Bay yang mendapatan ASI eslusf c. Indator untu varabel mutu pelayanan esehatan adalah Pertolongan persalnan oleh tenaga esehatan Detes tumbuh embang ana d. Indator untu varabel derajat esehatan adalah Jumlah ematan bay Jumlah ematan balta Jumlah ematan bu Jumlah esatan Status gz bay dan balta 3.3 Metode Analss Untu menjawab masalah dan tujuan peneltan yang telah drumusan, maa berut n metaanalytc structural equaton modelng (MASEM) pada fatorfator yang mempengaruh derajat esehatan d Jawa Tmur. Adapun langahlangah analss dengan pendeatan Generalzed Least Square (GLS) : 1. Melauan pemodelan confrmatory factor analyss (CFA) dan strutural fatorfator yang mempengaruh derajat esehatan untu masngmasng abupaten/ota d Jawa Tmur. Menyusun matrs orelas masngmasng abupaten/ota d Jawa Tmur dar langah 1 3. Melauan uj homogentas matrsmatrs orelas antar peneltan dengan menggunaan persamaan.0 4. Menghtung matrs orelas gabungan dengan menggunaan persamaan.19 pada asus yang homogen atau dapat dberlauan asums random effect dan averagng correlaton pada asus yang heterogen dengan persamaan.1

12 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural Menggunaan Matrs orelas gabungan sebaga nput langah selanjutnya. 6. Melauan uj esesuaan SEM 4 Hasl Dan Pembahasan Unt analss dalam meta analytc structural equaton modelng (MASEM) n adalah hasl pemodelan dar pusesmaspusesmas d masngmasng abupaten/ota seluruh jawa tmur, langah pertama yang dlauan adalah pemodelan confrmatory factor analyss (CFA) dan structural dengan menggunaan software smartpls dan GSCA, aan tetap arena terbatasnya jumlah pusesmas d 7 ota yatu ota batu (5 pusesmas), ota bltar (3 pusesmas), ota Kedr (9 pusesmas), ota madun (6 pusesmas), ota mojoerto (5 pusesmas), ota pasuruan (8 pusesmas) dan ota probolnggo (6 pusesmas), tda dapat dlauan estmas effect sze masngmasng ota tersebut. Sehngga unt analss dalam MASEM yang aan dgunaan adalah hasl pemodelan dar 31 abupaten ota d Jawa Tmur. Berut adalah hasl effect sze dar 31 abupaten ota d Jawa Tmur : Kabupaten/ota Tabel 1. Hasl Effect Sze masngmasng Kabupaten/Kota Jumlah pusesmas C1 C C3 C4 C5 C6 (n) Bangalan Banyuwang Bltar Bojonegoro Bondowoso Gres Jember Jombang Kedr Lamongan Lumajang Madun Magetan Malang

13 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November Jumlah Kabupaten/ota pusesmas C1 C C3 C4 C5 C6 (n) Mojoerto Nganju Ngaw Pactan Pameasan Pasuruan Ponorogo Probolnggo Sampang Sdoarjo Stubondo Sumenep Trenggale Tuban Tulungagung Kota Malang Kota Surabaya Sumber : Output GSCA Keterangan C1 : orelas antara lngungan dengan perlau masyaraat C : orelas antara lngungan dengan pelayanan esehatan C3 : orelas antara lngungan dengan derajat esehatan C4 : orelas antara perlau masyaraat dengan pelayanan esehatan C5 : orelas antara perlau masyaraat dengan derajat esehatan C6 : orelas antara pelayanan esehatan dengan derajat esehatan Berdasaran effect sze yang ddapatan dar 31 abupaten/ota tersebut, langah selanjutnya dlauan estmas effect sze gabungan dan pengujan homogentas. Pada

14 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural langah n software yang dgunaan adalah statstcs R dengan pendeatan generalzed least square (GLS). Hasl effect sze gabungan adalah sebaga berut : Tabel. Hasl Effect Sze Gabungan Korelas Effect Sze Lngungan <> Perlau Lngungan <> pelayanan esehatan Lngungan <> Derajat esehatan Perlau <> Pelayanan esehatan Perlau <> Derajat esehatan Pelayanan esehatan <> Derajat esehatan Hasl pengujan homogentas dengan nla Q statstcs sebesar dengan p value = e15, sehngga dapat dsmpulan matrs orelas antar peneltan tda homogen (heterogen), sehngga pada langah selanjutnya dgunaan asums random effect. Hasl structural equaton modelng adalah sebaga berut : Tabel 3. Hasl metaanalytc equaton modelng Korelas Estmate pvalue Code Lngungan <> Perlau * Lngungan <> pelayanan esehatan Lngungan <> Derajat esehatan Perlau <> Pelayanan esehatan Perlau <> Derajat esehatan *** Pelayanan esehatan <> Derajat esehatan *** Sgnf. codes: 0 *** ** 0.01 * Hasl MASEM menunjuan bahwa lngungan berpengaruh sgnfan terhadap derajat esehatan pada alfa 0.1 dengan oefsen , perlau masyaraat berpengaruh sgnfan terhadap derajat esehatan pada alfa 0.01 dengan oefsen dan pelayanan esehatan juga berpengaruh sgnfan terhadap derajat esehatan pada alfa 0.01 dengan oefsen Kesmpulan Berdasaran hasl yang dperoleh dapat dsmpulan bahwa haslhasl estmas structural equaton modelng dar masngmasng abupaten/ota yang tda onssten dapat dntegrasan dengan menggunaan meta analytc structural equaton modelng. Daftar Pustaa [1] G. V. Glass, Prmary, Secondary, and Metaanalyss of Research, Educatonal Researcher, vol. 5, pp. 38, 1976.

15 Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November [] Y. Zang, Metaanalytc Structural Equaton Modelng (MASEM): Comparson of the Multvarate Methods, Florda State Unversty, 011. [3] A. Ferdnand, Structural Equaton Modelng dalam Peneltan Manajemen, Semarang: Badan PenerbtUndp, 005. [4] I. Ghozal, Model Persamaan Strutural Konsep dan Aplas dengan Program Amos 1.0, Semarang: Badan Penerbt Undp, 013. [5] C. Vswesvaran, and D. S. Ones, Theory Testng: Combnng Psychometrc Modelng MetaAnalyss, Personne; Psychology, vol. 48, [6] C. F. Furlow, and S. N. Beretvas, Metaanalytc Methods of Poolng Correlaton Matrces for Structural Equaton Modelng Under Dfferent Patterns of Mssng Data, Psychologcal Methods, vol. 10, no., pp. 754, 005. [7] M. W.L. Cheung, and W. Chan, Metaanalytc Structural Equaton Modelng: A TwoStage Approach, Psychologcal Methods, vol. 10, no. 1, pp. 4064, 005. [8] L. P. Talango, Pemodelan Persamaan Structural dengan Masmum Lelhood dan Bootstrap pada Derajat Kesehatan d Propns Sulawes Selatan, Statstcs, Insttut Tenolog Sepuluh Nopember, 009. [9] R. Merryana, Meta Analss Peneltan Alternatf Guru, Jurnal Penddan Penabur, vol. 5, no. 6, 006. [10] R. Anwar, Meta Analss, n pertemuan Fertltas Endornolog Reprodus bagan Obstetr dan Gneolog RSHS/FKUP, Bandung, 005. [11] A. Santoso, Stud Desrptf Effect Sze PeneltanPeneltan d Faultas Psolog Unverstas Sanata Dharma, Jurnal Peneltan, vol. 14, no. 1, 010. [1] S. Olejn, and J. Algna, Generalzed Eta and Omega Squared Statstcs: Measures of Effect Sze for Some Common Research Desgns, Psychologcal Methods, vol. 8, no. 4, pp , 003. [13] S. Olejn, and J. Algna, Measures of Effect Sze for Comparatve tudes: Applcatons, Interpretatons, and Lmtatons, Contemporary Educatonal Psychology, vol. 5, no. 3, pp. 4186, 000. [14] M. W.L. Cheung, "Metaanalyss: A Structural Equaton Modelng Perspectve," 009. [15] M. W.L. Cheung, A Model for Integratng Fxed, Random, and MxedEffects Metaanalyses Into Structural Equaton Modelng, Psychologcal Methods, vol. 13, no. 3, pp. 180, 008.

16 Amn Tohar dan Bambang Wdjanarto O Meta Analytc Structural [16] R. DerSmonan, and N. Lard, Metaanalyss n Clncal Trals, Controlled Clncal Tral, vol. 7, pp , [17] J. Hox, Multlevel analyss: Technques and applcatons, New Jersey: Lawrence Erlbaum Assocates, 00. [18] N. A. Card, Appled MetaAnalyss for Socal Scence Research, New Yor: Gulford Press, 01. [19] B.J. Becer, Modelbased metaanalyss, dalam The handboo of research synthess and metaanalyss, eds. Cooper, H., Hedges, L.V., & Valentne, J.C., Russell Sage Foundaton, New Yor, hal , 009. [0] Dnas Kesehatan, Profl Kesehatan Provns Jawa Tmur Tahun 01, Surabaya : Dnas Kesehatan Provns Jawa Tmur, 013.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

META-ANALITYCSTRUCTURAL EQUATION MODELING (MASEM) PADA FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PULAU JAWA

META-ANALITYCSTRUCTURAL EQUATION MODELING (MASEM) PADA FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PULAU JAWA Prosdng Semnar Nasonal Matemata, Unverstas Jember, 19 November 014 51 METAANALITYCSTRUCTURAL EQUATION MODELING (MASEM) PADA FAKTORFAKTOR YANG MEMPENGARUHI KEMISKINAN DI PULAU JAWA (METAANALITYC STRUCTURAL

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

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

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

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

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

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

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

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

Lebih terperinci

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

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

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

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

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

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

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

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

Lebih terperinci

Estimasi Reliabilitas Pengukuran Dalam Pendekatan Model Persamaan Struktural

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

Lebih terperinci

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

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

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

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

Lebih terperinci

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

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

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

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School

Lebih terperinci

Analisis Regresi Linear Sederhana

Analisis Regresi Linear Sederhana Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

BAB II DIMENSI PARTISI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

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

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

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

Lebih terperinci

ESTIMASI RELIABILITAS PENGUKURAN DALAM PENDEKATAN MODEL PERSAMAAN STRUKTURAL

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

Lebih terperinci

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

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

Lebih terperinci

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

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

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

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

INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5. Anik Djuraidah S-20 INDEKS KERENTANAN SOSIAL EKONOMI UNTUK BENCANA ALAM DI WILAYAH INDONESIA 5 An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Analss erentanan berembang dan dgunaan dalam

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

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

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

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

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

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

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

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci