PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA
|
|
- Ari Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
2 ABSTRAK DIMAS FAJAR AIRLANGGA. Penerapan Metode CHAID dan Regresi Logistik dalam Analisis Segmentasi Pasar Konsumen Aqua. Dibimbing oleh BUDI SUSETYO dan AJI HAMIM WIGENA. Metode yang umum digunakan untuk menyelesaikan masalah pengklasifikasian adalah metode CHAID (Chi-square Automatic Interaction Detection) dan regresi logistik. Metode CHAID dapat menjelaskan hubungan terstruktur antara peubah respon dengan peubah penjelas sehingga memberikan informasi yang mudah dimengerti, sedangkan regresi logistik dapat menunjukkan pengaruh terhadap peubah respon dari suatu kategori dalam peubah penjelas yang dibandingkan dengan kategori referensinya. Penelitian ini bertujuan menerapkan metode CHAID dalam menganalisis segmentasi pasar konsumen Aqua dan menerapkan regresi logistik untuk menguji kekonsistenan peubah yang berpengaruh dalam metode CHAID. Hasil CHAID menunjukkan empat peubah penjelas yang berpengaruh terhadap rencana membeli Aqua, yaitu kota, usia, pendidikan, dan pengeluaran per bulan. Analisis CHAID menghasilkan dua belas segmen pasar konsumen Aqua. Pengujian peubah dengan menggunakan analisis regresi logistik pada tiap node dari dendogram CHAID memberikan hasil yang konsisten. Kata kunci : metode CHAID, regresi logistik, segmentasi pasar
3 PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
4 Judul Skripsi Nama NRP : Penerapan Metode CHAID dan Regresi Logistik dalam Analisis Segmentasi Pasar Konsumen Aqua : Dimas Fajar Airlangga : G Disetujui Pembimbing I Pembimbing II Dr. Ir. Budi Susetyo, MS Dr. Ir. Aji Hamim Wigena, M.Sc NIP NIP Diketahui Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. Ir. Hari Wijayanto, M.Si NIP Tanggal Lulus :
5 RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 9 Agustus 1989 sebagai anak pertama dari pasangan Aryo Prasuko dan Ety Dwiyatmi. Penulis menyelesaikan pendidikan dasar di SD Tunas Jakasampurna Bekasi pada tahun Jenjang pendidikan selanjutnya penulis tempuh di Sekolah Menengah Pertama Negeri 1 Bekasi dan lulus tahun Pada tahun 2007 penulis menyelesaikan pendidikannya di Sekolah Menengah Atas Negeri 1 Bekasi dan pada tahun yang sama penulis diterima sebagai mahasiswa Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui Undangan Seleksi Masuk IPB (USMI). Selama menjadi mahasiswa, penulis aktif dalam kepengurusan Himpunan Profesi Gamma Sigma Beta periode 2009/2010 sebagai staf divisi science. Dalam bidang akademik, penulis juga pernah menjadi asisten dosen mata kuliah Agama Kristen Protestan, Kimia Dasar, dan Metode Statistika. Pada Bulan Februari sampai April 2011, penulis diberi kesempatan untuk melaksanakan praktik lapang di PT. Grup Riset Potensial.
6 KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala rahmat dan karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Karya ilmiah ini merupakan hasil penelitian penulis dalam rangka memenuhi tugas akhir yang merupakan salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor. Terima kasih penulis ucapkan kepada Bapak Dr. Ir. Budi Susetyo, MS dan Bapak Dr. Ir. Aji Hamim Wigena, M.Sc selaku pembimbing yang telah memberikan bimbingan dan saran kepada penulis dalam meyelesaikan penelitian. Penulis mengucapkan terima kasih kepada PT. Mars Indonesia yang telah mengizinkan penggunaan data untuk penelitian ini. Ungkapan terima kasih juga disampaikan kepada orang tua dan keluarga atas doa dan dukungannya serta semua pihak yang telah membantu penulis dalam menyelesaikan karya ilmiah ini. Semoga karya ilmiah ini bermanfaat. Bogor, November 2011 Dimas Fajar Airlangga
7 DAFTAR ISI Halaman DAFTAR LAMPIRAN... vii PENDAHULUAN Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA Segmentasi Pasar... 1 Metode CHAID... 1 Analisis Regresi Logistik... 2 METODOLOGI Data... 3 Metode... 3 HASIL DAN PEMBAHASAN Analisis CHAID... 3 Analisis Regresi Logistik pada Node Analisis Regresi Logistik pada Node Analisis Regresi Logistik pada Node Analisis Regresi Logistik pada Node Analisis Regresi Logistik pada Node Analisis Regresi Logistik pada Node KESIMPULAN... 6 DAFTAR PUSTAKA... 6 LAMPIRAN... 8
8 vii DAFTAR LAMPIRAN Halaman 1 Dendogram pemisahan hasil analisis CHAID pada taraf nyata 10% Hasil analisis regresi logistik pada Node Hasil analisis regresi logistik pada Node Hasil analisis regresi logistik pada Node Hasil analisis regresi logistik pada Node Hasil analisis regresi logistik pada Node Hasil analisis regresi logistik pada Node
9 1 PENDAHULUAN Latar Belakang Ketersediaan air minum yang layak dan berkualitas saat ini semakin sulit diperoleh. Kesulitan tersebut menyebabkan peningkatan konsumsi Air Minum Dalam Kemasan (AMDK) sehingga mendorong pertumbuhan bisnis AMDK di Indonesia. Perusahaan yang mengelola bisnis AMDK terus melakukan peningkatan untuk memperluas pangsa pasar produk-produknya. Aqua sebagai perusahaan yang mengelola bisnis AMDK, sebaiknya meningkatkan penjualannya agar dapat bersaing dengan perusahaan lainnya. Salah satu cara untuk meningkatkan penjualan adalah dengan mengetahui segmentasi pasar konsumen Aqua. Segmentasi pasar bertujuan mengelompokkan pasar yang besar dan heterogen ke dalam segmen-segmen pasar yang lebih kecil dan homogen. Perusahaan dapat menyesuaikan produk dan strategi pemasarannya dengan kebutuhan pelanggan berdasarkan segmen pasar yang dituju. Dengan demikian segmentasi pasar membantu perusahaan memusatkan penjualannya pada segmen yang berpotensial memberikan keuntungan bagi perusahaan tersebut. Metode yang sering digunakan dalam riset pemasaran, khususnya dalam segmentasi pasar adalah metode CHAID (Chi-square Automatic Interaction Detection). Metode CHAID merupakan metode eksplorasi untuk mengetahui hubungan peubah respon dengan peubah penjelas serta mendeteksi adanya interaksi antar peubah penjelas secara otomatis. Metode lain yang dapat digunakan untuk menghasilkan klasifikasi adalah regresi logistik. Regresi logistik digunakan untuk menjelaskan hubungan antara peubah penjelas yang berskala kontinu atau kategorik dengan peubah respon yang berskala kategorik. Metode CHAID dan regresi logistik memiliki kelebihan dan kelemahan. Metode CHAID memiliki kelebihan, yaitu hasilnya sederhana berupa dendogram yang menjelaskan hubungan terstruktur antara peubah respon dengan peubah penjelas sehingga memberikan informasi yang mudah dimengerti. Sementara regresi logistik menghasilkan model yang lebih rumit dipahami. Kelebihan dari regresi logistik adalah memiliki nilai rasio odds yang dapat menunjukkan seberapa besar pengaruh terhadap peubah respon dari suatu kategori dalam peubah penjelas yang dibandingkan dengan kategori referensinya. Sedangkan metode CHAID tidak memiliki nilai rasio odds. Dalam penelitian ini, kelebihan dari metode CHAID dan regresi logistik akan digunakan untuk menghasilkan analisis segmentasi pasar yang lebih baik. Tujuan Tujuan dari penelitian ini adalah: 1. Menerapkan metode CHAID untuk menganalisis segmentasi pasar konsumen Aqua. 2. Menerapkan regresi logistik untuk menguji kekonsistenan peubah yang berpengaruh dalam metode CHAID. TINJAUAN PUSTAKA Segmentasi Pasar Segmentasi pasar merupakan pengelompokkan individu (konsumen) menjadi beberapa kelompok (segmen) di mana individu yang berada dalam satu segmen memiliki ciri-ciri atau perilaku yang relatif sama (homogen) dibandingkan dengan individu pada kelompok lain (Kotler 2003). Ada beberapa pendekatan yang digunakan untuk melakukan segmentasi pasar, yaitu demografi, geografi, dan psikografi. Pendekatan demografi meliputi peubah usia, jenis kelamin, pekerjaan, pendidikan, dan pendapatan. Pendekatan geografi cenderung membagi konsumen berdasarkan wilayah tempat tinggal, sedangkan pendekatan psikografi meliputi gaya hidup, sikap-sikap, dan minat konsumen. Metode CHAID Metode CHAID (Chi-square Automatic Interaction Detection) merupakan salah satu tipe dari decision tree yang menggunakan kriteria chi-square dalam pengoperasiannya (Alamudi et al. 1998). CHAID menghasilkan pohon nonbiner yang dapat diterapkan pada masalah tipe klasifikasi dan tipe regresi. Metode CHAID digunakan sebagai metode eksplorasi nonparametrik untuk mengetahui peubah-peubah penjelas yang dominan menjelaskan peubah respon. Prinsip metode CHAID adalah memisahkan data menjadi kelompokkelompok melalui tahap-tahap tertentu. Tahapan ini diawali dengan membagi data menjadi beberapa kelompok berdasarkan satu peubah penjelas yang pengaruhnya paling nyata terhadap peubah respon. Masing-masing kelompok yang diperoleh diperiksa secara terpisah untuk membaginya lagi menjadi beberapa kelompok berdasarkan peubah
10 2 penjelas. Dengan demikian melalui metode CHAID dapat diketahui peubah-peubah penjelas yang pengaruhnya paling nyata terhadap peubah respon. Algoritma CHAID adalah sebagai berikut (Kass 1980): 1. Buat tabulasi silang untuk masingmasing kategori peubah penjelas dengan kategori peubah respon. 2. Buat sub tabulasi silang berukuran 2 d yang mungkin tersusun. d adalah banyaknya kategori peubah respon. Kemudian tentukan nilai semua subtabel tersebut. Dengan ditetapkan, tentukan nilai yang terkecil. Jika, maka kedua kategori peubah penjelas yang memiliki digabung menjadi satu kategori. Untuk peubah ordinal, penggabungan hanya dapat dilakukan terhadap kategori yang berurutan. 3. Jika terdapat kategori gabungan yang terdiri dari tiga atau lebih kategori asal, maka harus dilakukan pembagian biner terhadap kategori gabungan tersebut. Dari pembagian ini ditentukan terbesar. Jika terbesar >, maka pembagian biner berlaku. Kembali ke tahap Setelah diperoleh penggabungan optimal untuk setiap peubah penjelas, hitung nilai-p untuk masing-masing tabel yang terbentuk. Nilai-p dari tabel yang mengalami pengurangan kategori dikalikan dengan koreksi Bonferoni sesuai dengan tipe peubahnya. Jika nilaip terkecil <, maka peubah tersebut merupakan peubah penjelas yang pengaruhnya paling nyata bagi peubah respon. 5. Jika pada tahap 4 diperoleh peubah yang pengaruhnya paling nyata, kembali ke tahap 1 untuk setiap bagian data hasil pemisahan. Statistik uji yang digunakan adalah dengan rumus: dengan: total baris total kolom indeks baris indeks kolom nilai sel baris ke-i kolom ke-j nilai harapan sel baris ke-i kolom ke-j Koreksi Bonferoni untuk tabel yang mengalami pengurangan kategori sesuai dengan tipe peubahnya: 1. Peubah nominal: 2. Peubah ordinal: 3. Peubah float: Analisis Regresi Logistik Analisis regresi logistik merupakan analisis yang digunakan untuk memodelkan hubungan antara peubah respon yang berskala kategorik dengan peubah penjelas yang berskala kategorik atau kontinu. Model regresi logistik dengan p buah peubah penjelas adalah: dengan: Untuk memeriksa peranan peubahpeubah penjelas dalam model, dilakukan pengujian terhadap parameter model. Uji yang digunakan adalah statistik uji G dan statistik uji Wald. Statistik uji G digunakan untuk menguji peranan peubah penjelas di dalam model secara bersama-sama (Hosmer dan Lemeshow 2000). Hipotesis yang diuji adalah: H 0 : H 1 : minimal ada satu dengan i = 1,2,,p. Statistik uji G didefinisikan sebagai: Statistik uji Wald digunakan untuk menguji parameter secara parsial (Hosmer dan Lemeshow 2000). Hipotesis yang diuji adalah: H 0 : H 1 : dengan i = 1,2,,p Statistik uji Wald didefinisikan sebagai: Interpretasi koefisien untuk model ini dapat dilakukan dengan melihat nilai rasio oddsnya. Rasio odds adalah ukuran asosiasi yang memperkirakan seberapa besar kecenderungan pengaruh peubah-peubah penjelas terhadap peubah respon. Rasio odds dapat diinterpretasikan sebagai kecenderungan
11 3 Y=1 pada X=1 sebesar kali dibandingkan pada X=0. METODOLOGI Data Data penelitian ini berasal dari hasil survei oleh PT. Mars Indonesia. Survei dilakukan terhadap 2265 responden di tujuh kota, yaitu Jakarta, Bandung, Semarang, Surabaya, Medan, Makassar, dan Banjarmasin. Peubah respon dalam penelitian ini adalah rencana konsumen membeli air minum merek Aqua di mana bernilai 1 untuk konsumen yang berencana membeli Aqua dan bernilai 0 untuk konsumen yang tidak berencana membeli Aqua. Sedangkan peubah penjelas yang digunakan adalah sebagai berikut: 1. Kota: 0 = Jakarta 4 = Medan 1 = Bandung 5 = Makassar 2 = Semarang 6 = Banjarmasin 3 = Surabaya 2. Jenis kelamin: 0 = wanita 1 = pria 3. Pendidikan: 0 = SD 3 = diploma 1 = SMP 4 = S1/S2/S3 2 = SMA 4. Rata-rata pengeluaran per bulan: 0 = > Rp = Rp Rp = Rp Rp = Rp Rp = Rp Status pernikahan: 0 = belum menikah 2 = duda/janda 1 = menikah 6. Pekerjaan: 0 =direktur/profesional/manajer/pemilik perusahaan 1 = ibu rumah tangga/pensiunan 2 = mahasiswa/pelajar 3 = karyawan/pegawai biasa 4 = guru/tenaga terampil/buruh 5 = lainnya 7. Usia: 0 = < 22 tahun 1 = tahun 2 = > 34 tahun Metode Langkah-langkah yang dilakukan dalam penelitian ini adalah: 1. Melakukan analisis CHAID terhadap peubah respon dan peubah-peubah penjelasnya. 2. Melakukan interpretasi hasil dari analisis CHAID. 3. Melakukan analisis regresi logistik pada tiap node yang dihasilkan dalam analisis CHAID. 4. Melihat kekonsistenan hasil uji dalam regresi logistik dengan hasil dari metode CHAID. 5. Membandingkan hasil analisis dari metode CHAID dan regresi logistik. HASIL DAN PEMBAHASAN Analisis CHAID Analisis CHAID terhadap tujuh peubah penjelas menghasilkan dendogram dengan empat peubah penjelas yang berpengaruh nyata pada taraf nyata 10%. Peubah-peubah tersebut adalah kota, usia, pendidikan, dan pengeluaran per bulan. Terlihat pada Lampiran 1 bahwa dari 2665 responden sebesar 1698 responden berencana membeli Aqua dan 967 responden tidak berencana membeli. Peubah pertama yang mengelompokkan responden adalah kota. Kota membagi responden ke dalam lima kelompok, yaitu kelompok pertama adalah Jakarta dan Surabaya, kelompok kedua adalah Medan, kelompok ketiga adalah Bandung dan Semarang, kelompok keempat adalah Makassar, dan kelompok kelima adalah Banjarmasin. Pengelompokan ini menunjukkan bahwa Jakarta dan Surabaya memiliki karakter pasar yang homogen. Kehomogenan juga terdapat pada karakter pasar Bandung dan Semarang. Sementara pada karakter pasar antar kelompok memiliki perbedaan yang disebabkan adanya interaksi antar peubah penjelas di tiap kelompok yang tidak sama. Perbedaan karakter pasar ini mengakibatkan perusahaan tidak dapat menerapkan strategi pemasaran yang sama untuk semua kota. Konsumen untuk Jakarta dan Surabaya dibagi menjadi dua kelompok berdasarkan peubah usia, yaitu konsumen yang berusia di bawah 22 tahun dan konsumen yang berusia 22 tahun ke atas. Kelompok pertama meliputi 138 responden yang terdiri dari 118 yang berencana membeli Aqua dan 20 yang tidak berencana membeli. Kelompok kedua
12 4 meliputi 872 responden yang terdiri dari 644 yang berencana membeli Aqua dan 228 yang tidak berencana membeli. Hal ini menunjukkan bahwa konsumen dari berbagai tingkatan usia di Jakarta dan Surabaya umumnya memiliki rencana membeli Aqua. Konsumen untuk Medan dibagi dalam tiga kelompok berdasarkan peubah pendidikan, yaitu konsumen dengan pendidikan SD sebesar 33 responden, SMP sebesar 78 responden, dan di atas SMP sebesar 196 responden. Pada tiap kelompok tersebut, responden yang berencana membeli Aqua terdiri dari kelompok SD sebesar 63.6%, kelompok SMP sebesar 89.7%, dan kelompok di atas SMP sebesar 79.1%. Dapat diketahui bahwa konsumen dari berbagai tingkatan pendidikan di Medan sebagian besar memiliki rencana membeli Aqua. Segmentasi konsumen Bandung dan Semarang dibagi menjadi dua kelompok berdasarkan peubah pendidikan, yaitu konsumen yang berpendidikan SD sebesar 111 responden dan konsumen yang berpendidikan di atas SD sebesar 610 responden. Sebesar 46.8% konsumen yang berpendidikan SD berencana membeli Aqua, sedangkan sebesar 66.6% konsumen yang berpendidikan di atas SD berencana membeli Aqua. Dapat diketahui bahwa konsumen yang tidak berencana membeli Aqua umumnya terdapat pada konsumen yang berpendidikan SD. Oleh karena itu, perusahaan dapat memperbaiki strategi pemasarannya untuk segmen konsumen yang berpendidikan SD sehingga ketertarikan membeli pada konsumen tersebut meningkat. Perusahaan juga dapat memusatkan penjualannya pada segmen konsumen yang berpendidikan di atas SD karena sebagian besar konsumen pada segmen tersebut tertarik membeli Aqua. Konsumen untuk Makassar dibagi dalam tiga kelompok berdasarkan peubah pengeluaran per bulan, yaitu konsumen dengan pengeluaran per bulan lebih dari Rp , antara Rp sampai Rp , dan Rp ke bawah. Kelompok pertama meliputi 37 responden yang terdiri dari 24 yang berencana membeli Aqua dan 13 yang tidak berencana. Kelompok kedua meliputi 80 responden dan kelompok ketiga meliputi 204 responden. Sebesar 41.2% responden dengan pengeluaran per bulan Rp Rp berencana membeli Aqua, sedangkan responden dengan pengeluaran per bulan Rp ke bawah yang berencana membeli Aqua sebesar 22.1%. Konsumen dengan pengeluaran per bulan Rp ke bawah terbagi lagi menjadi dua kelompok berdasarkan peubah usia, yaitu konsumen yang berusia 34 tahun ke bawah dan konsumen yang berusia di atas 34 tahun. Responden yang berencana membeli Aqua pada kelompok berusia 34 tahun ke bawah adalah sebesar 27.9% sedangkan pada kelompok berusia di atas 34 tahun sebesar 15.1%. Dapat diketahui bahwa konsumen dengan pengeluaran per bulan Rp ke bawah umumnya tidak berencana membeli Aqua. Oleh karena itu, perusahaan dapat memusatkan penjualan di Makassar pada segmen konsumen yang memiliki pengeluaran per bulan lebih dari Rp Perusahaan juga sebaiknya memperbaiki strategi pemasarannya terhadap segmen konsumen dengan pengeluaran per bulan Rp ke bawah agar dapat meningkatkan penjualannya. Responden yang terdapat di Banjarmasin sebesar 306 responden yang terdiri dari 130 yang berencana membeli Aqua dan 176 yang tidak berencana. Dapat diketahui bahwa konsumen yang tinggal di Banjarmasin umumnya tidak berencana membeli Aqua. Oleh karena itu, perusahaan sebaiknya memperbaiki strategi pemasarannya agar penjualan Aqua di Banjarmasin meningkat. Tidak terdapat interaksi antarpeubah penjelas di Banjarmasin karena tidak ada peubah penjelas lagi yang nyata. Analisis CHAID menghasilkan dua belas segmen pasar konsumen Aqua. Segmen pertama adalah konsumen yang berada di Jakarta dan Surabaya dengan usia di bawah 22 tahun. Segmen kedua adalah konsumen yang berada di Jakarta dan Surabaya dengan usia 22 tahun ke atas. Segmen ketiga adalah konsumen yang berada di Medan dengan pendidikan SD. Segmen keempat adalah konsumen yang berada di Medan dengan pendidikan SMP. Segmen kelima adalah konsumen yang berada di Medan dengan pendidikan di atas SMP. Segmen selanjutnya adalah konsumen yang berada di Bandung dan Semarang dengan pendidikan SD. Segmen ketujuh adalah konsumen yang berada di Bandung dan Semarang dengan pendidikan di atas SD. Segmen kedelapan adalah konsumen yang berada di Makassar dengan pengeluaran per bulan Rp ke bawah dan berusia 34 tahun ke bawah. Segmen kesembilan adalah konsumen yang berada di Makassar dengan pengeluaran per bulan Rp ke bawah dan berusia di atas 34 tahun. Segmen kesepuluh adalah konsumen yang
13 5 berada di Makassar dengan pengeluaran per bulan antara Rp sampai Rp Segmen kesebelas adalah konsumen yang berada di Makassar dengan pengeluaran per bulan lebih dari Rp Segmen kedua belas adalah konsumen yang berada di Banjarmasin. Analisis Regresi Logistik pada Node 0 Pendugaan model regresi logistik dengan menggunakan prosedur backward elimination terhadap tujuh peubah penjelas menghasilkan nilai statistik uji G sebesar dengan p- value sebesar Pengujian secara simultan menunjukkan bahwa model nyata pada taraf nyata 10% (Lampiran 2). Pengujian parameter secara parsial dengan menggunakan statistik uji Wald menunjukkan bahwa terdapat empat peubah penjelas yang berpengaruh nyata, yaitu kota, pendidikan, pengeluaran per bulan, dan usia. Hasil uji G dan uji Wald menunjukkan bahwa seluruh peubah penjelas tersebut nyata sehingga dapat dibentuk model logit sebagai berikut: Kota merupakan peubah penjelas yang berpengaruh paling nyata karena memiliki nilai statistik uji Wald terbesar. Hasil yang sama juga didapat dalam metode CHAID, yaitu peubah penjelas yang memiliki pengaruh paling nyata terhadap peubah respon adalah kota. Hal ini menandakan bahwa hasil regresi logistik pada node 0 memiliki kekonsistenan dengan hasil yang didapat oleh metode CHAID. Interpretasi koefisien parameter dalam regresi logistik dapat dilihat dari nilai dugaan rasio odds. Nilai rasio odds dapat menunjukkan seberapa besar kemungkinan seorang konsumen di suatu kota dalam berencana membeli Aqua dibandingkan dengan konsumen di kota lainnya. Sebagai contoh, nilai dugaan rasio odds untuk kota Bandung adalah sebesar Hal ini berarti bahwa kemungkinan konsumen yang berencana membeli Aqua di Bandung lebih sedikit kali daripada konsumen di Jakarta. Analisis Regresi Logistik pada Node 1 Pendugaan model regresi logistik pada node 1 (Jakarta dan Surabaya) menghasilkan peubah usia sebagai peubah penjelas yang berpengaruh nyata terhadap peubah respon pada taraf nyata 10% (Lampiran 3). Peubah usia juga memiliki pengaruh nyata terhadap peubah respon dalam analisis CHAID. Hal ini menandakan bahwa terjadi kekonsistenan antara hasil dari regresi logistik pada node 1 dengan hasil metode CHAID. Interpretasi nilai rasio odds untuk usia antara 22 tahun sampai 34 tahun adalah peluang konsumen di Jakarta dan Surabaya yang berusia antara 22 tahun sampai 34 tahun untuk membeli Aqua lebih sedikit kali daripada konsumen dengan usia di bawah 22 tahun. Nilai dugaan rasio odds untuk usia lebih dari 34 tahun sebesar 0.457, artinya peluang konsumen di Jakarta dan Surabaya dengan usia lebih dari 34 tahun yang berencana membeli Aqua lebih sedikit kali dibandingkan dengan konsumen dengan usia di bawah 22 tahun. Analisis Regresi Logistik pada Node 2 Hasil pendugaan model regresi logistik pada node 2 (Medan) menunjukkan peubah pendidikan sebagai peubah penjelas yang berpengaruh nyata terhadap peubah respon pada taraf nyata 10% (Lampiran 4). Hasil dari analisis CHAID juga menunjukkan peubah pendidikan berpengaruh nyata terhadap peubah respon. Dari hasil kedua metode tersebut dapat diketahui bahwa hasil regresi logistik pada node 2 konsisten dengan metode CHAID. Interpretasi dugaan rasio odds untuk pendidikan SMP adalah peluang konsumen di Medan dengan pendidikan SMP yang berencana membeli Aqua lebih banyak 5 kali daripada konsumen dengan pendidikan SD. Sementara interpretasi dugaan rasio odds untuk pendidikan SMA adalah peluang konsumen di Medan yang berpendidikan SMA untuk membeli Aqua lebih banyak kali dibandingkan dengan konsumen dengan pendidikan SD. Analisis Regresi Logistik pada Node 3 Pendugaan model regresi logistik pada node 3 (Bandung dan Semarang) menghasilkan peubah pendidikan sebagai peubah penjelas yang berpengaruh nyata pada taraf nyata 10% (Lampiran 5). Pada metode CHAID juga menghasilkan peubah pendidikan sebagai peubah penjelas yang memiliki pengaruh nyata terhadap peubah
14 6 respon. Dari hasil kedua metode menunjukkan bahwa terjadi kekonsistenan antara hasil regresi logistik pada node 3 dengan metode CHAID. Nilai dugaan rasio odds yang dihasilkan untuk pendidikan SMP sebesar 2.250, artinya bahwa kemungkinan konsumen di Bandung dan Semarang yang berpendidikan SMP untuk membeli Aqua lebih banyak kali daripada konsumen yang berpendidikan SD. Sementara interpretasi nilai rasio odds untuk pendidikan SMA adalah peluang konsumen di Bandung dan Semarang dengan pendidikan SMA yang berencana membeli Aqua lebih banyak kali dibandingkan dengan konsumen dengan pendidikan SD. Analisis Regresi Logistik pada Node 4 Hasil pendugaan model regresi logistik pada node 4 (Makassar) menunjukkan peubah pengeluaran per bulan sebagai peubah penjelas berpengaruh nyata terhadap peubah respon pada taraf nyata 10% (Lampiran 6). Dari dendogram dapat diketahui peubah pengeluaran per bulan juga merupakan peubah penjelas yang memiliki pengaruh nyata pada metode CHAID. Hal ini menunjukkan bahwa terjadi kekonsistenan pada hasil dari kedua metode tersebut. Sebagai contoh, nilai dugaan rasio odds untuk pengeluaran per bulan antara Rp sampai Rp adalah sebesar 0.380, artinya peluang konsumen di Makassar yang memiliki pengeluaran per bulan antara Rp sampai Rp untuk membeli Aqua lebih sedikit kali daripada konsumen dengan pengeluaran per bulan lebih dari Rp Sementara dugaan rasio odds untuk pengeluaran per bulan antara Rp sampai Rp dapat diinterpretasikan bahwa peluang konsumen dengan pengeluaran per bulan antara Rp sampai Rp di Makassar yang berencana membeli Aqua lebih sedikit kali daripada konsumen dengan pengeluaran per bulan lebih dari Rp Analisis Regresi Logistik pada Node 13 Pendugaan model regresi logistik pada node 13 menghasilkan peubah usia sebagai peubah penjelas yang berpengaruh nyata pada taraf nyata 10% (Lampiran 7). Peubah usia juga memiliki pengaruh nyata terhadap peubah respon dalam analisis CHAID. Hal ini menandakan bahwa hasil dari regresi logistik pada node 13 konsisten dengan hasil metode CHAID. Nilai dugaan rasio odds yang dihasilkan untuk usia lebih dari 34 tahun sebesar Hal ini berarti bahwa kemungkinan konsumen di Makassar yang memiliki pengeluaran per bulan Rp ke bawah dan berusia lebih dari 34 tahun untuk membeli Aqua lebih sedikit kali daripada konsumen dengan pengeluaran per bulan Rp ke bawah dan berusia di bawah 22 tahun. KESIMPULAN Hasil CHAID menunjukkan bahwa peubah yang berpengaruh terhadap rencana membeli Aqua, yaitu kota, usia, pendidikan, dan pengeluaran per bulan. Analisis CHAID menghasilkan dua belas segmen pasar konsumen Aqua. Pengujian peubah dengan menggunakan analisis regresi logistik pada tiap node dari dendogram CHAID memberikan hasil yang konsisten. Konsumen yang berada di Medan memiliki peluang lebih besar dalam berencana membeli Aqua daripada konsumen di kota lainnya. Di Jakarta dan Surabaya, konsumen yang berusia 22 tahun ke atas memiliki kemungkinan lebih sedikit dalam berencana membeli Aqua daripada konsumen dengan usia di bawah 22 tahun. Konsumen di Medan, Bandung, dan Semarang dengan pendidikan di atas SD berpeluang lebih besar dalam berencana membeli Aqua daripada konsumen dengan pendidikan SD. Konsumen di Makassar dengan pengeluaran per bulan lebih dari Rp memiliki peluang lebih besar dalam berencana membeli Aqua daripada konsumen dengan pengeluaran per bulan Rp ke bawah. Kemungkinan konsumen di Makassar dengan usia 22 tahun ke atas dan pengeluaran per bulan Rp ke bawah yang berencana membeli Aqua lebih sedikit daripada konsumen yang berusia di bawah 22 tahun dan pengeluaran per bulan Rp ke bawah. DAFTAR PUSTAKA Alamudi A, Wigena AH, Aunuddin Eksplorasi Struktur Data Menggunakan Metode CHAID. Forum Statistika dan Komputasi. Institut Pertanian Bogor. ISSN: Hosmer DW, Lemeshow S Applied Logistic Regression. Second Edition. New York: John Wiley and Sons.
15 Kass GV An Exploratory Technique for Investigating Large Quantities of Categorical Data. Appl. Statist. 29, No. 2: Kotler P Marketing Management. Eleventh Edition. New Jersey: Pearson Education. 7
16 LAMPIRAN
17 Lampiran 1 Dendogram pemisahan hasil analisis CHAID pada taraf nyata 10%. 8
18 9 Lampiran 2 Hasil analisis regresi logistik pada Node 0 Peubah Beta Standard Error Statistik Uji Wald Derajat bebas Nilai-p Kota Rasio Odds Kota(1) Kota(2) Kota(3) Kota(4) Kota(5) Kota(6) Pendidikan Pendidikan (1) Pendidikan (2) Pendidikan (3) Pendidikan (4) Pengeluaran per bulan Pengeluaran per bulan (1) Pengeluaran per bulan (2) Pengeluaran per bulan (3) Pengeluaran per bulan (4) Usia Usia(1) Usia(2) Constant Lampiran 3 Hasil analisis regresi logistik pada Node 1 Peubah Beta Standard Error Statistik Uji Wald Derajat bebas Nilai-p Usia Rasio Odds Usia(1) Usia(2) Constant Lampiran 4 Hasil analisis regresi logistik pada Node 2 Peubah Beta Standard Error Statistik Uji Wald Derajat bebas Nilai-p Pendidikan Rasio Odds Pendidikan (1) Pendidikan (2) Pendidikan (3) Pendidikan (4) Constant
19 10 Lampiran 5 Hasil analisis regresi logistik pada Node 3 Peubah Beta Standard Error Statistik Uji Wald Derajat bebas Nilai-p Pendidikan Rasio Odds Pendidikan (1) Pendidikan (2) Pendidikan (3) Pendidikan (4) Constant Lampiran 6 Hasil analisis regresi logistik pada Node 4 Peubah Beta Standard Error Statistik Uji Wald Derajat bebas Nilai-p Pengeluaran per bulan Rasio Odds Pengeluaran per bulan (1) Pengeluaran per bulan (2) Pengeluaran per bulan (3) Pengeluaran per bulan (4) Constant Lampiran 7 Hasil analisis regresi logistik pada Node 13 Peubah Beta Standard Error Statistik Uji Wald Derajat bebas Nilai-p Usia Rasio Odds Usia(1) Usia(2) Constant
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA
Xplore, 2013, Vol. 2(1):e10(1-5) c 2013 Departemen Statistika FMIPA IPB ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA Rindy Anggun Pertiwi, Indahwati, Farit
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Chi-square Automatic Interaction Detection (CHAID) adalah merupakan suatu kasus khusus dari algoritma pendeteksian interaksi otomatis yang biasa disebut
Lebih terperinciHASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur
Software yang digunakan dalam penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi 15.0. HASIL DAN PEMBAHASAN Gambaran Umum Karakteristik Debitur Banyaknya debitur kredit konsumtif
Lebih terperinciPENENTUAN KARAKTERISTIK KELANCARAN PEMBAYARAN KARTU KREDIT MENGGUNAKAN METODE CHAID MERLINDA YANTHY
PENENTUAN KARAKTERISTIK KELANCARAN PEMBAYARAN KARTU KREDIT MENGGUNAKAN METODE CHAID MERLINDA YANTHY DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Lebih terperinciANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA
ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciHASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas
19 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas Hasil analisis mengenai persentase responden berdasarkan peubah-peubah penjelas ditunjukkan pada Gambar 2. Usia responden
Lebih terperinciFaktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah)
Jurnal Gradien Vol. 10 No.2 Juli 2014 : 1000-1004 Faktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah) Nany Salwa 1, Fitriana A.R 1 dan Sri
Lebih terperinciANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI
ANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciIDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD
IDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciANALISIS IPK MAHASISWA PENERIMA BEASISWA BIDIK MISI IPB DENGAN PENDEKATAN METODE CHAID FERRY ANTONI MS
ANALISIS IPK MAHASISWA PENERIMA BEASISWA BIDIK MISI IPB DENGAN PENDEKATAN METODE CHAID FERRY ANTONI MS DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Klasifikasi Klasifikasi merupakan proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk
Lebih terperinciOleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya ABSTRAK
(M.3) ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG BERKAITAN DENGAN RISIKO ANAK PUTUS SEKOLAH PENDIDIKAN DASAR (Kasus : Wilayah Kabupaten Ogan Ilir Provinsi Sumatera Selatan) Oleh: Dian Cahyawati S. Jurusan Matematika
Lebih terperinciPEMBENTUKAN POHON KLASIFIKASI DENGAN METODE CHAID
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 1 (2013), hal 45 50. PEMBENTUKAN POHON KLASIFIKASI DENGAN METODE CHAID Yustisia Wirania, Muhlasah Novitasari Mara, Dadan Kusnandar INTISARI
Lebih terperinciANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR
ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR ASTRI ATTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciKLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART
KLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART SKRIPSI Disusun Oleh : NOVIE ERISKA ARITONANG 24010211140081 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO
ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 RINGKASAN TJIPTO AJI SUDARSO. Analisis
Lebih terperinciSEGMENTASI NASABAH DALAM PENGEMBALIAN KREDIT DENGAN METODE CHAID HANIF AKBAR
SEGMENTASI NASABAH DALAM PENGEMBALIAN KREDIT DENGAN METODE CHAID HANIF AKBAR DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI
Lebih terperinciPREFERENSI KARAKTERISTIK KOPI 3 IN 1 MENGGUNAKAN METODE POHON REGRESI DAN KLASIFIKASI FITRIYANTO
PREFERENSI KARAKTERISTIK KOPI 3 IN 1 MENGGUNAKAN METODE POHON REGRESI DAN KLASIFIKASI FITRIYANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
Lebih terperinciANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI
ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN
Lebih terperinci4. HASIL DAN PEMBAHASAN
16 4. HASIL DAN PEMBAHASAN Hasil uji validitas dan reliabilitas dari kuesioner pada lampiran 1 menunjukkan bahwa kuesioner tersebut valid dan realibel. Kuesioner di katakan valid jika nilai Alpha Cronbach
Lebih terperinciPENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI
PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 RINGKASAN ALIFTA DIAH AYU RETNANI.
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciPENERAPAN MODEL REGRESI LOGISTIK BINER DAN METODE CHAID DALAM KLASIFIKASI KREDIT KONSUMTIF MALA SEPTIANI
PENERAPAN MODEL REGRESI LOGISTIK BINER DAN METODE CHAID DALAM KLASIFIKASI KREDIT KONSUMTIF MALA SEPTIANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPENENTUAN FAKTOR-FAKTOR MEMILIH MEREK DENGAN METODE CART DAMAS ESMU HAJI
PENENTUAN FAKTOR-FAKTOR MEMILIH MEREK DENGAN METODE CART DAMAS ESMU HAJI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK DAMAS ESMU HAJI.
Lebih terperincipendekatan regresi logistik biner Oleh :Wida Suliasih ( )
Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID
ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID Astri Atti 1 ; Bunawan Sunarlim 2 ; Utami Dyah Syafitri 3 ABSTRACT The aims of the article are to investigate
Lebih terperinciMETODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT
E-Jurnal Matematika Vol. 4 (4), November 2015, pp. 163-168 ISSN: 2303-1751 METODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT Nur Faiza 1, I Wayan Sumarjaya 2, I Gusti Ayu Made Srinadi
Lebih terperinciBAB 1 PENDAHULUAN. ini mengalami spesialisasi dan melembaga dengan pendidikan formal yang senantiasa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah suatu aktivitas sosial yang memungkinkan masyarakat tetap ada dan berkembang. Di dalam masyarakat yang kompleks, fungsi pendidikan ini mengalami spesialisasi
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden
disusun ke dalam bentuk kartu stimuli, diantara tiap kartu berisi kombinasi dari taraftaraf atribut yang berbeda dengan kartu-kartu lainnya (Lampiran 4). 3. Pengumpulan data melalui penyebaran kuesioner.
Lebih terperinciPERBANDINGAN ANALISIS KLASIFIKASI NASABAH MENGGUNAKAN REGRESI LOGISTIK BINER DAN (CLASSIFICATION AND REGRESSION TREES)
PERBANDINGAN ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN REGRESI LOGISTIK BINER DAN CART (CLASSIFICATION AND REGRESSION TREES) SKRIPSI Oleh : AGUNG WALUYO 24010210141020 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciTINJAUAN PUSTAKA Perilaku Pemilih Partai Politik
3 TINJAUAN PUSTAKA Perilaku Pemilih Agustino (2009) menyebutkan terdapat tiga pendekatan teori yang sering digunakan oleh banyak ahli politik untuk memahami perilaku pemilih diantaranya pendekatan sosiologis,
Lebih terperinciANALISIS KEPUASAN PESERTA KURSUS KOMPUTER MENGGUNAKAN METODE CHAID BERBASIS KOMPUTER
ANALISIS KEPUASAN PESERTA KURSUS KOMPUTER MENGGUNAKAN METODE CHAID BERBASIS KOMPUTER RONITA BINUS UNIVERSITTY, Jakarta, Indonesia, 11530 Abstrak Kesuksesan selalu menjadi tujuan sebuah perusahaan, begitu
Lebih terperinciBAB 3 METODE PENELITIAN
1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat
Lebih terperinciponsel, purposive sampling, regresi logistik politomus
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO
Lebih terperinciBAHAN DAN METODE HASIL DAN PEMBAHASAN
5 Jika hipotesis nol benar, maka statistik uji-w akan menyebar mengikuti sebaran normal baku. Hipotesis nol ditolak jika W > Z α/2 (Hosmer & Lemeshow 1989). Interpretasi koefisien untuk model regresi logistik
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, )
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Pendidikan Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, 1889-1959) menjelaskan tentang pengertian pendidikan yaitu: Pendidikan umumnya berarti daya upaya
Lebih terperinciAnalisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012
Analisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012 Faikul Fahmi 1*, Laelatul Khikmah 2 1 Statistika, Akademi Statistika (AIS
Lebih terperinciPROSIDING ISBN :
APLIKASI METODE CHAID DALAM MENGANALISIS KETERKAITAN FAKTOR RISIKO LAMA PENYELESAIAN SKRIPSI MAHASISWA (Studi Kasus di Jurusan Matematika FMIPA Universitas Sriwijaya) Dian Cahyawati S., Susi Yohana, Putera
Lebih terperinciPEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA
PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 RINGKASAN TENDI
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI
ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciImplementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW
Implementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW Kresna Oktafianto Program Studi Matematika FMIPA Universitas Ronggolawe
Lebih terperinciKAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G
KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI Oleh : SITI NURBAITI G14102022 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007 ABSTRAK SITI
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciABSTRAK METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER
METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER Astri Atti* ABSTRACT Coronary heart disease (CHD) is an anomaly that caused by constriction of artery. CHD is influenced
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciPENELUSURAN KARAKTERISTIK PENGGUNA LAYANAN KERETA LISTRIK (KRL) BOGOR JAKARTA DENGAN METODE CHAID (Studi Kasus Stasiun Bogor) RR ADISTIA RAHMADHANI
PENELUSURAN KARAKTERISTIK PENGGUNA LAYANAN KERETA LISTRIK (KRL) BOGOR JAKARTA DENGAN METODE CHAID (Studi Kasus Stasiun Bogor) RR ADISTIA RAHMADHANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciRMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X
pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang
Lebih terperinciBAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi
Lebih terperinciANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA
TUGAS AKHIR ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA Any Masruroh 1308 030 065 Dosen Pembimbing Ir. Arie Kismanto, M.Sc PENDAHULUAN Latar Belakang Permasalahan
Lebih terperinciJURNAL MATEMATIKA DAN PEMBELAJARANNYA 2016 VOLUME 2, NO. 1. ISSN
VOLUME 2, NO. 1. ISSN 2303-0992 N. PONTO PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA (Studi Kasus: Siswa SMA Negeri Siau Timur Kabupaten Siau Tagulandang Biaro Propinsi
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciANALISIS SENSITIVITAS HARGA DAN LOYALITAS KONSUMEN TERHADAP MINYAK GORENG MEREK BIMOLI DI KOTA BOGOR INDRA UTAMA NASUTION A.
ANALISIS SENSITIVITAS HARGA DAN LOYALITAS KONSUMEN TERHADAP MINYAK GORENG MEREK BIMOLI DI KOTA BOGOR INDRA UTAMA NASUTION A. 14103550 PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS FAKULTAS PERTANIAN INSTITUT
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Metode Pengumpulan Data Metode pengumpulan data dalam penelitian ini memakai metode survei, yaitu dengan cara menyebarkan pertanyaan tertulis
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciPEMBAHASAN Pelaksanaan Survei
4 Populasi penelitian dibagi menjadi dua lapisan berdasarkan cluster perumahan BNR. Cluster-cluster dengan ukuran rumah 1 m 2 digolongkan sebagai lapisan 1 sedangkan cluster-cluster dengan ukuran rumah
Lebih terperinciAnalisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi
Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor
Lebih terperinciPENDEKATAN METODE CHAID DAN REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO FASCIOLOSIS PADA SAPI RIA HAYATUN NUR
PENDEKATAN METODE CHAID DAN REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO FASCIOLOSIS PADA SAPI RIA HAYATUN NUR DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciVI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN
VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN Penelitian ini menggunakan regresi logistik untuk mengetahui faktorfaktor yang mempengaruhi
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinciSeminar Tugas Akhir. Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING. Surabaya, Juli 2011
Surabaya, Juli 2011 Seminar Tugas Akhir Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING Ibrahim Widyandono 1307 100 001 Pembimbing : Dr. Bambang Widjanarko
Lebih terperinciMETODE QUALITY FUNCTION DEPLOYMENT (QFD) DALAM PENENTUAN PRIORITAS PELAYANAN PADA PERUSAHAAN ASURANSI MARLINE SOFIANA PAENDONG
METODE QUALITY FUNCTION DEPLOYMENT (QFD) DALAM PENENTUAN PRIORITAS PELAYANAN PADA PERUSAHAAN ASURANSI MARLINE SOFIANA PAENDONG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 SURAT PERNYATAAN
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciPENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN
PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU
Lebih terperinciBAB III METODE PENELITIAN. menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan
14 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Pola hidup masyarakat yang menyadari pentingnya kesehatan menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan citarasa yang enak,
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciPemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya
Jurnal Penelitian Sains Volume 16 Nomor 2(A) April 2013 Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Dian Cahyawati
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciBAB V PEMBAHASAN. Data dikumpulkan dari 239 alumni Prodi Statistika FMIPA UII, sebagai
32 BAB V PEMBAHASAN Klasifikasi lama penyeesaian skripsi Prodi Statistika FMIPA UII akan digunakan sebagai contoh penerapan I-CHAID dalam klasifikasi. Data alumni diambil dari Bagian Akademik FMIPA UII
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciANALISIS PREFERENSI SISWA SMA DI KOTA SEMARANG TERHADAP PROGRAM STUDI DI PERGURUAN TINGGI DENGAN METODE CHOICE-BASED CONJOINT
ANALISIS PREFERENSI SISWA SMA DI KOTA SEMARANG TERHADAP PROGRAM STUDI DI PERGURUAN TINGGI DENGAN METODE CHOICE-BASED CONJOINT Dini Anggreani 1, Moch. Abdul Mukid 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan
Lebih terperinciKLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN
Lebih terperinciFAKTOR INTERNAL: - Kesehatan - Minat Belajar - Sikap Belajar - Religiusitas PRESTASI BELAJAR (IP)
3 N L P Kontinu FKTOR NTERNL: - Kesehatan - Minat Belajar - ikap Belajar - Religiusitas PRET BELJR (P) P Kategorik N L C R T FKTOR EKTERNL: - Lingkungan Kampus - Lingkungan Tempat Tinggal C H D DBNDNGKN
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Lokasi penelitian dilakukan di enam kelurahan di Kota Depok, yaitu Kelurahan Pondok Petir, Kelurahan Curug, Kelurahan Tapos, Kelurahan Beji, Kelurahan
Lebih terperinciKLASIFIKASI PENYAKIT DIABETES MELITUS DENGAN METODE CHAID (CHI SQUARE AUTOMATIC INTERACTION DETECTION) DAN CART (CLASSIFICATION AND REGRESSION TREE)
Surabaya, 3 Juli 2013 Seminar Hasil Tugas Akhir KLASIFIKASI PENYAKIT DIABETES MELITUS DENGAN METODE (CHI SQUARE AUTOMATIC INTERACTION DETECTION) DAN (CLASSIFICATION AND REGRESSION TREE) Dosen Pembimbing
Lebih terperinciMISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK
MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK Mohammad Farhan Qudratullah Program Studi Matematika Fakultas Sains dan Teknologi Universitas
Lebih terperinciPEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID
PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2006 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul : PEMODELAN STOK GABAH/BERAS
Lebih terperinciIII. METODOLOGI PENELITIAN
22 III. METODOLOGI PENELITIAN 2.5. Data Penelitian Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari bagian Akademis POLBAN serta data pendukung yang merupakan data primer (persepsi)
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perekonomian di Indonesia mengakibatkan terjadinya persaingan antar bank, khususnya pada sektor nasabah perbankan. Hal ini mengakibatkan banyaknya perbankan
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciSEGMENTASI PASAR MENGGUNAKAN METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION (CHAID) (Studi Kasus di PD. BPR-BKK Purwokerto Utara)
SEGMENTASI PASAR MENGGUNAKAN METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION (CHAID) (Studi Kasus di PD. BPR-BKK Purwokerto Utara) SKRIPSI Oleh : Nu man Ardhi Nugraha J2E 004 238 PROGRAM STUDI STATISTIKA
Lebih terperinciSaintia Matematika ISSN: Vol. 02, No. 04 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 04 (2014), pp. 313 321. SUATU KAJIAN TENTANG PELAYANAN KESEHATAN DI PUSKESMAS PEMBANTU JATI UTOMO BINJAI Nida Elhaq, Pasukat Sembiring, Djakaria Sebayang
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
Lebih terperinciANALISIS SEGMENTASI DEMOGRAFI DAN POLA PENGGUNAAN PEMEGANG KARTU KREDIT BERDASARKAN POLA PEMBAYARAN. Oleh : Ellif Krismawati
ANALISIS SEGMENTASI DEMOGRAFI DAN POLA PENGGUNAAN PEMEGANG KARTU KREDIT BERDASARKAN POLA PEMBAYARAN Oleh : Ellif Krismawati PROGRAM STUDI MAGISTER MANAJEMEN AGRIBISNIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke
Lebih terperinciFAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER
FAKTOR-FAKTOR YANG MENYEBABKAN TERKENA DB (DEMAM BERDARAH) DI DAERAH BENGKULU DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER RIZKA ARIFANJUNI NRP 1309 030 027 Dosen Pembimbing Dr. Bambang Widjanarko O., M.Si.
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciREGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI
REGRESI LOGISTIK UNTUK IDENTIFIKASI FAKTOR- FAKTOR MINAT MELANJUTKAN STUDI KE TINGKAT ALIYAH DI PESANTREN UMMUL QURO AL ISLAMI SALMAN AL FARISI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPERBANDINGAN METODE DISKRETISASI DALAM MODEL REGRESI LOGISTIK (Studi Kasus: Pembentukan Model Penskoran Kredit Bank X) DIAN ILMIATI ARDITA
PERBANDINGAN METODE DISKRETISASI DALAM MODEL REGRESI LOGISTIK (Studi Kasus: Pembentukan Model Penskoran Kredit Bank X) DIAN ILMIATI ARDITA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinci