Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
|
|
- Yanti Sucianty Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 ABSTRAK Peneltan n bertujuan memodelan tngat emsnan d Jawa Tengah dengan memasuan efe spasal. Metode yang dgunaan Mxed Geographcally Weghted Regresson (MGWR). Dalam model MGWR estmas parameter menggunaan Weghted Least Square (WLS) dengan pembobot fungs ernel gaussan. Berdasaran hasl peneltan terdapat 5 varabel predtor yang dduga mempengaruh tngat emsnan abupaten/ota d Jawa Tengah yatu upah mnmum erja ( ), persentase pendudu yang beerja d setor pertanan ( ), pelayanan esehatan Jamesmas ( ), persentase rumah tangga yang menggunaan jamban( ), dan nflas ( ). Model MGWR meml R sebesar 73,95% menunjuan bahwa model mampu menerangan tngat eragaman emsnan sebesar 73,95%, ssanya,5% dpengaruh varabel lan d luar model dengan nla AIC,9. Tngat emsnan d Jawa Tengah tda dpengaruh oleh fator geografs atau tda adanya efe spasal. varbel predtor tersebut mempunya pengaruh yang hampr sama d setap abupaten/ota. Kata Kunc : MGWR, AIC, Tngat emsnan Pendahuluan Kemsnan merupaan salah satu masalah bag negara-negara d duna, terutama negara berembang termasu Indonesa. Menanggulang emsnan menjad salah satu tujuan dar pembangunan mlenum(mdgs / Mllneum Development Goals). Kemsnan sendr merupaan etdamampuan manusa dalam memenuh ebutuhan hdupnya. Pendudu msn adalah pendudu yang meml rata-rata pengeluaran perapta perbulan d bawah gars emsnan (BPS Provns Jawa Tengah,). Data BPS menunjuan tahun 7 anga emsnan Jawa Tengah sebesar,9%, anga n na menjad,9% dtahun. Anga emsnan mula mengalam penurunan dtahun 9 hngga bersar,%. Tahun, anga emsnan Jawa Tengah mengalam penngatan menjad,%. Ja dbandngan dengan nasonal, anga emsnan d Jawa Tengah berada datas dar anga emsnan nasonal sebesar,9%. Menganalsa fator penyebab emsnan tda bsa dlauan secara serenta pada setap wlayah arena bsa jad setap wlayah meml fator penyebab emsnan yang berbeda. Kabupaten/ota d Jawa Tengah meml potens yang berbeda dar seg eonom, penddan, esehatan dan pelayanan masyaraat yang dndasan adanya efe spasal. Peneltan emsnan dengan mempertmbangan efe spasal telah banya dlauan. Salah satu metode yang dgunaan adalah Mxed Geographcally Weghted Regresson (MGWR). MGWR menghaslan etmas parameter yang bersfat global dan loal. Peneltan emsnan dengan efe spasal dlauan oleh Yasn() yang memodelan persentase rumah tangga msn d Mojoerto dengan pendeatan regres global, GWR dan MGWR. Penerapan MGWR juga dlauan oleh Wuryant, Purnam dan Purhad (3) pada pemodelan anga ematan balta d Kabupaten Bojonegoro tahun yang menympulan MGWR sebaga model terba dbandngan dengan regres lner dan GWR dlhat dar nla AIC terecl. Darsyah, wasono, dan agustna (5) memodelan MGWR pada tngat emsnan d Jawa Tengah. penambahan efe spasal aan menghaslan model yang bebeda dmasng-masng abupaten ota berdasaran varabel yang mempengaruh tngat emsnan d daerah tersebut. uum pertama tentang geograf demuaan oleh tobler yang menyataan bahwa segala sesuatu salng berhubungan satu dengan yang lannya, tetap sesuatu yang deat lebh mempunya pengaruh darpada sesuatu yang jauh (Anseln, 9). Efe spasal dbedaan menjad yatu dependens spasal (spasal dependens) dan eragaman spasal (spasal heterogenety). Keragaman spasal dapat ddetes dengan uj Breuch-Pagan dengan hpotess uj sebaga berut: :... :mnmal ada satu n Statst uj yang dgunaan sebaga berut : BP = () Model GWR merupaan model regres loal yang menghaslan parameter model yang bersfat loal untu setap tt atau loas dmana data tu dumpulan, sehngga aan ddapatan nterpretas yang berbeda-beda untu setap loas yang dtelt ( Yasn dalam Saryya d, 3). Dalam beberapa asus tngat eragaman spasal pada beberapa oefsen bsa jad tda sgnfan atau dabaan, sehngga dlauan pengembangan menjad model Mxed Geographcally Weghted Regresson(MGWR). 7
2 Value Added, Vol., No., 5 Model MGWR dengan p varabel predtor dan q varabel predtor dantaranya bersfat loal dapat dtuls sebaga berut : y, v, v,,...,n q p () Estmas parameter menggunaan metode WLS sebaga berut : l l v g g y, (3) dmana : : matrs varabel predtor loal : matrs varabel predtor global ( ) : vetor parameter varabel predtor loal : vetor parameter varabel predtor global Estmator parameter untu model GWR adalah : l ) = W ( ) ) - W ( ) () dengan W adalah matrs pembobot uuran nxn. Msalan adalah elemen bars e- dar matrs. Maa nla sebaga berut : = ( = (5) Dengan = Estmas parameter untu model MGWR yang bersfat global adalah : g = () Estmas parameter parameter yang bersfat loal adalah : l ) = W ( ) ) - W ( ) ( y - g ) (7) Estmator g dan l ) merupaan estmator ta bas untu dan ) ( Purhad dalam Yasn 3). potess pengujan esesuaan model regres lner (global) dan MGWR untu mengetahu fator geografs yang sgnfan adalah: - : ) = untu p =,,,...,q dan =,,...,n : mnmal terdapat satu ) Statst uj : F () = () Tola o ja F(). Uj serenta bertujuan untu mengetahu sgnfans varabel-varabel predtor global (q + p ). potessnya sebaga berut : : = =... = = : mnmal ada satu Statst uj yang dgunaan sebaga berut : F()= (9) Dengan derajat bebas d = dan d = dengan = tr, =, dan u = tr =,. Tola o ja F(). Selanjutnya dlauan uj hpotess serenta pada parameter varabel predtor loal ( q ). Bentu hpotessnya dalah : : : mnmal, v, v... q, v ada satu, v Statst uj sebaga berut : F(3)= () Dengan derajat bebas d = dan d = dengan = tr, =, dan u = tr =,. Tola o ja F(3). Uj hpotess selanjutnya dgunaan untu mengetahu varabel loal yang berpengaruh sgnfan terhadap varabel respon pada model MGWR. Untu menguj sgnfans suatu varabel loal ( q )dgunaan hpotess sebaga berut : : ( ) =
3 Value Added, Vol., No., 5 : ( ) Statst uj yang dgunaan : = Krtera penolaan : tola ja, df = AIC (Aae Informaton Crteron) adalah salah satu rtera pemlhan model terba dengan mempertmbangan banyanya parameter dalam model (Asw dan Suarna,). Krtera AIC dapat dtulsan sebaga berut : AIC nln ˆ nln n trs () Dengan : ln : natural log ˆ : nla estmator standar devas dar bentu resdual n : banyanya pengamatan π : 3, S : matrs proyes Model terba adalah model yang meml nla AIC terecl. Metode Peneltan Data peneltan n merupaan data seunder yang dperoleh dar Badan Pusat Statst (BPS) Provns Jawa Tengah dengan unt peneltan yang dgunaan sebanya 35 abupaten/ota d Provns Jawa Tengah. Varabel peneltan terdr dar varabel respon (Y) yatu persentase pendudu msn, dan varabel 9 varabel predtor yatu Upah Mnumm Kerja ( ), persentase pendudu yang beerja dsetor pertanan ( ), Anga Partspas Murn ( 3 ), persentase pendudu yang mendapatan pelayanan jamesmas ( ), pengeluaran perapta ( 5 ), persentase rumah tangga yang menggunaan jamban ( ), luas lanta m ( 7 ), laju nflas ( ) dan persentase rumah tangga yang menggunaan ar bersh ( 9 ). Menganalss model MGWR dengan langah sebaga berut: a. Mendapatan estmator parameter model MGWR dengan bandwdth optmum dan pembobot. b. Melauan pengujan secara serenta pada parameter varabel predtor global dan loal pada model MGWR. c. Melauan pengujan secara parsal pada parameter varabel predtor global dan loal pada model MGWR. d. Uj esesuaan model MGWR. e. Menghtung nla AIC asl dan Pembahasan Provns Jawa Tengah merupaan salah satu provns padat pendudu d Pulau Jawa. Provns n meml 35 abupaten/ ota yang terdr dar 9 abupaten dan ota madya. Terleta antara 5 dan 3 Lntang Selatan dan antara 3 dan 3 3 Bujur Tmur. Provns Jawa Tengah berbatasan dengan Laut Jawa d sebelah utara,sebelah selatan dengan Samudra nda dan Daerah Istmewa Yogyaarta, dsebelah barat dengan Provns Jawa Barat dan sebelah tmur dengan Provns Jawa Tmur. untu memudahan menganalss, tngat emsnan dbag menjad 3 elompo yatu tngg, sedang dan rendah. Gambar. Peta tngat emsnan d Jawa Tengah Gambar merupaan peta temat pesebaran tngat emsnan d Jawa Tengah. Daerah dengan tngat emsnan rendah melput Kota Semarang, Kota Salatga, Kudus, Kota Pealonga, Kabupaten Semarang, Jepara, Kota Tegal, Kota Magelang, Suoharjo, Tegal. Tngat emsnan tngg dml oleh daerah melput Banjarnegara, Pemalang, Banyumas, Brebes, Purbalngga, Rembang, Kebumen dan Wonosobo. Tabel. Dsrps Varabel Peneltan Varabel Rata-rata St.Dev Mnmum Masmum Y Dar tabel menunjuan standar devas cuup besarpada varabel predtor ( persentase pendudu yang beerja d setor pertanan). al n berart bahwa pendudu yang beerja d setor 9
4 Value Added, Vol., No., 5 pertanan beragama d abupaten/ota. Standar devas relatf ecl terdapat pada varabel (laju nflas). Tngat laju nfalas abupaten/ota merata d Provns Jawa Tengah. asl model MGWR menunjuan persentase pendudu yang beerja dsetor pertanan ( ) dan persentase pendudu yang mendapatan pelayanan jamesmas ( ) sgnfan d sebagan besar loas pengamatan. Selan tu, dtnjau dar onds Indonesa sebaga negara agrars serta pelayanan jamesmas merupaan salh satu program pemerntah yang dlauan dsemua daerah maan dan dduga merupaan varabel global yang berpengaruh dsemua abupaten/ota. Tabel. Nla Statst Uj F Model MGWR F htung P-value F.55.7 F 7.7. F Tabel merupaan hasl uj F pada model MGWR. F merupaan statst uj untu esesuan model MGWR, F menunjuan hasl uj serenta pada varabel global ( dan ), F3 menunjuan uj serenta pada varabel loal (, dan ). Berdasaran p-value F dapat dsmpulan tda ada perbedaan yang sgnfan antara model regres lner dan MGWR, sedangan F dan F3 meml p-value< % maa dsmpulan terdapat mnmal satu varabel predtor global maupun loal yang sgnfan dalam model MGWR. Uj parsal pada pada varabel predtor global menghaslan p-value sebesar,37 untu dan,3 untu, dengan α % dperoleh esmpulan bahwa persentase pendudu yang beerja dsetor pertanan dan yang mendapatan pelayanan jamesmas secara sgnfan berpengaruh pada tngat emsnan secara global d semua abupaten/ota. Uj parsal pada varabel predtor loal aan mengelompoan abupaten/ota berdasaran varabel yang berpengaruh. Berdasaran uj parsal, dperoleh bahwa nla p-value, dan berpengaruh sgnfan dsemua loas pengamatan.. Model MGWR menghaslan 35 pemodelan tngat emsnan dsetap abupaten/ota. Model MGWr yang terbentuantara lan d Kabupaten Kudus, Dema dan Kota Semarang. Pemodelan etga loas pengamatan dtunjuan pada persamaan berut: udus dema 5,59,37,7,357, ,5,3,7 otasemarang 5,59,33,7,357, ,357,99.99 dar etga persamaan tersebut, varabel dan meml estmas parameter yang sama yatu,7 dan,357 arena dan merupaan varabel predtor global yang sgnfan berpengaruh terhadap varabel respon. Pemodelan MGWR menympulan bahwa tda ada efe spasal pada data emsnan d Jawa Tengah. Ja dlhat dar 3 loas pengamatan yang berdeatan sepert pada Kabupaten Dema yang berada d antara Kudus dan Kota Semarang, efe spasal tda berpengaruh. Mes berada d antara Kudus dan Kota Semarang yang tngat emsnannya rendah, Dema termasu Kabupaten dengan tngat emsnan sedang. Tabel 3. Pebedaan Pemetaan Kemsnan Data asl ˆ MGWR Kabupaten /Kota Rendah Rendah Kudus, Kab Semarang, Kota Magelang, Kota Salatga, Kota Semarang Sedang Tngg Klaten, Wonogr, Temanggung, Tngg Sedang Banyumas, Purbalngga, Banjarnegara Sedang Sedang Clacap, Purworejo, Magelang, Boyolal, Karanganyar, Sragen, Grobogan, Blora, Pat, Kendal, Batang, Pealongan,Dema Tngg Tngg Kebumen, Rembang, Pemalang, Brebes, Wonosobo Sedang Rendah Kota Suraarta Rendah Sedang Jepara, Kota Pealongan, Kota Tegal, Tegal, Suoharjo Dar tabel 3, terdapat perbedaan pemetaan persebaran tngat emsnan (varabel respon) antara data asl dengan model MGWR (nla ˆ ). Sejumlah abupaten/ota berpndah ategor, sepert yang terjad pada Kota Suraarta. Kota Suraarta mengalam penurunan persentase pendudu msn setalah ddapatan permodelan MGWR. Kesmpulan Model MGWR dengan pembobot ernel gaussan untu data tngat emsnan d Jawa 7
5 Value Added, Vol., No., 5 Tengah menghaslan AIC sebesar,9 dan R sebesar 73,95%. Fator- fator yang berpengaruh sgnfan terhadap tngat emsnan yatu varabel UMK ( ), persentase pendudu yang beerja d setor pertanan ( ), persentase pendudu yang mendapatan pelayanan esehatan jamesmas ( ), persentase rumah tangga yang menggunaan jamban ( ) dan nflas ( ). Tngat emsnan d Jawa Tengah tda dpengaruh oleh fator geografs atau tda adanya efe spasal. Daftar Pustaa Badan Pusat Statst.. Data Kemsnan dan Informas Kemsnan Provns jawa Tengah -. Semarang: BPS Provns Jawa Tengah Darsyah, M.Y, Wasono, R, Agustna, M.F. 5. The of Mxed Geographcally Weghted Regresson (MGWR) for poverty Rate n Central Java. Internatonal Journal of Appled Mathematcs and statstcs Vol. 53(). CESER Publcaton. Fothengham A.S, Brunsdon C., dan Charlton M.. Geographcally weghted Regresson the Analyss of Spatal Varyng Relatonshps. Unted Kngdom: John Wley & Sons Saryya,.S. Sumarmnngsng, E. Pramoedyo,. 3. Permodelan Mxed Geographcally Weghted Regresson (MGWR) Sebaga Pendeatan Model Geographcally Weghted Regresson (GWR) yang Melbatan Parameter Globa (Stud Kasus : Persentase Balta Gz Buru d Jawa Tmur tahun ). UB. Wuryant, I.F., Purnam, S.W., dan Purhad. Permodelan Mxed Geographcally Weghted regresson (MGWR) pada Anga Kematan Balta d Kabupaten Bojonegoro Tahun. Jurnal Sans dan Sen Pomts. () : -7 Yasn,.. Pemlhan Varabel pada model Geographcally Weghted Regresson. Meda Statsta. () : 3-7 7
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 terperinciPemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud
Lebih terperinciPemodelan 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 terperinciPemetaan 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 terperinciPemodelan 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 terperinciPEMODELAN 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 terperinciFaktor-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 terperinciBAB 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 terperinciPemodelan 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 terperinciPEMODELAN 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 terperinciPemodelan 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 terperinciISSN: 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 terperinciPEMODELAN 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciANALISIS 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 terperinciPendekatan 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 terperinciPenggunaan 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 terperinciPENYELESAIAN 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 terperinciBAB 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 terperinciBAB 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 terperinciPemodelan 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 terperinciBAB 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 terperinciMODEL 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 terperinciJURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188
JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression
Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan
Lebih terperinciKarakterisasi 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 terperinciBAB 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 terperinciEVALUASI 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 terperinciPenerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah
The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat
Lebih terperinciPEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciCreated 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 terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN
Lebih terperinciBAB 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 terperinciPERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH
PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH La Mftakhul Janah 1, TanWahyu Utam 2 1, emal: lamftakhul7@gmal.com
Lebih terperinciPemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur
D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas
Lebih terperinciKOLINEARITAS 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 terperinciUSULAN 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 terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciPengaruh 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 terperincie + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e
ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan
Lebih terperinciπ(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)
Lebih terperinciProbabilitas 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 terperinciINDEKS 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 terperinciBAB 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36
JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan
Lebih terperinciBAB 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 terperinciPengolahan 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 terperinciANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)
ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster
Lebih terperinciPemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)
Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan
Lebih terperinciFUZZY 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 terperinciBAB 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 terperinciEman 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 terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciANALISIS 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 terperinciBAB 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 terperinciJurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online
Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu
Lebih terperinciBAB 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 terperinciEKSPEKTASI 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 terperinciANALISIS 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 terperinciBAB 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 terperinciIII 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 terperinciBAB 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 terperinciS - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK
S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans
Lebih terperinciBAB 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 terperinciBAB 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 terperinciMENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG)
MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG) OKTAVIANI PRIHATININGSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciKAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR
Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciPENGUJIAN 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 terperinciFaktor 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 terperinciPEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH. DOI: /medstat.9.2.
p-issn 1979 3693 e-issn 477 0647 MEDIA SAISIKA 9() 016: 133-147 http://ejournal.undp.ac.d/ndex.php/meda_statstka PEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHED REGRESSION PADA INGKA PENGANGGURAN
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBab 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 terperinciJURNAL 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 terperinciFUZZY 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 terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih terperinciSTATISTIKA. 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 terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciPemodelan Kerawanan Pangan dan Kemiskinan dengan Geographically Weighted Multivariat Linier Model di Kabupaten Sampang
5 NAURAL B, Vol., No., Aprl Pemodelan Kerawanan Pangan dan Kemsknan dengan Geographcally Weghted Multvarat Lner Model d Kabupaten Sampang Yusrna Nur Danat )*, N Wayan Surya Wardhan ), Rahma Ftran ) ) Program
Lebih terperinciINVERS 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 terperinciANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS
ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan
Lebih terperinciANALISIS 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 terperinciPENERAPAN 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 terperinciBIPLOT UNTUK MENGETAHUI KARAKTERISTIK KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN PRODUKSI BAWANG PUTIH, BAWANG MERAH, CABE BESAR DAN CABE RAWIT
Bplot (DahSaftr) BIPLOT UNTUK MENGETAHUI KARAKTERISTIK KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN PRODUKSI BAWANG PUTIH, BAWANG MERAH, CABE BESAR DAN CABE RAWIT Dah Saftr 1, Supart 2, Est Pratw 3, Tyas
Lebih terperinciIMPLEMENTASI 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 terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciCONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA
CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB 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 terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinci