PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum"

Transkripsi

1 PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref Rahma Hakm, Surabaa 6 E-mal : Abstrak Asa-Pasfk termasuk d dalama Idoesa merupaka daerah peghasl seperempat dar Produk Domestk Bruto (PDB) dua, amu dalam 3 tahu terakhr 85% dar kemata da 38% keruga ekoom global ag dakbatka oleh becaa alam juga terjad d kawasa. Bag Idoesa dampak becaa sagat terasa. Besara kerusaka da keruga akbat dampak becaa sagat besar. Pada peelta megaalss megea keruga makroekoom akbat becaa alam. Dduga terdapat efek depedes spasal dalam kasus, sehgga peelesaa dalam kasus megguaka regres dega pedekata area, atu Spatal Durb Model (SDM). Hasl statstka deskrptf, dketahu bahwa Rata-rata la PDRB atas dasar harga berlaku d Pulau Jawa adalah sebesar 3738 (Juta Rupah). Rata-rata populas peduduk d Pulau Jawa sebesar 83,6 rbu jwa. Rata-rata jumlah kejada becaa sebesar 8,583 kejada. Rata-rata jumlah korba jwa akbat becaa sebesar 89,3. Rata-rata jumlah kerusaka rumah akbat becaa sebesar 4. Rata-rata jumlah kerusaka fasltas umum akbat becaa sebesar 9,73. Berdasarka model Spatal Durb Model (SDM) ddapatka varabel predktor ag sgfka adalah populas peduduk, utuk varabel dega pembobot ag sgfka adalah jumlah kejada becaa arta kejada becaa d suatu wlaah berdampak pada wlaah la ag berdekata. Nla rho tdak sgfka, arta tdak terdapat keterkata PDRB atas dasar harga berlaku pada suatu wlaah dega wlaah la ag berdekata. Kata Kuc : Regres Spasal, Becaa Alam, Spatal Durb Model (SDM) I. PENDAHULUAN B esara kerusaka da keruga akbat dampak becaa d Idoesa sagat besar. Tsuam Aceh (24) membulka kerusaka da keruga Rp 39 Trlu. Berturut-turut Gempa Bum Yogakarta da Jawa Tegah tahu 26 (Rp 27 trlu), bajr Jakarta tahu 27 (Rp 4,8 trlu), Gempa Bum Sumatra Barat tahu 29 (Rp 2,6 trlu), da erups Merap tahu 2 d luar dar dampak lahar dg sebesar Rp 3,56 trlu []. Dampak fskal becaa secara asoal memag tergolog kecl. Sebaga msal, tsuam Aceh tahu 24 haa,3% dar produk domestk regoal bruto (PDRB) Idoesa. Namu prosetase tersebut sagat brsar d tgkat daerah atu mecapa 45% dar produk domestk regoal bruto (PDRB). Begtu pula Gempa Bum Yogakarta mecapa 4% da Gempa Bum Sumatera Barat sebesar 3% dar PDRB. Tetu sagat berat jka dbebaka kepada daerah, dalam kods ormal, saat baak daerah-daerah d Idoesa ag defst. Selama hampr 9 perse lebh sumber daa becaa berasal dar pemertah pusat. Kemampua pemertah megalokaska daa cadaga peaggulaga becaa setap tahu haa sektar Rp 4 trlu. Daa tersebut dguaka utuk megatas semua becaa [2]. Tujua dalam peelta atu utuk meusu da megkaj pemodela keruga makro ekoom ag dakbatka oleh adaa becaa alam dega megguaka metode spasal ekoometrk. Metode memugkka utuk memodelka keruga makro ekoom akbat becaa alam ag dduga berasal dar aspek lokas. II. TINJAUAN PUSTAKA A. Statstka Deskrptf Statstk deskrptf merupaka metode-metode ag berkata dega pegumpula da peaja suatu gugus data sehgga memberka formas ag bergua [3]. Statstka deskrptf dguaka utuk merepresetaska data dar formas ag dperoleh dar Bada Pusat Statstk (BPS) da Bada Pusat Peaggulaga Becaa (BNPB).Dega megguaka statstk dskrptf dapat dketahu karakterstk la PDRB atas harga berlaku da kejada becaa pada kabupate/kota d Pulau Jawa berserta varabel-varabel ag mempegaruh. Hasl aalss pada pembahasa dtamplka dalam betuk peta Pulau Jawa. B. Pemodela Regres Spasal Secara umum model regres spasal dataka dalam persamaa berkut [8]. = ρρww uu Dega uu = λλww 2 uu εε εε ~NN(, σσ 2 II) dmaa : Vektor varabel depede, berukura ρρ : Koefse spasal lag varabel depede : Matrks varabel depede, berukura (kk ) ββ : Vektor parameter koefse regres, berukura (kk ) λλ : Parameter koefse spasal lag pada error uu : Vektor error berukura εε : Vektor error berukura, ag berdstrbuas ormal dega mea ol da varas σσ 2 II

2 2 WW, WW 22 : Matrks pembobot, berukura II : Matrks dettas, berukura dega : Baak amata atau lokas ( =,2,, ) k : Baak varabel depede (kk =,2,, ll) Vektor error dasumska memlk efek lokas radom da berautokorelas secara parsal. W da W 2 merupaka matrks pembobot ag meujukka hubuga cotgut atau fugs jarak atar lokas da dagoala berla ol. Betuk matrks persamaa datas dtujukka sebaga berkut uu = [uu uu 2 uu ] TT εε = [εε εε 2 εε ] TT = [ 2 ] TT ww ww 2 ww ww 2 ww 22 ww WW atau WW 22 = 2 ww ww mm ww mm2 ww mmmm xx xx kk xx = 2 xx 2kk II xx = xx xx oooo C. Spatal Durb Model (SDM) Spatal Durb Model (SDM) memlk cr khas sedr atu adaa peambaha spasal lag pada varabel predktor (Asel, 988). Model SDM dataka pada persamaa berkut. = β wj β ( βx β2 x2... β k xk... βp x p ( β 2 w x β w x... β wj x pj ε j j 22 j 2 j 2 p dega k adalah baaka varabel predktor da adalah baaka pegamata. Model persamaa (2.8) dapat dataka dalam betuk matrk d maa vektor parameter koefse spasal lag varabel predktor dataka dalam β 2 sepert ag dtujukka pada persamaa berkut. atau j j k k 2k k = k = = 2 ρ W β β W β ε Dega Z = [ W] p = ρ w β β x β wj xkj ε = ρ W Zβ ε β = [β β β 2 ] T D. Depedes Spasal Spatal depedece mucul berdasarka hukum Tobler I (979) atu segala sesuatu salg berhubuga dega hal ag la tetap sesuatu ag lebh dekat mempua pegaruh ag besar. Asel (988) p meataka bahawa uj utuk megetahu spatal depedece d dalam error suatu model adalah dega megguaka statstk Mora s I da Lagrage Multpler tes. Tes Mora s I dguaka utuk megetahu adaa depedes spasal pada model regres [4]. Korelas pearso (ρρ) atara varabel x da dega baak data adalah sebaga berkut. ρρ = =(xx xx )( ) ( =(xx xx ) 2 ( ) 2 /2 = ) Dega xx da adalah rata-rata sampel dar varabel x da. Rumus ρρ dguaka utuk megukur apakah varabel x da salg berkorelas. Mora s I dguaka utuk megukur korelas atara varabel x dalam data sebaak. Formula dar Mora s I adalah sebaga berkut [5]. II MMMM = = jj = WW (xx xx )(xx jj xx ) SS =(xx xx ) 2 EE(II MMMM ) = II = vvvvvv(ii MMMM ) = 2 33 SS SS 2 2SS 2 ( )( 2)( 3)SS 2 SS = ww 2 ww jjjj 2 SS 2 = (ww 2 = ww ) 2 jj = SS = = ww ww = = ww ww = jj = ww Koefse Mora s I dguaka utuk uj depedes spasal atau autokorelas atar pegamata atau lokas. Hpotessa adalah sebaga berkut H :I = (tdak ada autokorelas atar lokas) H :I (ada autokorelas atar lokas) Statstk uj ag dguaka adalah. ZZ h = II MMss EE(II MMMM ) vvvvvv (II MMMM ) dmaa xx : data observas ke- ( =,2, ) xx jj : data observas ke-j (jj =,2, ) xx : rata-rata data observas vvvvvv (II) : varas Mora s I EE (II) : expected value Mora s I Keputusa H dtolak apabla ZZ h > ZZ (αα/2) pada tgkat sgfka αα. Nla dar dex I adalah atara - sampa. Apabla I > I berart data berautokorelas postf, jka I < I berart data berautokorelas egatf. Ideks Mora s I berla ol megdetfkas data tdak berkelompok, deks Mora s I berla postf megdetfkas autokorelas spasal postf ag arta lokas ag berdekata mempua la mrp da cederug berkelompok, deks Mora s I berla egatf megdetfkas autokorelas spasal egatf ag arta lokas ag berdekata mempua la berbeda. Pola pegelompokka da peebara atar lokas dapat dlhat dalam Mora s Scatterplot. Mora s Scatterplot meujukka hubuga atara la amata pada suatu lokas dstadartka dega rata-rata amata

3 3 pada lokas-lokas ag bertetaga dega lokas ag damat [6]. Mora s Scatterplot dtujukka pada Gambar. Apabla pada Gambar 2 dguaka metode Quee cotgut maka dperoleh susua matrks berukura 5x5 sebaga berkut: Wx..5. II I W quee = III -.5 Gambar Mora s I Scatterplot Mora s I Scatterplot terdr dar empat kuadra, atu kuadra I hgga kuadra IV. Pola ag terletak d kuadra I da III cederug memlk autokorelas postf, sedagka sebalka jka terletak d kuadra II da IV cederug memlk autokorelas egatve. Pejelasa masg-masg kuadra Gambar datas adalah sebaga berkut.. Kuadra I (Hgh-Hgh) Meujukka lokas ag mempua la amata tgg dkellg oleh lokas ag mempua la amata tgg 2. Kuadra II (Low-Hgh) Meujukka lokas ag mempua la amata redah dkellg oleh lokas ag mempua la amata tgg 3. Kuadra III (Low-Low) Meujukka lokas ag mempua la amata redah dkellg oleh lokas ag mempua la amata redah 4. Kuadra IV (Hgh-Low) Meujukka lokas ag mempua la amata tgg dkellg oleh lokas ag mempua la amata redah [7] E. Matrks Pembobot Spasal Pembobot ag dpaka adalah dega megguaka persgguga ss sudut (Quee Cotgut) adalah lokas ag berssa (commo sde) atau ttk suduta (commo vertex) bertemu dega lokas ag mejad perhata dber pembobota WW =, sedagka utuk lokas laa adalah WW =. Utuk lebh jelasa dapat dlhat pada Gambar berkut [4].. x IV Gambar 2 cotgut (Persgguga).5. Bars da kolom meataka rego ag ada pada peta. Matrks pembobot/pembag spasal merupaka matrks smetrs, da dega kadah bahwa dagoal utama selalu ol. Matrks dlakuka stadarsas utuk medapatka jumlah bars ag ut, atu jumlah bars sama dega satu, sehgga matrks mejad sebaga berkut: W quee,5 =,3,5,5,5,3,5,3,5 III. METODOLOGI PENELITIAN A. Sumber Data da Varabel Peelta Data ag dguaka dalam peelta atu data sekuder dar Bada Nasoal Peaggulaga Becaa (BNPB) utuk medapatka kejada-kejada becaa serta kerusaka ag dtmbulka akbat becaa d pulau Jawa ag mecakup 5 kota da kabupate. Sela tu juga dguaka data BPS tetag PDRB da populas peduduk. B. Varabel Peelta Model Spasal Ekoometrka ag dguaka dalam peelta adalah sebaga berkut ρ W β β W β ε = 2 Dmaa : = PDRB atas dasar harga berlaku ρ = Parameter scalar β = Vektor dar koefse regres W = Bobot matrk spasa[ ε = Error ag berdstrbus ormal multvarate dega mea sebesar µ da varas σσ 2 ll Sedagka varabel adalah sebaga berkut. = Populas peduduk per kota/kabupate 2 = Jumlah kejada becaa (melput semua becaa bajr, taah logsor, guug meletus, dll) 3 = Jumlah korba jwa (melput korba meggal, luka-luka, hlag, mederta, da megugs) 4 = Jumlah kerusaka rumah (melput rumah teredam, rusak berat, rusak sedag, da rusak rga)

4 4 5 = Jumlah kerusaka fasltas umum (melput fasltas peddka, kesehata, saraa perbadata, kator, pabrk, da kos) C. Metode Aalss Metode aalss ag dguaka utuk mecapa tujua adalah dega megguaka metode statstka deskrptf, peta tematk, da regres spasal. Adapu lagkah aalssa adalah sebaga berkut.. Medeskrpska karakterstk kejada becaa, jumlah korba jwa, jumlah kerusaka rumah, jumlah kerusaka fasltas umum, jumlah peduduk, serta la PDRB Atas Dasar Harga Berlaku dar kabupate/kota dalam betuk statstka deskrptf da peta tematk. Eksploras data dega peta tematk dguaka utuk megetahu pola peebara data per masg-masg varabel tersebut. 2. Melakuka pemodela regres spasal dega lagkah-lagkah sebaga berkut. a. Membuat Matrks Pembobot Spasal (W) ag dalam peelta matrks pembobot ag dguaka atu persgguga Quee Cotgut. b. Melakuka peguja regres sederhaa, atu estmas parameter, meguj sgfkas parameter dega uj parsal, da uj asums resdual regres dar data. Resdual data tdak memeuh asums resdual ormal, sehgga dlakuka trasformas l. c. Melakuka uj depedes spasal atau korelas dega megguaka Mora s I. Uj Mora s I dlakuka utuk masg-masg varabel respod da predktor. Apabla pola data berkelompok, maka terdapat spasal autokorelas sehgga dapat dlajutka ke pemodela spasal. d. Melakuka pemodela Spatal Durb Model (SDM) dega membuat matrks pembobot W dega eleme-elemea (w j ) berla da. Pemodela dlakuka berdasarka hasl estmas parameter ag telah ddapatka. e. Megtepretaska model ag telah terbetuk dmaa utuk predks la PDRB Berlaku mash dalam betuk l, sehgga utuk mempulka hasl da medapatka la keruga predks tersebut dbawa kembal ke dalam betuk ekspoesal/ at l. f. Mempulka hasl ag dperoleh IV. HASIL DAN PEMBAHASAN A. Statstka Deskrptf Becaa Alam da Varabel ag Mempegaruh Rata-rata la PDRB atas dasar harga berlaku d Pulau Jawa adalah sebesar 3738 (Juta Rupah) dega la mmum sebesar 237 (Juta Rupah) da la maksmum sebesar (Juta Rupah). Rata-rata populas peduduk d Pulau Jawa sebesar 83,6 (Rbu Jwa) dega la mmum sebesar 2,7 (Rbu Jwa) da la maksmum sebesar 4949,5 (Rbu Jwa). Rata-rata jumlah kejada becaa d Pulau Jawa sebesar 8,583 kejada dega la mmum atu tdak terjad becaa / da la maksmum atu sebesar 54 kejada. Ratarata jumlah korba jwa akbat becaa alam d Pulau Jawa sebesar 89,3 dega la mmum atu tdak terdapat korba / da la maksmum atu sebesar.95 jwa. Rata-rata jumlah kerusaka rumah akbat becaa d Pulau Jawa sebesar 4 dega la mmum atu tdak terdapat kerusaka rumah / da la maksmum atu sebesar Rata-rata jumlah kerusaka fasltas umum akbat becaa d Pulau Jawa sebesar 9,73 dega la mmum atu tdak terdapat kerusaka fasltas umum / da la maksmum atu sebesar 27. B. Tes Mora s I Hasl tes Mora s I utuk masg-masg varabel dega megguaka matrks pembobot Quee Cotgut atu sebaga berkut. Tabel Uj Autokorelas atar Wlaah Megguaka Mora s I Varabel Mora s Z htug I PDRB Berlaku Populas Peduduk ( ) Jumlah Kejada Becaa ( 2 ) Jumlah Korba Jwa ( 3 ) Jumlah Kerusaka Rumah ( 4 ) Jumlah Kerusaka Fasltas Umum ( 5 ) Z,5 =,64 I = -.88 Hasl tes Mora s I dega megguaka matrks pembobot quee cotgut dtujukka pada Tabel Suatu varabel dkataka sgfka berautokorelas spasal apabla deks mora s lebh besar dar I da bertada postf serta la Z htug lebh besar dar Z.5. Sedagka jka deks mora s meghaslka la egatf berart terjad autokorelas egatf da meujukka pola data ag bersfat meebar. Berdasarka hasl tabel tersebut dketahu bahwa semua varabel depede meghaslka la Mora s I ag lebh besar darpada I, utuk varabel Populas peduduk ( ), Jumlah Kejada Becaa ( 2 ), Jumlah Korba Jwa ( 3 ) meghaslka la Z htug ag lebh dar Z α/2 da Mora s I berla postf hal berart bahwa terjad pegelompokka wlaah secara sgfka. Sedagka utuk varabel jumlah kerusaka rumah ( 4 ), da jumlah kerusaka fasltas umum ( 5 ) meujukka adaa autokorelas egatf. Varabel depede PDRB berlaku meghaslka la Mora s I ag lebh besar darpada I da berla postf. Hal tersebut dapat dsmpulka bahwa terdapat spasal autokorelas da meujukka pola data ag berkelompok. C. Pemodela Spasal Hasl detfkas dega la Mora s I utuk setap varabel meujukka bahwa depedes atarlokas ag berdekata tdak haa terjad pada varabel respo, amu juga terjad pada varabel

5 5 predktor. Oleh karea tu, dlakuka aalss dega megguaka metode SDM. Estmas parameter dega metode SDM dsajka pada Tabel berkut. Tabel 2. Estmas Parameter SDM Varabel Koefse Z P-Value β 7, , β, , β 2 -, ,7887 β 3 -, ,248 β 4,6.3558,752 β 5, ,3423 β 2,.37,787 β 22 -, ,28 β 23 -, ,2347 β 24,72.252,228 β 25 -, ,8272 ρ, ,24 Rsq = 6,63% α = 5% Berdasarka tabel 2 varabel ag sgfka pada tgkat sgfkas 5 perse atu populas peduduk. Sedagka utuk varabel dega pembobot ag sgfka pada tgkat sgfkas 5 perse atu jumlah kejada becaa arta kejada becaa d suatu wlaah berdampak pada wlaah la ag berdekata. Nla rho meujukka hasl ag sgfka pada tgkat sgfkas 5 perse, arta terdapat keterkata keruga makroekoom akbat becaa alam berdasarka predks peurua la PDRB atas dasar harga berlaku pada suatu wlaah dega wlaah la ag berdekata. Nla Rsq=6,63 % berart bahwa model tersebut mampu mejelaska varas dar PDRB atas dasar harga berlaku sebesar 6,63 % da ssaa 38,37 % djelaska oleh varabel la d luar model. Model umum utuk keruga makro ekoom ag dakbatka adaa becaa alam dtjau dar la PDRB atas dasar harga berlaku ag telah dubah kedalam betuk trasformas l adalah sebaga berkut. ˆ =,374 Wj j 7,525,83,248 2,26 3,6 4,77 5, Wj j, 778 Wj 2 j,99 Wj 3 j,72 Wj 4 j,6 Wj 5 j Berkut dpaparka model SDM utuk kabupate da kota d masg-masg provs d pulau Jawa berdasarka jumlah kejada becaa ag terbaak. Sebaga cotoh atu wlaah Jakarta Selata. Jakarta Selata ˆ =,374( ) 7,525,83,248 2,26 3,6 4,77 5,( ),778( ),99( ),72( ),6( ) Model SDM utuk Jakarta Selata datas dapat duraka berdasarka koefse dega hasl sebaga berkut. ˆ =,229( ) 7,525,83,248 2,26 3,6 4,77 5,67( ),3 ( ),65( ),2( ),268( ) Berdasarka model SDM utuk Jakarta Selata dapat dsmpulka bahwa varabel ag sgfka berpegaruh adalah populas peduduk, arta jka populas peduduk d Jakarta Selata, Garut, Woogr, Slema, Bojoegoro, da Lebak ak sebaak jwa, maka PDRB atas dasar harga berlaku d Jakarta Selata, Garut, Woogr, Slema, Bojoegoro, da Lebak bertambah sebesar,83. Sedagka varabel ag sgfka dega wlaah ag berdekata adalah jumlah kejada becaa. Pegaruh jumlah kejada becaa terhadap keruga makro ekoom dtjau berdasarka la PDRB atas dasar harga berlaku berbeda-beda utuk setap kabupate/kota.sebaga cotoh utuk wlaah Jakarta Selata, jka jumlah kejada becaa d Jakarta Selata bertambah kejada, serta jumlah kejada becaa d Jakarta Pusat, Jakarta Tmur, Jakarta Barat, Depok, Kab. Tagerag da Kota Tagerag bertambah kejada maka la PDRB atas dasar harga berlaku d Jakarta Selata aka berkurag sebesar,3. V. KESIMPULAN Berdasarka hasl aalss da pembahasa ag telah dlakuka, ddapatka beberapa kesmpula atara la sebaga berkut.. Karakterstk becaa alam ag perah terjad d Pulau Jawa serta keruga ag dhaslka berdasarka la PDRB atas harga berlaku adalah sebaga berkut. Rata-rata la PDRB atas dasar harga berlaku d Pulau Jawa adalah sebesar 3738 (Juta Rupah) dega la mmum sebesar 237 (Juta Rupah) da la maksmum sebesar (Juta Rupah). Rata-rata populas peduduk d Pulau Jawa sebesar 83,6 rbu jwa dega la mmum

6 6 sebesar 2,7 rbu jwa da la maksmum sebesar 4949,5 rbu jwa. Rata-rata jumlah kejada becaa d Pulau Jawa sebesar 8,583 kejada dega la mmum atu tdak terjad becaa da la maksmum atu sebesar 54 kejada. Rata-rata jumlah korba jwa akbat becaa alam d Pulau Jawa sebesar 89,3 dega la mmum atu tdak terdapat korba da la maksmum atu sebesar 95 jwa. Rata-rata jumlah kerusaka rumah akbat becaa d Pulau Jawa sebesar 4 dega la mmum atu tdak terdapat kerusaka rumah da la maksmum atu sebesar Rata-rata jumlah kerusaka fasltas umum akbat becaa d Pulau Jawa sebesar 9,73 dega la mmum atu tdak terdapat kerusaka fasltas umum da la maksmum atu sebesar 27 DAFTAR PUSTAKA [] Bada Nasoal Peaggulaga Becaa (22). Dampak Becaa Terhadap Ekoom Idoesa, op/25-dampak-becaa-terhadap-ekoomdoesa.html. 24 September 23: 2.5 PM. [2] Global Assessmet Report (2), Dampak Becaa Terhadap Ekoom Idoesa. op/25-dampak-becaa-terhadap-ekoomdoesa.html. 24 September 23: 9.3 PM. [3] Walpole, R. E. (995). Pegatar Statstka (Ketga ed.). Jakarta: PT. Grameda Pusaka. [4] LeSage, J.P. (999), The Theor ad Practce of Spatal Ecoometrcs, Asa Pacfc Press. [5] Parads, E. (23). Mora's Autocorrelato Coeffcet Comparatve Methods. New York: Sprger. [6] Lee, J., & Wog, S. W. (2). Statstcal Aalss wth Archew GIS. Uted Stated of Amerca: Joh Wlle & Sos, INC. [7] Perobell, F. S., & Haddad, E. (23). Brazla Iterregoal trade ( ): A Explorator Spatal Data Aalss. Sao Paulo: Ed. Perspectva. [8] Asel, L. (988). Spatal Ecoometrcs Methods ad Models. Netherlads: Kluwer Academc Publshers. 2. varabel ag sgfka pada tgkat sgfkas 5 perse atu populas peduduk. Sedagka utuk varabel dega pembobot ag sgfka pada tgkat sgfkas 5 perse atu jumlah kejada becaa arta kejada becaa d suatu wlaah berdampak pada wlaah la ag berdekata. Nla rho meujukka hasl ag sgfka pada tgkat sgfkas 5 perse, arta terdapat keterkata keruga makroekoom akbat becaa alam berdasarka predks peurua la PDRB atas dasar harga berlaku pada suatu wlaah dega wlaah la ag berdekata. Nla Rsq=6,63 % berart bahwa model tersebut mampu mejelaska varas dar PDRB atas dasar harga berlaku sebesar 6,63 % da ssaa 38,37 % djelaska oleh varabel la d luar model. Spatal Durb Model (SDM) ag dhaslka adalah sebaga berkut. ˆ =,374 Wj j 7,525,83,248 2,26 3,6 4,77 5, Wj j, 778 Wj 2 j,99 Wj 3 j,72 Wj 4 j,6 Wj 5 j,87 Wj 3 j,59 Wj 4 j,69 Wj 5 j ŷ dmaa merupaka la predks l PDRB berlaku d kabupate / kota ke- (Juta Rupah)

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, BAB LANDASAN TEORI Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut varabel tak bebas (depedet

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

X a, TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA)

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA) Jural EKSPONENSIAL Volume 8, Nomor, Me 7 ISSN 85-789 Aalss Autokorelas Spasalttk Paas D Kalmata Tmur Megguaka Ideks Mora da Local Idcator Of Spatal Autocorrelato (LISA) Aalyss Spatal Autocorrelato Hotspot

Lebih terperinci

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

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

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

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

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

Lebih terperinci

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Tgg tekaa [m] UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 11 Desember 017 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 50%] Sebuah PDAM melakuka pegukura

Lebih terperinci

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR Rokhaa Dw Bekt Mathematcs & Statstcs Departmet, School of Computer Scece, Bus Uversty Jl. K.H. Syahda No. 9, Palmerah, Jakarta

Lebih terperinci

Analisis Korelasi dan Regresi

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

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

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

Lebih terperinci

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB 2 TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB TINJAUAN TEORITIS 1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga kumpula

Lebih terperinci

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK J u r a l E K B I S / V o l. X III/ N o. 1 / e d s M a r e t 0 1 5 69 SPATIAL PATTERN ANALYSIS DAN SPATIAL AUTOCORRELATION PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI UNTUK MENGGAMBARKAN PEREKONOMIAN

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

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

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

Lebih terperinci

REGRESI LINIER SEDERHANA

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

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

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

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

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

Lebih terperinci

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

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

Lebih terperinci

Statistika ITS Surabaya

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

Analisis Spasial pada Aglomerasi Industri Manufaktur

Analisis Spasial pada Aglomerasi Industri Manufaktur UGAS MAA KULIAH ANALISIS SPASIAL Aalss Spasal pada Aglomeras Idustr Maufaktur d Pulau Jawa Dose: Dr. Sutko Dr. Setawa Dsusu Oleh: RINDANG BANGUN PRASEYO NRP. 33 30 70 PROGRAM SUDI DOKOR JURUSAN SAISIKA

Lebih terperinci

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska

Lebih terperinci

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2.

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2. p-issn 979 3693 e-issn 477 0647 MEDIA STATISTIKA 0() 07: 95-05 http://ejoural.udp.ac.d/dex.php/meda_statstka ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI

Lebih terperinci

Bab II Teori Pendukung

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

JSIKA Vol. 6, No. 3. Tahun 2016 ISSN X

JSIKA Vol. 6, No. 3. Tahun 2016 ISSN X Pegukura Kualtas Webste Bada Kepegawaa Negara Kator Regoal II Dega Megguaka Metode WebQual 4.0. Flemo Edw Haraja 1) Patjawat Sudarmagtyas 2) Marya Mujayaa Program Stud/Jurusa Sstem Iformas Isttut Bss da

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 7, No. 2 (2018), ( X Print)

JURNAL SAINS DAN SENI ITS Vol. 7, No. 2 (2018), ( X Print) Pemodela Persetase Peserta KB Aktf Metode Kotraseps Jagka Paag (MKJP) d Provs Jawa Tmur Megguaka Regres Noparametrk Sple Trucated Novala Dwta Pramtasar da I Nyoma Budatara Departeme Statstka, Fakultas

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

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

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

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

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

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

Lebih terperinci

PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2.

PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2. Pemetaa Peyakt (Hasb Yas) PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN Hasb Yas 1, Ragl Saputra 1 Jurusa Statstka FSM UNDIP Jurusa Iformatka FSM UNDIP Abstract

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

ANALISIS KORELASI DAN REGRESI (LINEAR)

ANALISIS KORELASI DAN REGRESI (LINEAR) ANALISIS KORELASI DAN REGRESI (LINEAR) Hubuga atara dua kejada dapat dyataka dega hubuga dua varabel Apabla dua varabel da mempuya hubuga, maka la varabel yag sudah dketahu dapat dperguaka utuk memperkraka/meaksr.

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND STATISTICAL STUDNT OF IST AKPRIND Sekretarat : Jl. Bmasakt No:3 Pegok Yogakarta 55 Tlp. 74 54454 -mal : statstkasta@ahoo.com Blog : http://sssta.wordpress.com/ Aalss Regres Lses Dokume: Coprght sssta.wordpress.com

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi 3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

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

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

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD) PENDAHULUAN Latar Belakag Kods suatu daerah secara umum berkata dega kods d daerah la, terutama daerah yag berdekata. Pola sepert dkeal dega hubuga spasal. Besara autokorelas spasal dapat dguaka utuk megdetfkas

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci