KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH. Elen Dwi Pradewi 1, Sudarno 2
|
|
- Widya Atmadjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Kaa Estmas-M (Ele) KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH Ele Dw Pradew, Sudaro Alum Program Stud Statsta FSM Uverstas Dpoegoro Staf Pegaar Program Stud Statsta FSM Uverstas Dpoegoro Abstract Ordary Least Squares (OLS) s oe method of parameter estmato regresso aalyss. However, the presece of outlers ca cause estmato of regresso coeffcets obtaed are ot exact. Act of throwg away a outler s ot a wse move, because sometmes outlers provde sgfcat formato. Therefore, robust regresso methods are eeded to data cota outlers. Ths paper wll use robust regresso estmato method by M-estmato. Ths estmato use Iteratvely Reweghted Least Squares (IRLS) method wth weghtg fucto by Huber ad Tuey Bsquare. IRLS s appled to the case of food securty Cetral Java 7 that s flueced by the stoc of rce, harvested area, average producto, prce of rce ad the amout of cosumpto. The purpose of ths wrtg s to compare goodess of M-estmato IRLS usg Huber ad Tuey Bsquare fucto estmatg the model parameters of food securty Cetral Java 7. Based o the research results ca be cocluded that the M-estmato by the Tuey Bsquare s better recommeded tha Huber fucto. Ths ca be see by value results of Mea Square Error ad determato coeffcet. Keywords: Robust Regresso, Iteratvely Reweghted Least Squares, Outler, Huber Weghtg Fucto, Tuey Bsquare Weghtg Fucto.. Pedahulua Aalss regres merupaa salah satu te aalss statsta yag palg baya dguaa. Aalss regres ba yag lear maupu yag olear. Pada eada seharhar terdapat hubuga sebab abat yag mucul, ba yag terad pada bdag sas, sosal, dustr maupu bss. Keada-eada tersebut dapat dmodela dalam betu fugs regres. Secara umum, aalss regres bereaa dega stud etergatuga suatu varabel depede (ta bebas) pada satu atau lebh varabel depede (bebas), dega masud etergatuga model tu dapat dperguaa sebaga alat preds eada utu watu yag aa datag [,3]. Salah satu tuua dalam aalss regres adalah megestmas oefse regres dalam model regres. Model regres merupaa suatu cara formal utu megespresa dua usur petg suatu hubuga statst, yatu ecederuga berubahya varabel ta bebas secara sstemats seala dega berubahya varabel bebas da berpecarya tttt d setar urva tasra model tu. Metode yag basa dguaa utu megestmas oefse regres yatu metode uadrat terecl. Namu, metode mesyarata bahwa dstrbus data harus memeuh asums las dar regres, yatu lear dalam parameter, galat berdstrbus ormal dega rataa ol da ragam osta, atar galat tda berorelas, atar predtor tda bermultoleartas. Ja data tda memeuh salah satu asums las regres, maa peduga metode uadrat terecl tda lag efse [8]. Pecla merupaa data yag laya atau letaya berbeda sagat sgfa terhadap umpula data laya. Ada baya cara pedetesaya, da peyaaya dapat berupa graf atau la. Adaya pecla dalam data dapat megabata estmas
2 Meda Statsta, Vol. 5, No., Ju : - oefse regres yag dperoleh tda tepat. Hal dapat dtuua dega la stadar error yag besar apabla megguaa metode uadrat terecl. Namu dema tdaa membuag begtu saa suatu pecla bualah tdaa yag basaa area ada alaya pecla membera formas yag cuup berart. Oleh area tu, dperlua suatu estmas yag bersfat robust atau taha terhadap pecla yag deal dega regres robust. Suatu estmas yag taha adalah relatf tda terpegaruh oleh perubaha besar pada baga ecl data atau perubaha ecl pada baga besar data [5,6]. Beberapa metode estmas dalam regres robust dataraya adalah estmas-m, Least Trmmed Squares (LTS), Least Meda Squares (LMS), estmas S da estmas MM (Method of Momet) []. Estmas-M merupaa suatu metode regres robust yag tereal da palg luas dguaa darpada metode regres robust yag la, area haslya lebh telt. Metode Iteratvely Reweghted Least Squares (IRLS) merupaa salah satu metode teras pada estmas-m yag memerlua 3 fugs pembobot, yatu metode uadrat terecl, fugs Huber da fugs Bsquare Tuey. Fugs pembobot yag aa dplh adalah fugs pembobot Huber da fugs pembobot Bsquare Tuey. Masalah yag aa dbahas dalam tulsa adalah pegua etdapeuha asums las, cara pedetesa pecla da peasra model pada data etahaa paga Jawa Tegah tahu 7 megguaa metode refres robust hgga ddapat tasra model terbaya. Tuua dar peulsa adalah utu megguaa regres robust estmas-m IRLS dega fugs pembobot Huber da Tuey Bsquare pada umpula data yag terdapat pecla.. Taua Pustaa. Coo s Dstace Metode utu medetes adaya pecla adalah megguaa Coo s Dstace, yatu ( b b() )' X' X( b b() ) D p MSE dega: b = vetor oefse regres dega semua pegamata ut dalam pembetua model regres b () = vetor oefse regres yag tda megutsertaa pegamata e- dalam pembetua model regres X = matrs varable predctor uura ( x p) p = bayaya parameter MSE = Mea Square Error dar semua pegamata dalam pembuata model regres e = Suatu umpula data pegamata dataa megadug pecla a la pegamata p D, dega meyataa uura sampel [4].
3 Kaa Estmas-M (Ele). Estmas-M IRLS Salah satu elas estmas robust yag palg petg da palg luas dguaa adalah estmas-m yag dpereala oleh Huber. Pada prspya estmas-m merupaa estmas yag memmuma suatu fugs obetf m (e ) m y x Fugs merupaa represetas pembobot dar resdual. Utu memperoleh suatu sala varat dar estmator, basaya dlaua dega meyelesaa persamaa y x e m ( ) m s s dega ˆ, ˆ,, ˆ merupaa la estmas-m dar,,, yag memmuma y x e ( u ) () s s dmaa ( u ) adalah fugs smetrs dar resdual atau fugs yag membera otrbus pada masg-masg resdual pada fugs obetf []. Pada umumya, suatu estmas sala robust perlu destmas. Plha estmas yag populer utu s adalah meda e meda(e ) s,6745 Pemlha ostata,6745 membuat sedema hgga s merupaa suatu estmator yag medeat ta bas dar, a besar da error berdstrbus ormal [4]..3 Peyelesaa utu Koefse Regres Utu memmuma persamaa (), turua parsal pertama dar terhadap,,,,, harus dsamaa dega. Sehgga aa meghasla suatu syarat perlu utu mmum. I meghasla sstem persamaa (): y x x,,,, s dega ' da x adalah observas e- pada regresor e- da x =. () 3
4 Meda Statsta, Vol. 5, No., Ju : - Ddefsa suatu fugs bobot y x s w (u ) y x da msal w w(u ). Maa persamaa () dapat dtuls sebaga x w y x,,,, Pada umumya, fugs tda lear da persamaa () harus dselesaa dega metode teras. Estmas oefse regres dega estmas-m dlaua dega estmas uadrat terecl dega pembobot teratf. Prosedur estmas membutuha proses teras dmaa w aa berubah pada tap terasya sehgga dperoleh ˆ ˆ, ˆ,,. Prosedur tersebut damaa Iteratvely Reweghted Least Squares (IRLS). Utu megguaa IRLS, aggap bahwa suatu estmas awal ˆ ada da s adalah suatu estmas sala. Utu parameter dega p adalah umlah parameter yag aa destmas, maa ˆ x w y x,,,, dega y x ˆ s w, a y x ˆ (3) y x ˆ, a y x ˆ Utu asus regres bergada perhtuga parameterya dapat dperoleh dar persamaa matrs X' W X ˆ X' W Y W adalah matrs dagoal beruura ( x ) dar bobot dega eleme-eleme dagoal w,w,, w dbera oleh persamaa (3). Maa dar tu, estmator satu lagah adalah ˆ ( X' W X ) X' W Y Pada lagah selautya, dhtug embal bobot dar w w(u ) tetap megguaa ˆ sebaga peggat ˆ, da seterusya. Perhtuga teras dheta bla perubaha yag terad pada oefse regres yatu selsh atara ˆ l l dega ˆ lebh ecl dar,%, dega Estmas regres robust dega estmas-m IRLS dapat dtuls ˆ l l X'W X l X'W X 4
5 Kaa Estmas-M (Ele) Estmas uadrat terecl dapat dguaa sebaga la permulaa, ˆ dapat dtulsa sebaga berut ˆ l ( X' W X) l X' W Y ˆ. Selautya, utu.4 Fugs Pembobot Fugs pembobot dalam estmas-m bergatug pada resdual da ostata tertetu. Fugs pembobot yag dguaa adalah MKT, Huber da Bsquare Tuey.. Fugs pembobot Metode Kuadrat Terecl w LS (u ). Fugs pembobot Metode Huber, utu u r w r H (u ), utu u u 3. Metode Bsquare Tuey u w B (u ) r, utu u r, utu u r Pada persamaa d atas u merupaa resdual e-, sedaga la r dyataa dega tug costat. Tug costat dalam regres robust meetua erobusa peasr terhadap pecla da efses peasr dalam etdaadaa pecla. Ja dambl α = 5%, maa estmas-m Huber aa efetf dguaa blamaa r =,345 sedaga pada Bsquare Tuey blama r = 4,685. Permasalaha dalam estmas regres robust adalah perlu dlaua pemlha tug costat agar estmas yag dperoleh lebh spesf da memmuma umlah uadrat resdual [4]. r 3. Hasl da Pembahasa 3. Sumber Data Pada tulsa aa dlaua estmas regres robust pada model raso etersedaa beras d Jawa Tegah pada tahu 7. Data yag dguaa adalah data seuder yag bersumber dar Bada Pusat Statst Jawa Tegah. Adapu utu hubuga varable raso etersedaa beras d Jawa Tegah dpegaruh oleh sto beras, luas areal pae, rata-rata produs pad, rata-rata harga beras, da umlah osums beras, yag dsaa pada Tabel berut. 5
6 Meda Statsta, Vol. 5, No., Ju : - Tabel. Data Ketahaa Paga d Jawa Tegah Tahu 7 [7] Kab/Kota Produs Sto Luas RataProd Harga Jmlos Raso (to) (to) (Ha) (to/ha) (Rp/to) (to) Clacap 6, , ,39 Bayumas 35, , ,8 Purbalgga 88, , ,3 Baaregara 45, , ,49 Kebume 36, , ,64 Purworeo 84, , ,5 Woosobo 56, , ,83 Magelag 8, , ,3 Boyolal 5, , ,4 Klate 37, , ,57 Suoharo 67, , ,89 Woogr 69, , ,43 Karagayar 43, , ,68 Srage 493, , ,9 Groboga 57, , ,8 Blora 3, , ,4 Rembag 3, , ,4 Pat 385, , ,9 Kudus 7, , ,46 Jepara 98, , ,64 Dema 5, , ,34 Semarag 7, , ,68 Temaggug 77, , ,4 Kedal 4, , , Batag 7, , ,7 Pealoga 3, , ,35 Pemalag 357, , ,33 Tegal 98, , ,87 Brebes 458, , ,8 Kota Magelag, , ,7 Kota Suraarta, , ,3 Kota Salatga 7, , ,36 Kota Semarag 4, , ,5 Kota Pealoga, , ,38 Kota Tegal 7, , ,6 3. Idetfas Varabel Berut adalah data-data yag dperlua dalam peelta.. Varabel Ta Bebas Varabel ta bebas berupa raso etersedaa beras d Jawa Tegah pada tahu 7. Nla raso dperoleh dar perbadga atara produs da osums beras d tap daerah.. Varabel Bebas Beberapa varabel bebas yag dguaa dalam peelta berupa data fatorfator yag dduga mempegaruh raso etahaa paga d Jawa Tegah, melput: 6
7 Kaa Estmas-M (Ele). Sto beras (X ). Luas pae pad (X ) 3. Rata-rata produs (X 3 ) 4. Harga beras (X 4 ) 5. Jumlah osums (X 5 ) 3.3 Metode Kuadrat Terecl Setelah dolah megguaa batua Software Mtab 4 dperoleh tasra model regres dega metode uadrat terecl yatu ŷ,3,45 x,48 x,88 x3,37 x4,7 x5 Selautya aa dlaua pegua asums las yag bertuua utu melhat apaah tasra model yag dperoleh terdapat peympaga las atau tda. Teryata setelah dlaua u asums las yag melput u asums: ormaltas, omultoleartas adalah dpeuh, tetap utu asums oautoorelas da homosedaststas tda dpeuh. Sehgga perlu dlaua peagaa lebh laut agar dperoleh estmas regres yag tepat, yatu dega megguaa estmas-m pada regres robust dega fugs pembobot Huber da Bsquare Tuey. Hal dmuga terdapat pecla pada data tersebut. Oleh area tu, utu lagah selautya perlu dlaua pedetesa pecla. 3.4 Pedetesa Pecla Utu medetes pecla dar data ddetes megguaa metode Coo s dstace. Berdasara hasl perhtuga ddapat hasl bahwa data e-,yatu Kabupate Clacap, data e-4, yatu Kabupate Srage da data e-33 yatu Kota Semarag merupaa pecla area mempuya la yag lebh besar dar 6/35 =,743, yatu masg-masg,554;,494 da Estmas-M IRLS Adaya pecla pada data etahaa paga tahu 7 meyebaba tasra model regres belum bsa dataa ba. Karea terdapat asums las yag tda dpeuh. Sehgga perlu dlaua alteratf la utu megestmas parameterparameter yag tda pea terdapat pecla yatu dega metode regres robust dega IRLS. Aa dperguaa metode estmas-m IRLS megguaa fugs pembobot Huber da Bsquare Tuey. Prosesya megguaa cara teratf IRLS dega Fugs Huber Proses teratf dmula dega meetua estmas awal oefse regres yag dperoleh dega metode uadrat terecl. Tasra model yag dperoleh adalah ŷ,3,45 x,48 x,88 x,37 x,7 x Selautya, dhtug la resdual e la s dar 35 abupate/ota, yatu meda e meda e s,44,6745 Sala resdual utu semuaya megguaa e u,,,,35 s 3 y ŷ dega,,, 35, da dhtug pula 4 5 7
8 Meda Statsta, Vol. 5, No., Ju : - Krtera pembera bobot pada fugs Huber berdasara la sala resdualya, u,345 w,345,,,,35, u,345 u Pada teras pertama megguaa WLS dega pembobot w dperoleh tasra model regres lear sebaga berut: ŷ,,48 x,49 x,3 x3,35 x4,7 x5 Nla resdual dar model teras dguaa utu teras e-. Itetras aa terus berlaut hgga dperoleh la ˆ yag overge atau sama dega hasl teras sebelumya. Teryata hasl perhtuga ˆ utu tap teras berhet pada teras e-8, area la ˆ yag baru sama dega la ˆ sebelumya, sepert yag tertuls d bawah. Tabel. Hasl Iteras Estmas Parameter megguaa Fugs Huber Iteras Huber ˆ ˆ ˆ ˆ 3 ˆ 4 ˆ 5 MKT,3 -,45,48,88 -,37 -,7, -,48,49,3 -,35 -,7,3 -,48,48,53 -,3 -,7 3,3 -,48,48,6 -,33 -,8 4,8 -,48,48,6 -,34 -,8 5,4 -,47,48,5 -,35 -,8 6,7 -,47,48,48 -,36 -,8 7,7 -,47,48,47 -,36 -,8 8,7 -,47,48,47 -,36 -,8 Jad dega megguaa estmas-m IRLS memaa fugs pembobot Huber dperoleh tasra model regres ler sebaga berut ŷ,7,47 x,48 x,47 x,36 x,8 x 3.5. IRLS dega Fugs Bsquare Tuey Ja megguaa metode IRLS dega fugs pembobot Bsquare Tuey. Proses teratf dmula dega meetua estmas awal oefse regres yag dperoleh dega metode uadrat terecl. Model yag dperoleh adalah ŷ,3,45 x,48 x,88 x,37 x,7 x Selautya, dhtug la resdual e la s dar 35 abupate/ota, yatu meda e meda e s,44,6745 Sala resdual utu semuaya megguaa e u,,,,35 s 3 3 y ŷ dega,,, 35, da dhtug pula
9 Kaa Estmas-M (Ele) Krtera pembera bobot pada fugs Bsquare Tuey berdasara la sala resdualya u, u 4,685 w 4,685,,,,35, u 4,685 Pada teras pertama megguaa WLS dega pembobot w dperoleh tasra model regres lear sebaga berut ŷ,6,48 x,48 x,44 x3,34 x4,7 x5 Nla resdual dar model teras aa dguaa utu teras e-. Iteras aa terus berlaut hgga dperoleh la ˆ yag overge atau sama dega hasl teras sebelumya. Dalam aa hasl perhtuga ˆ utu setap teras teryata berhet pada teras e-8, yatu dega dhaslaya la ˆ yag baru sama dega la ˆ sebelumya, sepert yag tertabela berut. Tabel 3. Hasl Iteras Estmas Parameter megguaa Fugs Bsquare Tuey Iteras Bsquare Tuey ˆ ˆ ˆ ˆ 3 ˆ 4 ˆ 5 MKT,3 -,45,48,88 -,37 -,7,6 -,48,49,44 -,34 -,7,93 -,49,48,69 -,3 -,7 3,9 -,49,48,8 -,3 -,8 4,94 -,49,48,8 -,34 -,8 5,99 -,48,48,77 -,35 -,8 6,3 -,48,48,7 -,35 -,8 7,4 -,48,48,68 -,36 -,8 8,4 -,48,48,68 -,36 -,8 Jad dega megguaa estmas-m IRLS memaa fugs pembobot Bsquare Tuey dperoleh tasra model regres lear ŷ,4,48 x,48 x,68 x,36 x,8 x Model Terba Krtera yag dpaa utu meetua model regres terba adalah megguaa R da MSE. Hasl perbadga atara R da MSE pada fugs adusted 3 adusted pembobot Huber da Tuey Bsquares dsaa pada Tabel 4 berut Tabel 4. Hasl Krtera Model Berdasara Fugs Pembobot Fugs Pembobot R adusted (%) MSE Huber 85,7,7 Bsquare Tuey 86,,573 Berdasara hasl d atas, dapat dataa bahwa metode yag palg ba utu megestmas model etahaa paga d Jawa Tegah pada tahu 7 adalah megguaa metode fugs pembobot Bsquare Tuey, dega tgat epercayaa model sebesar 86, % bahwa raso etersedaa beras dpegaruh oleh sto beras, luas 4 5 9
10 Meda Statsta, Vol. 5, No., Ju : - pae, rata-rata produs, harga beras, umlah osums. Sedaga 3,9% dpegaruh oleh fator la atau esalaha yag bersfat radom. 4. Kesmpula Berdasara pembahasa yag telah dlaua, dapat dsmpula bahwa:. Pedetesa pecla yag dlaua megguaa Coo s dstace meduga bahwa data e-, e-4 da data e-33 masg-masg sebaga pecla, yatu abupate Clacap, Kabupate Srage da Kota Semarag.. Tasra model regres pada data etahaa paga d Jawa Tegah tahu 7 adalah sebaga berut a) Megguaa fugs pembobot Huber ŷ,7,47 x,48 x,47 x3,36 x4,8 x5 b) Megguaa fugs pembobot Bsquare Tuey ŷ,4,48 x,48 x,68 x3,36 x4,8 x5 3. Berdasara la MSE da oefse determas dapat dataa bahwa metode estmas-m IRLS dega fugs pembobot Bsquare Tuey lebh ba dplh dar pada megguaa fugs pembobot Huber utu tasra model etahaa paga d Jawa Tegah tahu 7. DAFTAR PUSTAKA. Ba, L.J., ad Egelhart, M., Itroducto to Probablty ad Mathematcal Statstcs, Secod Edto, Duxbury Press, Belmot, Calfora, 99.. Che, C., Robust Regresso ad Outler Detecto wth the ROBUSTREG Procedure, Preseted at Sug No. 7, Isttute Ic., Cary NC, Guarat, D., Bascs Eoometrcs, McGraw-Hll, Ic., Motgomery, D.C. ad Pec, E.A., Itroducto to Ler Regresso Aalyss, Joh Wley ad Sos, New Yor, Sembrg, R.K., Aalss Regres, Peerbt ITB, Badug, Soemart, Pecla (Outler), FMIPA Uverstas Padadara, dases pada taggal Me. 8. Yafee, R.A., Robust Regresso Aalyss: Some Popular Statstcal Pacage Optos, Academc Computg Servces,.
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 terperinciBAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam
BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciII. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan
II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion
Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciANALISIS 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 terperinciBAB I PANDAHULUAN. 1.1 Latar Belakang
BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,
Lebih terperinciadalah nilai-nilai yang mungkin diambil oleh parameter jika H
Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu
Lebih terperinciANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD
Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD
Lebih terperinciKAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT
Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON
Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)
ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP
Lebih terperinciAnalisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)
Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number
Lebih terperinciBukti Teorema Sisa China dengan Menggunakan Ideal Maksimal
Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya
Lebih terperincititik tengah kelas ke i k = banyaknya kelas
STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e
Lebih terperinciBAB 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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinciBAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)
BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut
Lebih terperinciPENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA
PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus
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 terperinciHIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1
HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w
Lebih terperinciEstimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model
Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC
Lebih terperinciRegresi TELBS untuk Mengatasi Masalah Pencilan
8th Idustral Research Worshop ad Natoal Semar Polte Neger Badug July 6-7, 017 Regres TEBS utu Megatas Masalah Pecla Nurul Gusra 1, Frdaza, Nov Octavat 3 1,,3 Departeme Matemata FMIPA Uvestas Padjadjara
Lebih terperinciRegresi 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 terperinciH dinotasikan dengan B H
Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciBAB 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 terperinciBAB 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 terperinci11/10/2010 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 terperinciPERTEMUAN 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 terperinciE ax by c ae X be Y c. 6.1 Pengertian Umum
6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciKONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST
KONSISTENSI KOEFISIEN DETERINASI SEBAGAI UKURAN KESESUAIAN ODEL PADA REGRESI ROBUST Harm Sugart (harm@ut.ac.d) Ad egawar Jurusa Statstka FIPA Uverstas Terbuka ABSTRACT I statstcs, the coeffcet of determato
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah
Lebih terperinciANALISIS 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 terperinciPemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi
JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa
Lebih terperinciPemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi
Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion)
Jural EKSPONENSIALVolume Nomor September 00 ISSN 085-789 Pemlha Model Regres Terba Megguaa Aae s Iformato Crtero (The Best Regresso ModelSelecto UsgAae s Iformato Crtero) M. Fathurahma Staf Pegaar Program
Lebih terperinciESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP. Staf Program Studi Statistika Jurusan Matematika FMIPA UNDIP 2
ESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP Supart Achmad Mustofa da Agus Rusgyoo 3 3 Staf Program Stud Statsta urusa Matemata FMIPA UNDIP Alum urusa Matemata FMIPA UNDIP l. Prof. H.
Lebih terperinciPERBANDINGAN METODE ESTIMASI-, ESTIMASI-, DAN ESTIMASI- PADA MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA
PERBANDINGAN METODE ESTIMASI-, ESTIMASI-, DAN ESTIMASI- PADA MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA Jural Daua epada Faulta Matemata da Ilmu Pegetahua Alam Uverta Neger Yogyaarta
Lebih terperinciKOMBINASI 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 terperinciPENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA
PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinciKajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d
Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR
Lebih terperinci(R.17) ESTIMASI SMOOTHING SPLINE PADA FUNGSI VARIANSI BERDISTRIBUSI GAMMA DALAM PENDEKATAN REGRESI NONPARAMETRIK
PROSIDING ISSN : 87-59. Semar Nasoal Statsta November Vol, November (R.7) ESIMASI SMOOHING SPLINE PADA FUNGSI VARIANSI BERDISRIBUSI GAMMA DALAM PENDEKAAN REGRESI NONPARAMERIK Sfrya Dose Program Stud Statsta
Lebih terperinciIII. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah
3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta
Lebih terperinciMETODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap
III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII
Lebih terperinciPEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR)
PEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR) Supart, Taro da Yo Haryoo Staf urusa Matemata FMIPA UNDIP Alum urusa Matemata
Lebih terperinciSTATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu
Lebih terperinciPENAKSIR 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 terperinciBAB 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 terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-127
JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 ANALISIS HUBUNGAN DAN PEMODELAN LUAS PANEN PADI DENGAN INDIKAOR EL-NINO SOUHERN OSCILLAION (ENSO) DI KABUPAEN BOJONEGORO MELALUI PENDEKAAN
Lebih terperinciProsiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA
Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag
Lebih terperinciBAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai
BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga
Lebih terperinciMETODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k
Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI
Lebih terperinciTAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y
TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA 030501061Y UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 009
Lebih terperinciPEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR)
PEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR) Supart Taro da Yo Haryoo Staf urusa Matemata FMIPA UNDIP Alum urusa Matemata
Lebih terperinciJEMBATAN PADA GRAF FUZZY INTUITIONISTIC
JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc
Lebih terperinciPEMILIHAN THRESHOLD OPTIMAL PADA ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN METODE CROSS VALIDASI
Pemlha Threshold Optmal (Supart) PEMILIHAN THRESHOLD OPTIMAL PADA ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN METODE CROSS VALIDASI Supart, Taro, Paula Mela Dw Hapsar 3, Staf Pegaar Program Stud Statsta
Lebih terperinciLEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M
JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.
Lebih terperinciESTIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMETRIK PROSES PRODUKSI. Tubagus Pamungkas, Dosen Tetap Pendidikan Matematika FKIP UNRIKA Batam
ABSRAK ESIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMERIK PROSES PRODUKSI ubagus Pamugas, Dose etap Pedda Matemata FKIP UNRIKA Batam Regres bergada terdapat asus husus dalam sebuah aalsa regres, pada regres
Lebih terperinciBAB 3 Interpolasi. 1. Beda Hingga
BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada
Lebih terperinciTeknik Mengatasi Data Hilang pada Kasus Rancangan Blok Lengkapacak
Jural Sas Matemata da Statsta, Vol. 3, No., Jul 07 ISSN 693-390 prt/issn 407-0939 ole Te Megatas Data Hlag pada Kasus Racaga Blo Legapaca Rado Yedra, Muslm, Jurusa Matemata, Faultas Sas da Teolog, UIN
Lebih terperinciBAB 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 terperinciPENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE
PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa
Lebih terperinciAnalisa Probabilistik Algoritma Routing pada Jaringan Hypercube
Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu
Lebih terperinciESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP
ESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP Hasb Yas Staf Pegaar Program Stud Statsta FMIPA UNDIP Abstract If X s a predctor varable ad Y s
Lebih terperinciBab 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 terperinciESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP
Estmas Regres No Parametr (Hasb Yas) ESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP Hasb Yas Staf Pegaar Program Stud Statsta FMIPA UNDIP Abstract
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciModel Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions
ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA
Lebih terperinciBAB 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 terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciPemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas
Lebih terperinciDi 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 terperinciPENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP
PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP Rosa Sey Yudasar Jurusa Matemata, Faultas Matemata da Ilmu Pegetahua Alam,Uverstas Neger Surabaya rosaseywah@yahoo.com Drs. Hery Tr Sutato, M.S
Lebih terperinciLam piran 1 K uesioner
LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa
Lebih terperinciProsiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016
Prosdg Semar Nasoal Matemata da Pembelajaraya. Jurusa Matemata, FMIPA UM. Agustus 06 METODE NUMERIK STEPEST DESCENT DENGAN ARAH PENCARIAN RERATA ARITMATIKA Rumoo Bud Utomo Uverstas Muhammadyah Tagerag
Lebih terperinciRangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data
Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga
Lebih terperinciMateri Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat
Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud
Lebih terperinciALGORITMA PENDUGAAN MODEL REGRESI KEKAR MELALUI PENDUGA-M
ALGORITMA PENDUGAAN MODEL REGRESI KEKAR MELALUI PENDUGA-M Nusar Hajarsma Jurusa Statstka, Uverstas Islam Badug, Jl. Purawarma No. 63, Badug 40116, Jawa Barat Idoesa rsma@yahoo.co.uk ABSTRACT The presece
Lebih terperinci