Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 4, No., ( (3-9X Prn D-7 Pemodelan Indes Pembangunan Gender dengan Pendeaan Regres Nonparamer Splne d Indonesa Nurul Fajryyah dan I Nyoman Budanara Jurusan Sasa, Faulas MIPA, Insu Tenolog Sepuluh Nopember (ITS Jl. Aref Rahman Ham, Surabaya Indonesa e-mal: _nyoman_b@sasa.s.ac.d Indes Pembangunan Gender ( merupaan ndes pencapaan emampuan dasar pembangunan manusa yang sama seper Indes Pembangunan Manusa (IPM dengan memperhaan empangan gender. Indonesa meml yang rendah ja dbandngan dengan negara lan seper Malaysa dan Ausrala. Dalam hal pembangunan manusa serng dbahas mengena perbedaan gender, dmana berfous pada bagamana mencapa esearaan gender dengan menngaan ualas sumber daya manusa anpa membedaan la-la dan perempuan. Hal n era dengan ujuan dar MDGs yau mendorong esearaan gender dan pemberdayaan perempuan. Unu mengaas permasalahan ersebu perlu dseld faor-faor yang dduga berpengaruh erhadap d Indonesa menggunaan regres nonparamer splne. Pendeaan regres nonparamer splne dapa dgunaan unu memodelan d Indonesa arena pola daa pada penelan n da membenu suau pola erenu. Berdasaran penelan n, model regres nonparamer splne erba adalah splne yang meml nla GCV mnmum yau ombnas no (,,,3,3,3,,3 dengan semua varabel sgnfan yau Anga Parspas Seolah (APS SD/Sederaja pendudu perempuan, APS SMP/Sederaja pendudu perempuan, APS SMA/Sederaja pendudu perempuan, Anga Bua Huruf pendudu perempuan, Tnga Parspas Angaan Kerja pendudu perempuan, raso jens elamn, raso jens elamn saa lahr, dan persenase pendudu perempuan mempunya eluhan esehaan. Regres splne lner menghaslan R sebesar 99,%. Kaa Kunc GCV,, Regres Nonparamer, Splne, T Kno S I. PENDAHULUAN UATU negara daaan maju dapa dlha dar nggnya pembangunan dseluruh aspe ehdupan bangsa dan negara. Dalam hal pembangunan manusa serng dbahas mengena perbedaan gender, dmana berfous pada bagamana mencapa esearaan gender unu menngaan ualas sumber daya manusa anpa membedaan la-la dan perempuan. Salah sau ujuan dar Mllenum Developmen Goals (MDGs adalah mendorong esearaan gender dan pemberdayaan perempuan [] Dalam Women Sudes Enslopeda djelasan bahwa gender merupaan suau onsep ulural, berupaya membua perbedaan (dsncon dalam hal peran, perlau, menalas, dan araers emosonal anara la-la dan perempuan yang berembang dalam masyaraa. Secara umum gender dapa ddefnsan sebaga perbedaan peran, eduduan dan sfa yang dleaan pada aum la-la maupun perempuan melalu onsrus secara sosal maupun ulural []. Perbedaan gender erlha dar ecenderungan peran masngmasng, yau berperan dalam publ aau domes. Peran publ daran dengan avas yang dlauan d luar rumah dan berujuan mendapaan penghaslan. Sedangan peran domes adalah avas yang dlauan d dalam rumah beraan dengan erumahanggaan dan da dmasudan unu mendapa penghaslan []. Indes Pembangunan Gender ( merupaan ndes pencapaan emampuan dasar pembangunan manusa yang sama seper Indes Pembangunan Manusa (IPM dengan memperhaan empangan gender. meml omponen pembenu yang menenuan nla dar. Komponen pembenu ersebu sama dengan yang dgunaan dalam penguuran IPM, yan omponen dar dmens esehaan, pengeahuan, dan eonom []. Dar aspe esehaan, esenjangan gender dapa dlha dar persenase pendudu yang mempunya eluhan esehaan. Dar aspe pengeahuan, esenjangan gender dapa erlha dar Anga Bua Huruf (ABH sera Anga Parspas Seolah (APS d ga jenjang penddan yau SD, SMP, dan SMA/sederaja. Dar aspe eonom, esenjangan gender dapa erlha dar Tnga Parspas Angaan Kerja (TPAK. Sedangan raso jens elamn dan raso jens elamn saa lahr merupaan ndaor yang dapa menjelasan mengena orenas gender [3]. Unu mengeahu faor apa saja yang mempengaruh d Indonesa, maa dlauan pemodelan salah saunya dengan menggunaan regres nonparamer splne, arena daa pada penelan n da membenu suau pola erenu aau merupaan daa nonparamer. Model regres nonparamer splne merupaan model regres yang mempunya nerpreas sas dan vsual sanga husus dan sanga ba. Pada penelan n aan d el d Indonesa arena Indonesa ermasu negara yang meml anga yang rendah ja dbandngan dengan negara lan seper Malaysa, Ausrala, dan Flpna. Varabel pada penelan n meruju pada penelan mengena yang dlauan oleh [3] mengena analss faor-faor yang mempengaruh dengan menggunaan regres prob sera [4] mengena dsparas gender. Penelan dengan menggunaan regres nonparamer splne sebelumnya pernah dlauan oleh [] mengena faor yang mempengaruh emsnan d Jawa Tengah. Selan u, [6] dalam penelannya mengena anga emaan maernal d Jawa Tmur.

2 JURNAL SAINS DAN SENI ITS Vol. 4, No., ( (3-9X Prn D- II. TINJAUAN PUSTAKA A. Indes Pembangunan Gender Dalam Women Sudes Enslopeda djelasan bahwa gender merupaan suau onsep ulural, berupaya membua perbedaan (dsncon dalam hal peran, perlau, menalas, dan araers emosonal anara la-la dan perempuan yang berembang dalam masyaraa. Indes Pembangunan Gender ( merupaan ndes pencapaan emampuan dasar pembangunan manusa yang sama seper Indes Pembangunan Manusa (IPM dengan memperhaan empangan gender. dgunaan unu menguur pencapaan dalam dmens yang sama dan menggunaan ndaor yang sama dengan IPM, namun lebh darahan unu mengungapan empangan anara la-la dan perempuan. dapa dgunaan unu mengeahu esenjangan pembangunan manusa anara la-la dan perempuan []. meml omponen pembenu yang menenuan nla dar. Komponen pembenu ersebu sama dengan yang dgunaan dalam penguuran IPM, yan anga harapan hdup (mewal dmens esehaan, anga mele huruf dan raa-raa lama seolah (mewal dmens pengeahuan, sera sumbangan pendapaan (mewal dmens eonom yang dsajan menuru jens elamn. Dengan aa lan, dnama dar wau e wau sanga dpengaruh oleh perubahan dar ga omponen ersebu. B. Regres Nonparamer Splne Regres nonparamer adalah meode sasa yang dgunaan unu mengeahu hubungan anara varabel respon dan predor yang benu fungsnya da deahu (urva regres da membenu suau pola, meml asums fungs smooh (mulus, oleh arena u regres nonparamer mempunya flesblas yang ngg [7]. Model regres nonparamer secara umum dapa dsajan sebaga beru: y f ( x,,,..., n ( dmana y merupaan varabel respon, x merupaan varabel predor, f( x merupaan fungs regres yang da mengu pola erenu sera ~ IIDN(,. Splne adalah poongan polnomal yang mempunya sfa ersegmen. Sfa ersegmen n memberan flesblas lebh dar polnomal basa, sehngga meml elebhan unu dapa menyesuaan dr dengan lebh efef erhadap araers loal suau daa. Msalnya erdapa daa ( x, x,..., xp, y, hubungan anara ( x, x,..., x p dan y (varabel respon ddea dengan model regres nonparamer splne y f ( x, x,..., xp, dengan,,3,..., n, dan f urva regres yang da deahu benunya. Apabla urva regres f merupaan model adf dan dhampr dengan fungs splne maa dperoleh model regres sebaga beru: p y f ( x ;,,3,..., n ( j j dmana, (3 q h m j h hj j l ( q l j j lj f ( x q x ( x K (, dengan ( x K q q x Klj xj Klj j lj, xj Klj dan Kj, Kj,,..., K mj merupaan no yang menunjuan benu perubahan perlau dar fungs pada subsub nerval erenu. Nla q merupaan deraja polnomal. Kurva polnomal deraja sau dsebu urva lner, urva polnomal deraja dua dsebu urva uadra sera deraja ga dsebu urva ub. Persamaan ( dapa duraan sebaga beru: q q q y + x q x + ( x K... m ( x Km q + x ( q... ( q q x x K m x K m... q q q p + p x p qp x p + p ( x p K p... mp ( x p Kmp Esmas unu sebaga beru: ˆ T - T ( X X X y (4 C. Pemlhan T Kno Opmal Model regres splne erba merupaan model yang meml no opmal. T no merupaan perpaduan bersama dmana erdapa perubahan perlau pada daa. Salah sau meode yang dgunaan unu pemlhan no opmal adalah Generalzed Cross Valdaon (GCV. Meode GCV mempunya sfa opmal asmo ja dbandngan dengan meode lan, msalnya Cross Valdaon (CV []. Model splne dengan nla GCV erecl dar no opmal merupaan model splne yang erba [9]. Fungs GCV sebaga beru [7]: MSE(,,..., j GCV (,,..., j ( ( n race [ I A(,,..., ] T - T dmana A(,,..., j X(X X X dan MSE(,,..., j sebaga beru. n MSE( ˆ,,..., j n ( y y (6 dengan yˆ A (,,..., j y. D. Pengujan Parameer Model Regres Pengujan parameer model regres dapa dlauan secara serena dan secara ndvdu.. Pengujan Parameer Model Secara Serena Pengujan parameer model secara serena merupaan uj parameer urva regres secara smulan dengan menggunaan uj F. Hpoess pada uj F sebaga beru. H :... ( q m H : mnmal ada h ; h,,...,( q m Sas uj yang dgunaan sebagamana Persamaan 7. SSR MSR df regres Fhung (7 MSE SSE df error j

3 JURNAL SAINS DAN SENI ITS Vol. 4, No., ( (3-9X Prn D-9 dengan esmas pada Persamaan. ŷ X ˆ ( Tola H ja Fhung F ; q m, n ( q m aau p-value < menunjuan bahwa palng sed erdapa sau parameer yang da sama dengan nol.. Pengujan Parameer Model Secara Parsal Uj parsal dgunaan unu mengeahu parameer yang berpengaruh sgnfan secara ndvdu erhadap model menggunaan uj. Hpoess pada uj sebaga beru: H : h H : h ; h,,...,( q m Sas uj pada Persamaan 9. ˆ h hung (9 SE( ˆ Daerah rs: ola H ja hung h, n( qm, dmana n merupaan jumlah pengamaan dan (q + m merupaan banyanya parameer. Kebaan model dapa dlha dar nla R pada Persamaan. SSR R % ( SST E. Pengujan Asums Resdual Model Regres Pengujan asums resdual (goodness of f model regres dlauan unu mengeahu apaah resdual yang dhaslan sudah memenuh ega asums yau den, ndependen, dan berdsrbus normal.. Asums Resdual Iden Asums resdual den erpenuh ja varans anar resdual sama dan da erjad heerosedassas. Var(y Var( ;,,..., n ( Asums den erpenuh ja sebaran plo da membenu suau pola erenu (ersebar secara aca. Bla sebaran plo membenu pola erenu maa mengndasan erjad heerosesdassas. Idenfas heerosesdassas selan dlauan dengan menggunaan meode grafs, dapa juga dlauan dengan menggunaan uj Glejser. Hpoess yang dgunaan adalah sebaga beru. H :... n H : Mnmal ada sau ;,,..., n Sas uj yang dgunaan sebagamana Persamaan. n ( eˆ ˆ e ( qm F hung ( n ( e eˆ n ( q m Daerah penolaan yan ola H ja: Fhung F ; ( q m, n ( q m aau p-value <. Dmana nla (q + m adalah banyanya parameer.. Asums Resdual Independen Asums resdual undependen adalah da erdapa orelas pada resdual yang dunjuan oleh nla ovaran anara dan j sama dengan nol. Persamaan unu ACF adalah sebaga beru []. Cov( e, e (3 Var( e Var( e dmana: : orelas anara e dan e : ovaran anara e dan e : Var( e Var( e Inerval onfdens unu sebaga beru: SE ( ˆ SE ( ˆ (4 n, n, Bla da erdapa yang eluar dar baas sgnfans menunjuan bahwa asums ndependen erpenuh. 3. Asums Resdual Normal Asums resdual Normal dapa dlauan dengan menggunaan uj Kolmogorov-Smrnov dengan hpoess sebaga beru : H : Resdual mengu dsrbus Normal H : Resdual da mengu dsrbus Normal Sas uj yang dgunaan yau uj Kolmogorov- Smrnov. Zhung Sup ( ( x Fn x F x ( Daerah penolaan yau ola H apabla p-value <. Zhung III. METODOLOGI PENELITIAN Z aau Daa yang dgunaan dalam penelan n adalah daa seunder. Daa yang dambl merupaan daa publas dar Badan Pusa Sas (BPS Republ Indonesa (RI pada ahun. Un observas yang dgunaan dalam penelan n adalah 33 provns yang ada d Indonesa. Varabel yang dgunaan adalah (y, Anga Parspas Seolah (APS SD/Sederaja pendudu perempuan (x, Anga Parspas Seolah (APS SMP/Sederaja pendudu perempuan (x, Anga Parspas Seolah (APS SMA/Sederaja pendudu perempuan (x 3, Anga Bua Huruf (ABH pendudu perempuan (x 4, Tnga Parspas Angaan Kerja (TPAK pendudu perempuan (x, raso jens elamn (x 6, raso jens elamn saa lahr (x 7, dan persenase pendudu perempuan mempunya eluhan esehaan (x. Langah-langah dalam analss daa melpu.. Mendesrpsan araers d Indonesa. Memodelan d Indonesa dengan pendeaan Splne. Langah yang dgunaan yau a. membua scaer plo anara d Indonesa dengan masng-masng varabel yang dduga berpengaruh. b. memodelan daa dengan pendeaan splne sau, dua, ga, dan ombnas no.

4 JURNAL SAINS DAN SENI ITS Vol. 4, No., ( (3-9X Prn D- c. memlh no opmal berdasaran nla GCV yang palng mnmum. d. mendapaan model regres splne dengan no opmal. e. menguj sgnfans parameer regres splne secara serena. f. melauan uj parameer regres splne secara parsal. g. menguj asums resdual. h. mengnerpreasan model. 3. Menar Kesmpulan IV. ANALISIS DAN PEMBAHASAN A. Karaers d Indonesa Tahun Karaers d Indonesa ahun melpu raa-raa, varans, nla mnmun, dan nla masmum. Raaraa d Indonesa ahun sebesar 66,4 dengan varans sebesar,36. mnmum erdapa pada provns Nusa Tenggara Bara sebesar 7,. Sedangan masmum erdapa pada provns D.K.I Jaara sebesar 74,66. Hal n berar bahwa anga dar 33 provns d Indonesa pada ahun mencapa 7, hngga 74,6. Berdasaran scaerplo anara varabel y dengan x hngga x dapa deahu bahwa pola hubungan anara varabel y dengan x hngga x da membenu suau pola erenu sehngga hal n mengndasan bahwa erdapa omponen nonparamer. Oleh arena u dapa dlanjuan pada pemodelan menggunaan regres nonparamer splne. Pola hubungan anara varabel respon dan varabel predor damplan pada Gambar X 6 X3 X X Gambar. Pola Hubungan Anara Varabel Respon dan Predor Pemodelan dengan menggunaan regres nonparamer splne sau, dua, ga, dan ombnas no X X4 X6 X Dar hasl pemodelan ddapaan nla GCV mnmum dar masng-masng model regres splne lner. Nla GCV mnmum dar pemodelan menggunaan no sau, dua, ga, dan ombnas no, dplh nla GCV palng mnmum. Beru merupaan nla GCV unu masng-masng no yang dsajan pada Tabel. Tabel. Nla GCV Mnmum dar Model Regres Splne Model Regres Splne Lner Nla GCV no 9,4 no 3,79 3 no,4 Kombnas 3 no,33 Berdasaran Tabel dperoleh nla GCV mnmum dar pemodelan menggunaan no sau, dua, ga, dan ombnas no, dplh nla GCV palng mnmum yau model dengan ombnas no dengan nla GCV mnmum sebesar,33 dengan no opmum pada masngmasng varabel predor sebaga beru: x =,4 x = 7,47 dan 6,4 x 3 = 49,496 x 4 = 4,49;,9943; dan 6,446 x = 4,6; 7,7; dan,6 x 6 = 93,67; 3,77; dan,3 x 7 =,696 dan 6,9 x =,333; 3,339; dan 3,7 B. Pengujan Parameer Model Regres Splne Pengujan parameer dapa duj secara serena dan secara ndvdu. Perama dlauan pengujan parameer secara serena lalu dlauan pengujan parameer secara ndvdu. Pengujan parameer secara serena merupaan uj parameer urva regres secara smulan menggunaan uj F. Hpoess yang dgunaan sebaga beru. H :... 6 H : mnmal ada ; h,,...,6 h Beru merupaan abel ANOVA dar model regres splne yang damplan pada Tabel. Tabel. ANOVA Model Regres Splne Sumber Varas DF SS MS F hung Regres 6 4,,9 Error 6,934,69 3,66 Toal 3 49,79 - Berdasaran hasl abel ANOVA pada Tabel dperoleh nla p-value sebesar,9. Karena p-value < dengan =, maa dapa dambl epuusan ola H yang menunjuan bahwa mnmal ada sau parameer yang berpengaruh sgnfan erhadap model. Selanjunya dlauan pengujan secara ndvdu yang dgunaan unu mengeahu parameer yang berpengaruh sgnfan secara ndvdu erhadap model menggunaan uj. Hpoess yang dgunaan sebaga beru. H : β h = H : β h ; h =,,...,6

5 Auocorrelaon JURNAL SAINS DAN SENI ITS Vol. 4, No., ( (3-9X Prn D- Beru merupaan hasl pengujan parameer secara ndvdu dar model regres splne yang damplan pada Tabel 3. Tabel 3. Hasl Pengujan Parameer Secara Indvdu Varabel Parameer Esmaor Keerangan Consans β -,99,3 sgnfan β -,9,4 sgnfan β,9,3 sgnfan β 3-3,9, sgnfan β 4,6, sgnfan β,94, sgnfan β 6-4,7,4 sgnfan β 7 4,97,4 sgnfan β,7,6 sgnfan β 9 -,3, sgnfan β -,467, sgnfan β -3,9, sgnfan β -,93, sgnfan β 3,7, sgnfan β 4,73, sgnfan β -3,4, sgnfan β 6,474, sgnfan β 7 -,74, sgnfan β -,3,993 da sg* β 9 -,3,3 da sg* β 43,, sgnfan β -44,9, sgnfan β,47,6 sgnfan β 3,3, sgnfan β 4 -,49, sgnfan β,3,7 da sg* β 6 -,7, sgnfan * sg = sgnfan Berdasaran hasl pengujan parameer secara ndvdu pada Tabel 3 dperoleh hasl bahwa dar 6 parameer yang ada pada model regres nonparamer splne, erdapa 3 parameer yang da sgnfan pada araf sgnfans,, arena p-value yang ddapa lebh dar (,. Parameer,,, 3, 4,, 6, 7,, 9,,,, 3, 4,, 6, 7,,,, 3, 4, dan 6 berpengaruh sgnfan erhadap model. Sedangan parameer, 9, dan da berpengaruh sgnfan erhadap model. Walaupun erdapa 3 parameer yang da sgnfan, namun semua varabel berpengaruh sgnfan erhadap. C. Pengujan Asums Resdual Pengujan asums resdual dlauan unu mengeahu apaah resdual yang dhaslan elah memenuh asums yan den, ndependen, dan berdsrbus normal. Asums den erpenuh bla varans anar resdual sama dan da erjad heerosedassas. denfas heerosesdassas dapa dlauan dengan menggunaan uj Glejser. Hpoess yang dgunaan sebaga beru. H :... n H : Mnmal ada sau ;,,..., n Beru merupaan hasl pengujan asums resdual den menggunaan uj Glejser yang damplan pada Tabel 4. Tabel 4. ANOVA Uj Glejser Sumber Varas DF SS MS F hung Regres 6,3964,66 Error 6,447,39,34 Toal 3,47 - Berdasaran hasl abel ANOVA pada Tabel 4 dperoleh nla sas uj F sebesar,3. Ja dbandngan dengan nla F abel yau F(,;6,6 sebesar,47 maa F hung lebh ecl dar nla F abel, oleh arena u dapa dambl epuusan gagal ola H. Hal n dperua dengan p-value sebesar,73. Karena dperoleh p-value > dengan =, maa dapa dambl epuusan gagal ola H yang menunjuan bahwa da erdapa heerosesdassas. Sehngga dapa daaan bahwa asums den pada resdual erpenuh. Asums resdual ndependen merupaan asums edua yang harus dpenuh yau da erdapa orelas pada resdual yang dunjuan oleh nla ovaran anara dan j sama dengan nol. Uj asums ndependen dlauan dengan pendeaan grafs menggunaan ACF plo sebaga beru.,,,6,4,, -, -,4 -,6 -, -, Lag Gambar. Resdual ACF Plo Berdasaran Gambar dapa dlha bahwa da erdapa yang eluar dar baas sgnfans. Hal n menunjuan bahwa da erdapa asus auoorelas. Sehngga dapa dsmpulan bahwa asums resdual ndependen erpenuh. Asums yang ega yau resdual dar model regres harus mengu dsrbus Normal dengan mean nol dan varans. Uj asums dsrbus Normal dapa dlauan menggunaan uj Kolmogorov-Smrnov dengan uj hpoess sebaga beru. H : Resdual mengu dsrbus Normal H : Resdual da mengu dsrbus Normal Beru merupaan hasl pengujan asums resdual Normal dengan menggunaan uj Kolmogorov-Smrnov yang damplan pada Tabel. Tabel. Hasl Uj Kolmogorov-Smrnov Kolmogorov-Smrnov p-value 6,46,73 Berdasaran hasl uj Kolmogorov-Smrnov pada Tabel dperoleh nla Z hung sebesar,46. Ja dbandngan dengan nla Z abel sebesar,96 maa Z hung urang dar Z abel, oleh 3 3

6 JURNAL SAINS DAN SENI ITS Vol. 4, No., ( (3-9X Prn D- arena u dapa dambl epuusan gagal ola H. Hal n dperua dengan p-value =,73 maa p-value > α (,. Sehngga dapa dambl epuusan gagal ola H yang menunjuan bahwa resdual berdsrbus normal. D. Inerpreas Hasl Model Regres Splne Lner Dalam pemodelan menggunaan regres splne lner menggunaan araf sgnfans α =, ddapa esmpulan bahwa faor-faor yang mempengaruh d Indonesa adalah APS SD/Sederaja pendudu perempuan (x, APS SMP/Sederaja pendudu perempuan (x, APS SMA/Sederaja pendudu perempuan (x 3, Anga Bua Huruf pendudu perempuan (x 4, TPAK pendudu perempuan (x, raso jens elamn (x 6, raso jens elamn saa lahr (x 7, dan persenase pendudu perempuan mempunya eluhan esehaan (x. Model regres nonparamer splne unu d Indonesa seper beru. yˆ, 99, 9x, 9 x, 3, 9x,6 x 7, 46, 94 x 6, 4, 7x 3 x x x 4, 97 49,,7, 3 4, 3 4 4, 467 x, 99 3, 9 x 6, 44, 93x 4 4, 7 x 4,, 73 x 7, 6 x x x, 49x, 3, 3x 3, 33 3, 4,6, 474, 74 93, 6 6 6, 3 x 3,, 33 x, 3 43,x , 9 x, 7, 47 x 6, 3, 3x, 7 x 3,6 7 7 Kemudan, nerpreas dar model splne erba adalah apabla varabel x, x 3, x 4, x, x 6, x 7, dan x dasumsan onsan, maa pengaruh APS SD/Sederaja pendudu perempuan erhadap sebaga beru: yˆ, 9x, 9 x,, 9 x, x,, 339x 4, 6, x, Apabla APS SD/Sederaja pendudu perempuan berada dbawah, dan APS SD/Sederaja pendudu perempuan pada eadaan n na sauan, maa aan cenderung urun sebesar,9. Wlayah yang ermasu dalam nerval n adalah provns Papua. Sedangan apabla APS SD/Sederaja pendudu perempuan lebh dar, dan APS SD/Sederaja pendudu perempuan pada eadaan n na sauan, maa aan cenderung na sebesar,339. Wlayah yang ermasu dalam nerval n adalah semua provns d Indonesa ecual provns Papua. Varabel lannya dapa dnerpreasan dengan cara yang sama dengan x. V. KESIMPULAN DAN SARAN Faor-faor yang mempengaruh d Indonesa pada ahun adalah APS SD/Sederaja pendudu perempuan (x, APS SMP/Sederaja pendudu perempuan (x, APS SMA/Sederaja pendudu perempuan (x 3, Anga Bua Huruf pendudu perempuan (x 4, TPAK pendudu perempuan (x, raso jens elamn (x 6, raso jens elamn saa lahr (x 7, dan persenase pendudu perempuan mempunya eluhan esehaan (x. Berdasaran model splne lner yang opmal dengan ombnas sau, dua, dan ga no ddapaan nla R sebesar 99,% dan nla MSE sebesar, sera asums resdual yang elah erpenuh sehngga dapa daaan ba dalam pemodelan. Saran yang dapa dreomendasan pada penelan selanjunya dan unu ebjaan pemernah adalah perlunya dembangan regres nonparamer spasal arena adanya perubahan pola pada ap provns sehngga mempengaruh nerpreas, dan perlunya pengembangan program menjad regres splne uadra dan splne ub dengan menggunaan ombnas no, sera dharapan adanya penngaan upaya dar pemernah dalam menngaan ualas pendudu anpa membedaan gender unu menngaan d Indonesa, seper penngaan ualas penddan pada provns Papua arena d provns Papua eersedaan guru sanga mnm dan da meraa, banya sswa elas enam SD yang belum mampu membaca, mnmnya faslas penunjang, sera mash rendahnya ualas lulusan []. DAFTAR PUSTAKA [] Kemenran Pemberdayaan Perempuan dan Perlndungan Ana. (3. Pembangunan Manusa Berbass Gender 3. Jaara: Kemenran Pemberdayaan Perempuan dan Perlndungan Ana. [] Nurhaen, I.D.A. (9. Kebjaan Publ Pro Gender. Suraara: UPT Penerban dan Perceaan UNS (UNS Press. [3] Farsca, A.V. (4. Analss Faor-faor yang Mempengaruh Indes Pembangunan Gender ( dengan menggunaan Regres Prob. Tugas Ahr S yang da dpublasan. Jurusan Sasa FMIPA Insu Tenolog Sepuluh Nopember Surabaya. [4] Hafzh, U.Q. (3. Pemodelan Dsparas Gender d Jawa Tmur dengan Pendeaan Model Regres Prob Ordnal. Tugas Ahr S yang da dpublasan. Jurusan Sasa FMIPA Insu Tenolog Sepuluh Nopember Surabaya. [] Merdeawa, I.P. (3. Pemodelan Regres Splne Truncaed Mulvarabel Pada Faor-Faor yang Mempengaruh Kemsnan d Kabupaen/Koa Provns Jawa Tengah. Surabaya: Insu Tenolog Sepuluh Nopember. [6] Arfan, N. (4. Pendeaan Splne unu Esmas Kurva Regres Nonparamer (Sud Kasus Pada Daa Anga Kemaan Maernal d Jawa Tmur. Surabaya: Insu Tenolog Sepuluh Nopember. [7] Euban, R.L. (9. Nonparamerc Regresson and Splne Smoohng. New Yor: Mercel Deer. [] Wahba, G. (99. Splne Models For Observason Daa. SIAM Pensylvana. [9] Budanara, I.N. (. Model Keluarga Splne Polnomal Truncaed dalam Regres Semparamer. Surabaya: Berala MIPA, Insu Tenolog Sepuluh Nopember. [] We, W.W.S. (6. Tme Seres Unvarae and Mulvarae Mehods. Canada: Addson Wesley Publshng Company, Inc. [] Joumlena, E. (4. Wajah Penddan Papua Mash Tampa Suram. Papua: Tablod Jub.

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

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

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

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

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

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

Lebih terperinci

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial 96 Vol. 3, No., 96-, Januar 7 Kombnas Penasran Model Lag Terdsrbus Dengan Espeas Adapf Dan Penyesuaan Parsal Adawaya Rangu Absra Dalam menasr Model Lag Terdsrbus, masalah yang mungn erjad adalah da adanya

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

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

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

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

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

Lebih terperinci

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Jurusan Maemaa FMIPA Unversas Dponegoro Jl Prof H Soedaro, SH, Tembalang Semarang Absrac In

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

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

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

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET BAB PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET MENGENAI METODE NUMERIK Persoalan yang melbaan model maemaa banya munul dalam berbaga lmu pengeahuan seper halnya dalam asus

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

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

Lebih terperinci

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

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

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

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

Lebih terperinci

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya JURNL TEKNIK POMITS Vol 2, No 1, (214) 1 Penempaan Opmal Sensor Dengan Meode Parcle Swarm Opmzaon (PSO) Unu Sae Esmaon Pada Ssem Dsrbus Surabaya j Dharma, Onoseno Penangsang, Rony Seo Wbowo Jurusan Ten

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

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

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering Penggerombolan Model Parameer Regres dengan Error-Based Cluserng 1 I Made Sumerajaya 2 Gus Adh Wbawa 3 I Gede Nyoman Mndra Jaya 1 Saf Pengajar Deparemen Sasa IPB 2,3 Mahsswa Pascasarjana Sasa IPB ABSTRAK

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

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

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN ISBN : 978.60.36.00.0 PARIAL PROPORIONAL ODDS MODEL PADA USIA KAWIN PERAMA WANIA Mhraunnsa, Isman Zan Mahasswa Jurusan Sasa Insu enolog Sepuluh Nopember (IS) Surabaa Dosen Jurusan Sasa Insu enolog Sepuluh

Lebih terperinci

BAB IV SIMULASI MODEL

BAB IV SIMULASI MODEL 21 BAB IV SIMULASI MODEL Pada bagian ini aan diunjuan simulasi model melalui pendeaan numeri dengan menggunaan ala banu peranga luna Mahemaica. Oleh arena iu dienuan nilai-nilai parameer seperi yang disajian

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Defns Parwsaa dan Wsaawan Parwsaa adalah slah yang dberan apabla seseorang wsaawan melauan perjalanan u sendr, aau dengan aa lan avas dan ejadan yang erjad ea seseorang pengunjung melauan

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST

UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Vol. 7. No. 3, 36-44, Desember 004, ISSN : 1410-8518 UJI LINEARITAS DATA TIME SERIES DENGAN RESET TEST Budi Warsio, Dwi Ispriyani Jurusan Maemaia FMIPA Universias Diponegoro Absra Tulisan ini membahas

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI

4. VALIDITAS DAN RELIABILITAS DALAM MEMBUAT EVALUASI 4. ALIDITAS DA RELIABILITAS DALAM MEMBUAT EALUASI Tujuan : Seelah mempelajari modul ini mahasiswa mampu membua ala evaluasi bau unu program pembelajaran Evaluasi pembelajaran adalah ahap ahir dalam prosedur

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis JURAL SAIS DA SEI ITS Vol. 5 o. 2 (2016) 2337-3520 (2301-928X Prn) D-217 Pemodelan Penyerapan Tenaga Kerja Sekor Indusr d Indonesa Dengan Pendekaan Regres Daa Panel Dnams Avolla Terza Damalana dan Seawan

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Produksi Kedelai di Provinsi Jawa Timur dengan Metode Regresi Semiparametrik Spline

Analisis Faktor-Faktor yang Mempengaruhi Produksi Kedelai di Provinsi Jawa Timur dengan Metode Regresi Semiparametrik Spline Da Amela (309 00 009) Pembmbng : Prof. Dr. Drs. I N Budanara, M.S Jurusan Saska Fakulas Maemaka dan Ilmu Pengeahuan Alam Insu Teknolog Sepuluh Nopember Surabaya Semnar Hasl Tugas Akhr Analss Fakor-Fakor

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal

Lebih terperinci

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard

Lebih terperinci

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2) JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI A 2 LANDASAN TEORI 2. Model Regres Nonparaer Analss regres dala sasa erupaan salah sau eode unu enenuan hubungan sebab aba anara sau varabel dengan varabel yang lan elalu pengaaan ecenderungan pola hubungan

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

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

Lebih terperinci

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

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

Lebih terperinci

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Semnar Nasonal Ssem Informas Indonesa, - 4 Desember 03 SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Suparman Penddan Maemaa FKIP UAD

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

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

Lebih terperinci

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

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

Lebih terperinci

Spline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat

Spline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

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

Lebih terperinci

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

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

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jens dan Sumber Daa Daa ang dgunakan dalam penelan n merupakan daa sekunder ang berasal dar berbaga nsans pemernah eruama Badan Pusa Sask. Daa ang dgunakan anara lan angka kemsknan,

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

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

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

Mahasiswa Jurusan Statistika FMIPA-ITS ( ) Abstrak

Mahasiswa Jurusan Statistika FMIPA-ITS ( ) Abstrak PEMODELAN DAYA LISTRIK DENGAN PENDEKATAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH). (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) Firoh Amalia, Drs. Haryono, MSIE Mahasiswa

Lebih terperinci

PERAMALAN DENGAN MODEL ARCH SKRIPSI

PERAMALAN DENGAN MODEL ARCH SKRIPSI PERAMALAN DENGAN MODEL ARCH SKRIPSI Dajuan unu Memenuh Salah Sau Syara Memeroleh Gelar Sarjana Sans (S.S) Program Sud Maemaa Oleh: SUHARTINI NIM : 48 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS

Lebih terperinci

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

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

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam

Lebih terperinci

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

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

Lebih terperinci

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH)

PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) erusaaan.uns.ac.d dglb.uns.ac.d PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY APARCH Oleh BONDRA UJI PRATAMA M007075 SKRIPSI duls

Lebih terperinci

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data

III. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data 9 III. METODE PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam peneltan adalah data prmer dan data sekunder. Data prmer berupa data prmer (cross secton) Surve Khusus Tabungan dan Investas

Lebih terperinci

ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX

ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX Seminar Nasional Maemaia dan Apliasinya, 1 Oober 17 ANALISIS SURVIVAL LAJU INDEKS KINERJA DOSEN STKIP PGRI TULUNGAGUNG DENGAN MODEL REGRESI COX Maylia Hasyim 1), Dedy Dwi Prasyo ) 1) Program Sudi Pendidian

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 6 BAB II TINJAUAN PUSTAKA. TINJAUAN STATISTIK Tnjaun sas meupaan penjelasan mengena eo-eo sas. Dalam hal n eo sas yang dgunaan adalah enang peamalan. Peamalan dee wau dengan fungs ansfe yang ddea melalu

Lebih terperinci

REGRESI LINIER FUZZY PADA DATA TIME SERIES

REGRESI LINIER FUZZY PADA DATA TIME SERIES Regres Lner Fuzzy Pada Daa Tme Seres REGRESI LINIER FUZZY PADA DATA TIME SERIES Abdul Roza Progam Sud Maemaa Unversas Pesanren Tngg Darul Ulum Jombang abd.roza76@yahoo.co.d Absra Perembangan eor dan alas

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

( ) r( t) 0 : tingkat pertumbuhan populasi x

( ) r( t) 0 : tingkat pertumbuhan populasi x III PEMODELAN Model Perumbuan Koninu Terbaasnya sumber-sumber penyoong (ruang, air, maanan, dll) menyebaban populasi dibaasi ole suau daya duung lingungan Perumbuan populasi lamba laun aan menurun dan

Lebih terperinci

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

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

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR POTENSIAL PT BURSA EFEK INDONESIA DI JAWA TIMUR Prosdng Semnar asona Penean, Penddan dan Penerapan MIPA Fauas MIPA, Unversas eger Yogyaara, 6 Me 009 COFIGURAL FREQUECY AALYSIS UTUK MELIHAT KARAKTERISTIK CALO IVESTOR POTESIAL PT BURSA EFEK IDOESIA DI

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci