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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha da perkembaga balta merupaka suatu hal yag perlu medapat perhata besar. al karea pada masa balta merupaka masa dega pertumbuha yag sagat pesat da krts, basaya dkeal dega stlah golde age atau masa emas. Masa terjad ketka balta lahr hgga sektar usa lma tahu. Pada usa lah pembetuka keprbada da karakter dmula, sehgga hal merupaka suatu masa yag sagat petg dalam fase tumbuh kembag aak. Melhat bahwa pertumbuha balta sagat petg, maka perlu dlakuka pemataua terhadap setap tahapa pertumbuha balta. Pemataua dlakuka dega megukur berat bada balta meurut umur yag basaya dcatat dalam sebuah kartu meuju sehat (KMS). Kabupate Bojoegoro merupaka salah satu kabupate yag sedag berkembag. D kabupate dsyalr terjad kasus gz buruk pada balta, sehgga hal medorog pemertah Bojoegoro utuk megatas kasus tersebut. Salah satu peyebab terjadya kasus gz buruk d Bojoegoro yatu karea pola asupa yag salah da dharapka dega dketahuya pola pertumbuha balta d Bojoegoro mampu membatu megatas pemasalaha tersebut. Utuk mejelaska pola pertumbuha balta d Bojoegoro dperluka metode alteratf yag sesua. Pertumbuha balta telah dketahu terjad perubaha pada terval usa tertetu, sehgga metode yag sesua utuk mejelaskaya adalah dega pedekata regres oparametrk yatu sple. Dega metode sple, model yag ddapatka adalah model sple kuadratk terbobot dega kombas dua ttk kot, da memlk la koefse determas sebesar 99,76%. Kata kuc Pertumbuha Balta, Regres Noparametrk, Sple Kuadratk Terbobot. Pedahulua Pertumbuha da perkembaga balta merupaka suatu hal yag perlu medapat perhata besar. al karea pada masa balta merupaka masa dega pertumbuha yag sagat pesat da krts, basaya dkeal dega stlah golde age atau masa emas. Golde age yag terjad selama usa balta merupaka suatu masa yag sagat petg dalam fase tumbuh kembag aak, karea pembetuka keprbada da karakter dmula pada masa (Budrahardjo,). Sela tu, masa pertumbuha balta merupaka suatu parameter sederhaa utuk mela ormal tdakya status kesehata aak. Melhat bahwa pertumbuha balta sagat petg, maka perlu dlakukaya pemataua terhadap pola pertumbuhaya. Salah satu cara utuk mematau pertumbuha balta adalah dega megukur berat bada balta (Soetjgsh,995). Meggat petgya pertumbuha balta, medorog pemertah kabupate Bojoegoro melakuka pemataua terhadap pertumbuha balta. al karea dketahu bahwa d kabupate Bojoegoro dsyalr terdapat sektar,% megalam gz meegah (BGM), gz akut,64%, da gz sagat buruk,7%. Ada beberapa faktor peyebab terjadya kasus gz buruk d kabupate Bojoegoro yatu salah satuya adalah pola asupa utrs yag salah, hal terjad karea pegetahua bu yag kurag tetag pembera utrs (Komfo, ). Utuk tu perlu dlakuka sebuah peelta tetag pola pertumbuha balta d Bojoegoro, da dharapka dega dketahuya pola pertumbuha balta tdak terjad kesalaha lag utuk pembera utrs pada balta. Berdasarka pemataua pertumbuha balta yag dlakuka dega megukur berat bada berdasarka umur, maka aka dketahu pola pertumbuhaya. Secara umum pola pertumbuha balta cederug memlk perubaha perlaku pada umur-umur tertetu, sehgga estmator sple adalah metode yag sesua utuk melhat da mematau pola pertumbuha balta. Pada pola pertumbuha balta, utuk megharapka model regres yag memlk varas sama cederug sult, sergkal terjad kasus heteroskedaststas (Budatara da Puromo, ). Oleh karea tu, perlu dberka suatu pembobot (weghted) utuk megatas kasus heteroskedaststas, sehgga model yag at dguaka adalah regres oparametrk sple terbobot. Kemuda jka telah medapatka model yag sesua, maka lagkah selajutya adalah melakuka feresa statstk salah satuya peguja hpotess. Peelta bertujua utuk megetahu pemodela pertumbuha balta d kabupate Bojoegoro dega megguaka metode sple.

2 . Tjaua Pustaka. Aalss Regres Aalss regres dguaka utuk megetahu persamaa pola hubuga atara peubah bebas (varabel predktor) da peubah tdak bebas (varabel respo). Sela tu, aalss regres juga mampu meggambarka perpecara ttk dsektar kurva hubuga statstk (Wasserma, et al, 997 dalam Jayat, 7). Terdapat dua pedekata estmas model dalam aalss regres, yatu regres parametrk da regres oparametrk. Apabla dalam aalss regres betuk kurva regres (pola hubuga varabel respod a varabel predctor) dketahu, maka pedekata model regres tersebut damaka model regres parametrk (Budatara, 6). Namu jka pola hubuga atara varabel predktor da varabel respo tdak dketahu betukya, maka pedekata regres oparametrk merupaka solus yag dapat dpaka utuk meyelesaka kasus tersebut.. Regres Noparametrk Jka g mecar pola hubuga atara varabel predktor (t) dega varabel respo (y), dmaa betuk kurva regresya tdak dketahu maka metode yag dguaka adalah dega pedekata regres oparametrk. Model umum regres oparametrk adalah sebaga berkut (Eubak,999) y f ( t ), () dega y varabel respo t varabel predktor f ( t ) fugs regres error yag berdstrbus depede dega mea ol da varas,,... Sple dalam Regres Noparametrk Dalam fugs sple terdapat ttk kot yag merupaka ttk perpadua yag meujukka perubaha perlaku kurva pada selag yag berbeda (ardle,99). Fugs Sple berorde ke m adalah sebarag fugs yag secara umum dapat dsajka dalam betuk sebaga berkut f ( t ) m t t k () j j j J j jm m j dega j adalah kostata rl j =,, m-, m,, m-+j da m ;t k j j ;t k j Utuk mecar la estmas dguaka metode least square sebaga berkut m t k j t k T ' T T' y Sedagka utuk mecar estmas, dmaa terjad ketdaksamaa varas sesata, maka dberka satu pembobot, sehgga estmator sple terbobot dperoleh dar WLS (weghted least square) T ' WT T' Wy, () dega W = matrks pembobot m m m t... t t k... t k j m m m t... t t k... t k j T = m m m t... t t k... t k j

3 .4 Pemlha Lokas Ttk Kot Salah satu metode utuk medapatka ttk kot yag optmal adalah dega metode Geeralzed Cross Valdato (GCV) GCV MSE Ι A tr = y f tr Ι A Ι A = (4) tr Ι A T T dega matrk A dberka oleh A TT T T, f t ŷ A ŷ dmaa adalah matrk dettas da adalah jumlah observas. Nla ttk kot yag optmal dperoleh dar la GCV yag mmum. Sedagka utuk mecar la GCV yag mmum pada model estmator sple terbobot (Budatara, 999) maka dega meambah matrks pembobot pada rumus GCV. GCV MSE Ι A tr = y f trι A w = j / W Ι A trι A.5 Peguja potess Prosedur uj hpotess dapat megguaka lkelhood rato test (Seber da Lee, ) sebaga berkut C C Utuk suatu matrks C da vektor. Statstk uj Cβ γ' C T'T C' Cβ γ SSR F m k = m k ~ F SSE SSE m k m k potess aka dtolak jka da haya jka F F,mk,mk. mk,mk.6 Asums Resdual Pada aalss regres, asums resdual dguaka sebaga syarat utuk kelayaka model dalam meggambarka data yag sebearya. Asums resdual yag harus dpeuh adalah resdual harus detk, depede da berdstrbus ormal (IIDN). a. Peguja Resdual Idetk Resdual dkataka detk jka resdual memlk varas yag homoge (sama). Utuk melhat apakah resdual telah memlk varas yag homoge maka dapat dlakuka dega megguaka uj Glejser, yatu dega cara meregreska la mutlak dar resdual e dega varabel predktor (t ). Jka varabel predktor sgfka dalam model, maka dapat dkataka bahwa resdual tdak homoge. b. Peguja Resdual Idepede Peguja resdual depede bertujua utuk megetahu korelas atar resdual apakah sama dega ol atau tdak. Adaya korelas atar resdual dkeal dega stlah autokorelas resdual yatu adaya korelas atara resdual pada pegamata ke dega pegamata -. Meurut Gujarat (4) autokorelas dapat dperksa melalu uj Durb- Watso. c. Peguja Resdual Berdstrbus Normal Utuk melhat apakah resdual telah memeuh asums berdstrbus ormal atau tdak dapat dlakuka dega peguja Kolmogorov Smrov (Dael,989)..7 Tjaua No Statstk Pertumbuha mempuya cr-cr khusus, yatu perubaha ukura, perubaha propors, hlagya cr-cr lama, serta muculya cr-cr baru. Keuka pertumbuha adalah mempuya kecepata yag berbeda-beda d setap kelompok umur da masg-masg orga juga mempuya (5) (6)

4 pola pertumbuha yag berbeda. Terdapat perode pertumbuha cepat, yatu masa ja, masa bay tahu, da masa pubertas. Ukura (parameter pelaa) yag dguaka utuk mela pertumbuha fsk balta adalah ukura atropometrk. Meurut Soetjgsh (995) ukura atropometrk dbedaka mejad kelompok yatu a. Tergatug umur (age depedece) b. Tdak tergatug umur Dar beberapa jes ukura atropometrk yag telah dsebutka d atas, ukura atropometrk yag terpetg da seatasa dguaka pada setap kegata memerksa kesehata balta adalah berat bada.. Metodolog Peelta. Sumber Data Data yag dguaka pada peelta adalah data sekuder yag berasal dar Das Kesehata Props Jawa Tmur tetag umur da berat bada balta yag dambl dar posyaduposyadu d kabupate Bojoegoro pada tahu.. Varabel Peelta Varabel yag dguaka yatu varabel respo (y) yag berupa berat bada balta dalam satua kg da varabel predktor (t) yag berupa umur balta dalam satua bula.. Lagkah Aalss Lagkah-lagkah aalss dalam peelta dtujukka berdasarka gambar flowchart d bawah. Medeskrpska data utuk melhat pola hubuga atara varabel respo (y) dega varabel predktor (t).. Membuat scatter plot atara varabel respo (y ) dega varabel predktor (t ) dega =,,, Meetuka model regres oparametrk sple tapa bobot. 4. Meetuka ttk kot da orde kot yag meghaslka la GCV terkecl utuk setap varabel predktor dega varabel respo. 5. Membuat model regres oparametrk sple tapa bobot berdasarka ttk kot da orde kot yag meghaslka la GCV terkecl. 6. Melakuka peguja sgfkas parameter regres oparametrk sple tapa bobot. 7. Melakuka dagostk resdual. Jka terjad kasus heteroskedaststas (terdkas bahwa vara dar resdul tdak homoge) maka perlu dber pembobot da mecar model regres oparametrk sple terbobotya. 8. Kemuda sepert lagkah dalam meetuka model regres oparametrk sple tapa bobot, maka perlu meetuka ttk kot da orde kot yag meghaslka la GCV terkecl utuk setap varabel predktor dega varabel respo yag telah dber pembobot. 9. Membuat model regres oparametrk sple terbobot berdasarka ttk kot da orde kot yag meghaslka la GCV terkecl.. Melakuka peguja sgfkas parameter regres oparametrk sple terbobot.. Melakuka dagostk resdual jka semua asums resdual telah terpeuh maka perlu dkaj lebh lajut pada peguja hpotess. 4

5 Berat 4. Aalss da Pembahasa 4. Statstk Deskrptf da Regres Kuadratk pada Data Pertumbuha Balta Berkut dberka Gambar 4. megea scatter plot utuk data pertumbuha balta d kabupate Bojoegoro 5 Scatterplot of Berat vs Umur 5 5 Umur Gambar 4.. Scatter Plot utuk Data Pertumbuha Balta d Kabupate Bojoegoro Pada Gambar 4. tersebut terlhat jelas terjad perubaha pola pertumbuha balta d Kabupate Bojoegoro pada terval umur tertetu. Pola pertumbuha balta saat kelahra sampa umur sektar delapa bula pertumbuha balta umumya sagat cepat, tetap setelah umur delapa bula da kra-kra sampa umur dua tahu pertumbuhaya mula melambat, kemuda setelah umur dua tahu pertumbuha mula kembal cepat, hal sepert yag dkataka oleh Rahayu (8). 4. Sple (Tapa Bobot) dalam Regres Noparametrk Lagkah pertama dalam pemodela sple adalah mecar ttk kot. Ttk kot yag aka dguaka adalah ttk kot yag optmal yag memberka la GCV terkecl. Tabel 4.. Model Sple Tapa Bobot dega & Ttk Kot Serta Nla GCV Ttk Orde Nla Ttk Kot Kot Sple GCV k k k Nla GCV Lear 8,45 5,76 Kuadratk, 6,9 a Kubk 4,4 a 4 58,9 ( a ) adalah kombas ttk kot dega GCV yag palg kecl utuk setap orde sple. Tabel 4.. Model Sple Tapa Bobot dega Ttk Kot Serta Nla GCV Orde Ttk Kot Sple k k k Nla GCV Lear 5 9,9 Kuadratk 5 9,5 a Kubk 7, ( a ) adalah kombas ttk kot dega GCV yag palg kecl utuk setap orde sple. Tabel 4. da Tabel 4. meyajka berbaga model sple tapa bobot. Berdasarka Tabel 4. da 4. terlhat bahwa model sple yag sesua adalah model sple kuadratk (orde ) dega kombas dua ttk kot pada kot ke 6 da dega la GCV palg mmum yatu sebesar,9. Peguja Asums Resdual a. Peguja Resdual Idetk potess... mmal terdapat satu, =,,,,5 5

6 Percet Statstk uj F ht Daerah krts MSR 5,4 MSE Tolak jka F ht > F tabel Berdasarka perhtuga statstk uj dperoleh la F ht utuk varabel predktor sebesar 5,4 dmaa lebh besar dar la F tabel sebesar 4,98 sehgga keputusa yag dambl adalah tolak. Kesmpula yag dperoleh adalah data pertumbuha balta d kabupate Bojoegoro terdapat masalah heteroskedaststas. b. Peguja Resdual Idepede potess (tdak ada korelas atar resdual) (ada korelas atar resdual),5 Statstk uj d e e e 44, dega e y ŷ Daerah krts Tolak, jka d < d U atau d > 4- d L dega d U =,77 d L =,444 Berdasarka perhtuga statstk uj dperoleh la d sebesar,44. Dega d U sebesar,77 da 4- d L sebesar,556 sehgga keputusa yag dambl adalah gagal tolak karea la d > d U da d < 4- d L, yatu,77 <,44 <,556. Kesmpula yag dperoleh adalah pada data pertumbuha balta d kabupate Bojoegoro tdak terdapat korelas atar resdual (depede). c. Peguja Resdual Dstrbus Normal potess F(t ) F (t ) (resdual berdstrbus ormal) F( t ) F ( t ) (resdual tdak berdstrbus ormal),5 Statstk uj D SupS( t ) F ( t ) t Daerah krts Tolak jka D > D (-α,) atau p-value < α Probablty Plot of Res Or Normal Mea StDev.69 N 6 KS.85 P-Value > Res Or Gambar 4.. Scatter Plot utuk Peguja Resdual Dstrbus Normal Scatter plot utuk peguja resdual dstrbus ormal berdasarka Gambar 4. meujukka bahwa la p-valueya >,5 yag berart bahwa keputusa yag dambl adalah gagal tolak, hal karea la p-value > (,5). Kesmpula yag dperoleh adalah resdual.4 6

7 data pertumbuha balta d kabupate Bojoegoro telah memeuh asums resdual berdstrbus ormal. 4. Sple Terbobot dalam Regres Noparametrk Asums resdual detk da dstrbus ormal belum terpebuh, maka aka dcoba utuk megatasya dega meambah pembobot pada model sple dega metode LMA (Local Movg Average). Tabel 4.. Model Sple Terbobot dega & Ttk Kot Serta Nla GCV Ttk Orde Nla Ttk Kot Nla Kot Sple GCV GCV k k k Lear 7,459 4,56 Kuadratk,4 6 5,65 a Kubk 5, a 9 8,7 ( a ) adalah kombas ttk kot dega GCV yag palg kecl utuk setap orde sple. Tabel 4.4. Model Sple Terbobot dega Ttk Kot Serta Nla GCV Orde Ttk Kot Sple k k k Nla GCV Lear 4,78 a Kuadratk 4,7 a Kubk 7 6,7 ( a ) adalah kombas ttk kot dega GCV yag palg kecl utuk setap orde sple. Tabel 4. da Tabel 4.4 meyajka berbaga model sple terbobot. Berdasarka Tabel 4. da 4.4 terlhat bahwa model regres oparametrk sple yag sesua adalah model sple kuadratk (orde ) dega kombas dua ttk kot pada keot 6 da 5 dega la GCV palg mmum yatu sebesar,65. Peguja Asums Resdual a. Peguja Resdual Idetk potess... mmal terdapat satu, =,,,,5 Statstk uj F ht MSR MSE Daerah krts Tolak jka,7 F ht > F tabel Dperoleh la F ht utuk varabel predktor sebesar,7 dega F tabel sebesar 4,98, keputusa yag dambl adalah gagal tolak.. Jad kesmpula yag dperoleh adalah pada data pertumbuha balta d kabupate Bojoegoro tdak terdapat masalah heteroskedaststas. b. Peguja Resdual Idepede potess (tdak ada korelas atar resdual) (ada korelas atar resdual),5 7

8 Percet Statstk uj d e e e, 56 dega e y ŷ Daerah krts Tolak, jka d < d U atau d > 4- d L dega d U =,77 d L =,444 Dperoleh la d sebesar,56 dega d U sebesar,77 da 4- d L sebesar,556 sehgga keputusa yag dambl adalah gagal tolak karea,77 <,56 <,556. Jad, kesmpula yag dperoleh adalah data pertumbuha balta d kabupate Bojoegoro tdak terdapat korelas atar resdual (depede). c. Peguja Resdual Dstrbus Normal potess F(t ) F (t ) (resdual berdstrbus ormal) F( t ) F ( t ) (resdual tdak berdstrbus ormal),5 Statstk uj D SupS( t ) F ( t ) t Daerah krts Tolak jka D > D (-α,) atau p-value < α Probablty Plot of Res Bo Normal Mea -.45 StDev.44 N 6 KS.99 P-Value Res Bo.5.5 Gambar 4.. Scatter Plot utuk Peguja Resdual Dstrbus Normal setelah Dberka Pembobot Gambar 4. meujukka bahwa la p-valueya >,9 yag berart bahwa keputusa yag dambl adalah gagal tolak, hal karea la p-value > (,5). Jad, kesmpula yag dperoleh berdasarka peguja tersebut adalah resdual data pertumbuha balta d kabupate Bojoegoro telah memeuh asums resdual berdstrbus ormal. Setelah semua asums terpeuh, maka model terbak adalah model sple terbobot kuadratk dega kombas dua ttk kot yatu pada ttk kot 6 da 5, sehgga model matemats dapat dtujukka sebaga berkut. f ( t ), 4, 9679t, 5t, 4 t , t Model tersebut dapat djelaska dalam betuk la, yatu, 4, 9679t, 5t t 6 f t 4, 9874, 4495t, t 6 t 5 794, 555, t, t t 5 Berdasarka model yag tersegme, dapat dketahu bahwa model yag terbetuk terdr dar model tersegme, da dar ketga model tersebut memlk model kuadratk. Pada usa kurag dar 6 bula memlk model, 4, 9679t, 5t yag dapat djelaska bahwa msalka pada balta usa satu bula, pertambaha berat bada balta sektar sebesar,946 kg dar berat bada pada saat lahr, sedagka utuk usa atara 6 bula sampa 5 bula memlk model 4, 9874, 4495t, t yag dapat djelaska bahwa msalka pada balta usa tujuh bula, pertambaha berat bada balta sektar sebesar,47 kg dmaa kods pertambaha berat bada 8

9 9 balta mula meuru, serta utuk usa d atas 5 bula memlk model t, t,, yag dapat djelaska bahwa msalka pada balta usa 6 bula, pertambaha berat bada balta sektar sebesar,46 kg dmaa kods pertambaha berat bada balta semak meuru. 4.4 Peguja potess Secara Umum... merupaka salah satu betuk hpotess yag serg dguaka. Padahal dalam aalss statstk, peguja hpotess tdak haya dega megguaka hpotess tersebut. Berkut aka dtujukka model peguja hpotess Cβ γ Cβ γ dega C 4 β γ Cβ 4,5 Statstk uj k m SSE k m F γ Cβ C' T'T C ' γ Cβ Daerah krts Tolak jka k m k,,m F F Tabel 4.5. ANOVA Sumber Varas Derajat Bebas Sum of Square Mea of Square F htug Regres 4 487,946, ,6 Resdual 56,944, Total 6 489,45 Nla F tabel,566 Tabel 4.5 terlhat bahwa kesmpula yag dperoleh adalah tdak semua parameter berla ol (), sehgga model regres sple kuadratk terbobot dega kombas dua ttk kot telah sgfka. Selajutya dlakuka peguja hpotess secara dvdu terhadap parameter model regres sple terbobot dega hpotess sebaga berkut. 4 4,5

10 Statstk uj t ht SE( ) Daerah krts Tolak jka t ht > t tabel Tabel 4.6. Estmas Model Sple Kuadratk Terbobot Ttk Kot 8 da Parameter Estmas SE t ht Keputusa,4,46 8,557 Sgfka,9679,54 8,448 Sgfka -,5,9-8,564 Sgfka,4,6,598 Sgfka 4,98,9,79 Sgfka Nla t tabel, Berdasarka Tabel 4.6 terlhat bahwa semua parameter utuk model sple kuadratk terbobot dega kombas dua ttk kot sgfka terhadap model, karea la t ht lebh dar la t tabel, sehgga semua parameter masuk ke dalam model. Kesmpula yag dapat dambl adalah varabel predktor (dalam hal adalah umur balta) berpegaruh secara sgfka terhadap varabel respo (dalam hal adalah berat bada balta). Nla koefses determas (R ) utuk model adalah sebesar 99,76%. asl meujukka bahwa varabel predktor (umur balta) mampu mejelaska model sebesar 99,76% keragama berat bada balta d kabupate Bojoegoro. 5. Kesmpula Berdasarka aalss yag dlakuka dapat dambl kesmpula bahwa data pertumbuha balta d kabupate Bojoegoro dapat dmodelka dega megguaka regres oparametrk sple dega model matemats sebaga berkut f ( t ), 4, 9679t, 5t, 4 t , t Dega model tersegmeya adalah sebaga berkut, 4, 9679t, 5t t 6 f t 4, 9874, 4495t, t 6 t 5 794, 555, t, t t 5 Varabel predktor (dalam hal umur) memlk hubuga kudratk yag tersegme, dega la koefse determas sebesar 99,76% yag berart bahwa varabel predktor (umur balta) mampu mejelaska model sebesar 99,76% keragama berat bada balta d kabupate Bojoegoro. 6. Daftar Pustaka Budatara, I.N. (999). Estmator Sple Terbobot Dalam Regres Semparametrk. Majalah Ilmu Pegetahua da Tekolog,, -9. Budatara, I.N. (). Estmas Parametrk da Noparametrk utuk Pedekata Kurva Regres. Semar Nasoal Statstka V. Jurusa Statstka, FMIPA, ITS, Surabaya. Budatara, I.N., da Puromo, J.D.T. (). Model Regres Noparametrk Sple Terbobot da Aplkasya Dalam Meracag KMS. Lapora Peelta Guru Besar, ITS, Surabaya. Budraharjdo, S. (). The Golde Age. Duduh dar alamat http//edukas.kompasaa.com/, pada Sabtu, 8 Me,.6 WIB. Dael, W. (989). Statstcs Noparametrc. Jakarta PT. Grameda. Drapper, N.R. da Smth,. (99). Aalss Regres Terapa. Eds Kedua. Jakarta PT Grameda Pustaka Utama. Eubak, R. (999). Noparametrc Regresso Ad Sple Smoothg. New York Marcel Dekker,Ic. Gujarat, D. (4). Basc Ecoometrc. New York The McGraw-ll Compaes. ardle, W. (99). Appled Noparametrc Regesso. Cambrdge Cambrdge Uversty Press. Jayat, L.D. (7). Pemodela Agka Kemata Bay d Props Jawa Tmur dega Pedekata Regres Noparametrk Sple. Skrps. Jurusa Statstka ITS.

11 Komfo. (). Kemska Buka Faktor Utama Gz Buruk. Duduh dar alamat http// pada Rabu, 8 Me, 7. WIB. Rahayu, S.U. (8). Mematau Berat Bada Bay. Duduh dar alamat http// pada Mggu, 9 Me,.59 WIB. Seber, G.A.F., da Lee, A.J. (). Lear Regresso Aalyss (Secod Edto). New Jersey Joh Wley & Sos. Soetjgsh. (995). Tumbuh Kembag Aak. Laboratorum Ilmu Kesehata Aak Uverstas Arlagga Surabaya.

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

BOBOT OPTIMAL PADA REGRESI SEMIPARAMETRIK SPLINE

BOBOT OPTIMAL PADA REGRESI SEMIPARAMETRIK SPLINE BOBOT OPTIMAL PADA REGRESI SEMIPARAMETRIK SPLINE Jerry Dw Trjoyo Puromo Jurusa Statstka Isttut Tekolog Sepuluh Nopember Surabaya Emal: jerrypuromo@yahoo.com ABSTRAK Regres semparametrk sple adalah metode

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

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

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

X a, TINJAUAN PUSTAKA

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

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

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

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

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

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

Lebih terperinci

REGRESI LINIER SEDERHANA

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

Analisis Korelasi dan Regresi

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

Lebih terperinci

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

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

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN 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 terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

Peramalan Kebutuhan Listrik Dengan Model Harvey

Peramalan Kebutuhan Listrik Dengan Model Harvey Peramala Kebutuha Lstrk Dega Model Harvey Oleh: Ley Setyag B. (30600006) Pembmbg: Prof. Drs. Nur Irawa, M.IKom, Ph.D Latar Belakag Jumlah Peduduk Megkat Produks megkat Supply < Demad Kebutuha Barag Megkat

Lebih terperinci

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

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

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb. JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

Lebih terperinci

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

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

Lebih terperinci

Weight Estimation Using Generalized Moving Average

Weight Estimation Using Generalized Moving Average IPTEK, The Joural for Techolog ad Scece, Vol. 9, No. 4, November 8 3 Weght Estmato Usg Geeralzed Movg Average Jerr Dw Trjoo Puromo, I Noma Budatara, da Kartka Ftrasar Abstract Estmato of regresso curve

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN 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 terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN 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 terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Bab II Teori Pendukung

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

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat 0 BAB LANDASAN TEORI. Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varael terhadap varael yag la. Varael yag pertama dseut dega ermacam-macam stlah: varael

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 0 BAB LANDASAN TEORI. Pegerta Regres da Korelas.. Pegerta Regres Regres adalah suatu metode statstka yag ergua utuk memerksa atau memodelka huuga datara varael-varael. Varael-varael terseut dega megguaka

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

Lebih terperinci

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS Prosdg SPMIPA. pp. 6-69. 6 ISBN : 979.74.47. PENENUAN MODEL KURVA PERUMBUHAN PADA ULANG RAMUS Sudaro Jurusa Matematka FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP embalag, Semarag Abstrak: Model kurva

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

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

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

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda) Jural EKSPONENSIAL Volume 4, Nomor 1, Me 2013 ISSN 2085-7829 Pemodela Regres Ler Megguaka Metode Thel (Stud Kasus: Kompesas Pegawa d Bada Kepegawaa Daerah Kota Samarda) Lear Regresso Modelg Wth Thel Method

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

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

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. 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 terperinci

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

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

Lebih terperinci

Statistika ITS Surabaya

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

Lebih terperinci