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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 Statsta, IS, Surabaya rahandnluta@yahoo.com; sutno@statsta.ts.ac.d Abstra Berbaga model telah dembangan dalam upaya penanganan asus balta gz buru d Indonesa, hususnya d Jawa mur. Pemodelan ejadan balta gz buru dengan regres lner yang bersfat global belum tentu coco dterapan d seluruh Jawa mur arena setap wlayah past meml araterst wlayah yang berbeda. Geographcally Weghted Regresson (GWR) adalah bentu loal regres global dengan memperhtungan fator spasal sebaga varabel bebas yang dapat mempengaruh varabel respon. Peneltan n bertujuan mengetahu fator-fator yang mempengaruh ejadan balta gz buru d Provns Jawa mur dengan menggunaan GWR dan pembobot fungs ernel gaussan. Hasl peneltan menunjuan bahwa desrps ejadan balta gz buru tap abupaten/ota d Jawa mur menunjuan varas secara spasal. Model GWR menghaslan R lebh besar darpada model regres Ordnary Least Square (OLS), yatu 95,67 persen, dan Sum Squares Error (SSE) yang lebh ecl, yatu 14,4583. Kesmpulan lan dperoleh fator-fator yang berpengaruh terhadap ejadan balta gz buru d Jawa mur adalah persentase bay mendapat vtamn A, bu mendapat ablet Fe, pemersaan neonatus (KN1), pemersaan ehamlan, ases ar bersh, pemanfaatan pelayanan penyuluhan, pemanfaatan pelayanan munsas, bay berat lahr rendah, dan emsnan. Kata unc : Balta Gz Buru, Regres Lnear, GWR, Kernel Gaussan 1. PENDAHULUAN Salah satu permasalahan esehatan d Indonesa adalah ematan ana usa bawah lma tahun (balta). Anga ematan balta d negara-negara berembang hususnya Indonesa mash cuup tngg. Salah satu penyebab yang menonjol dantaranya arena eadaan gz yang urang ba atau bahan buru. Konds gz ana-ana Indonesa rata-rata lebh buru dbandng gz ana-ana duna dan bahan juga dar ana-ana Afra (Anonm, 006). Badan esehatan duna WHO memperraan bahwa 54 persen ematan bay dan ana dlatarbelaang eadaan gz yang buru sedangan masalah gz d Indonesa mengabatan lebh dar 80 persen ematan ana (WHO, 011). Status gz buru pada balta dapat menmbulan pengaruh yang sangat menghambat pertumbuhan fs, mental maupun emampuan berpr yang pada ahrnya aan menurunan produtvtas erja. Prevalens balta gz buru merupaan ndator Mllenum Development Goals (MDGs) yang harus dcapa dsuatu daerah (abupaten/ota) pada tahun 015, yatu terjadnya penurunan prevalens balta gz buru menjad 3,6 persen atau eurangan gz pada ana balta menjad 15,5 persen (Bappenas, 010). Pencapaan target MDGs belum masmal dan belum merata d setap provns. Berdasaran data rset esehatan dasar (Rsesdas) 010, secara nasonal prevalens balta gz buru sebesar 4,9 persen dan eurangan gz 17,9 persen. Provns Jawa mur termasu daerah dengan balta gz buru mash tergolong tngg. Hal n dtunjuan dengan prevalens gz buru sebesar 4,8 persen. Berbaga peneltan yang beratan dengan status gz balta telah dlauan, dantaranya Paramta (008), Hayat (009), Rsyant (010), serta Inadar (010). Paramta (008) melauan lasfas terhadap status gz balta d Kabupaten Nganju dengan baggng regres logst ordnal. Hayat (009) melauan pengelompoan abupaten/ota d Jawa mur berdasaran status gz buru balta dengan analss dsrmnan. Rsyant (010) menelt tentang fator-fator yang mempengaruh anga harapan hdup, anga ematan bay dan status gz buru d Provns Jawa mur dengan analss regres multvarat. Inadar (010) menelt tentang perbedaan pola asah, ash, asuh pada balta status gz urang dan normal dengan menggunaan uj Ch-square. Peneltanpeneltan tersebut sebagan besar tda meneanan aspe humanora. Aspe humanora, sepert 1

2 ehasan budaya yang drepresentasan ehasan loas (abupaten/ota) mash terbatas untu daj. Oleh arena tu dalam peneltan n aan dembangan pemodelan balta gz buru yang mengaomodas adanya aspe prlau masyaraat yang drepresentasan dalam spasal (loas). Geographcally Weghted Regresson (GWR) adalah bentu loal regres global. Metode n memperhtungan fator spasal sebaga varabel bebas yang dapat mempengaruh varabel respon. Pada peneltan n dlauan pemodelan balta gz buru d Provns Jawa mur dengan pendeatan GWR arena varabel respon yang dtelt berbentu ontnu. Selan tu, pemodelan dengan regres lner yang bersfat global belum tentu coco dterapan d seluruh Jawa mur, arena setap wlayah past meml onds geografs yang berbeda, sehngga dapat menyebaban adanya perbedaan asus balta gz buru antara wlayah satu dengan wlayah yang lannya. Perbedaan araterst wlayah dapat berupa masalah sosal, eonom, budaya, pola asuh, penddan, dan lngungan. Salah satu peneltan yang dlauan dengan menggunaan metode GWR adalah Ayunn (011) yang memodelan status balta gz buru d Kabupaten Ngaw tahun 009. Selan tu, metode GWR juga dterapan Intan (011) untu memodelan jumlah penderta tuberculoss (B) d Provns Jawa mur tahun 010. Berdasaran peneltan tersebut ddapatan hasl bahwa setap wlayah mempunya perbedaan araterst satu sama lan, sehngga menghaslan model yang juga berbeda. Dengan menggunaan metode GWR dharapan dapat lebh menjelasan dan mengdentfas fator-fator yang mempengaruh ejadan gz buru dengan caupan daerah peneltan yang lebh luas, yatu Jawa mur dan varabel peneltan yang lebh nformatf.. INJAUAN PUSAKA Metode regres adalah metode yang dgunaan untu menyataan pola hubungan antara satu varabel respon dan satu atau lebh varabel predtor. Apabla varabel predtor berjumlah lebh dar satu maa dgunaan analss regres lner berganda. Untu pengamatan sebanya n dengan varabel predtor (X) sebanya p maa model regres lnear berganda dapat dformulasan dalam bentu matrs sebaga berut (Draper dan Smth, 199). y = Xβ + ε (1) dengan y1 1 x x 11 x1 1p 0 1 y = y, X = x 1 x1 x p, β = 1, ε = y n 1 x x n1 xn np p n Salah satu syarat yang harus dpenuh dalam regres dengan beberapa varabel predtor adalah tda adanya orelas antara satu varabel predtor dengan varabel predtor lannya. Adanya orelas dalam suatu model regres menyebaban tasran parameter regres yang dhaslan aan meml error yang sangat besar. Kasus multolnertas dapat dlhat melalu nla Varance Inflaton Factor (VIF). Ja nla VIF lebh besar dar 10 maa terdapat ndas multolnertas, dmana rumus VIF sebaga berut (Hocng, 1996). var ˆ VIF r Pendugaan parameter model regres dlauan dengan menggunaan metode Ordnary Least Square (OLS). Pendugaan parameter model ddapat dar persamaan sebaga berut (Draper dan Smth, 199). βˆ 1 (X X) X y Uj serenta dlauan untu mengetahu sgnfans parameter β terhadap varabel respon secara bersama-sama dengan analss varans. Hpotess yang dgunaan sebaga berut. H 0 : β 1 = β = = β p = 0 dan H 1 : mnmal ada satu β 0; = 1,,, p MSR Statst uj: F ht () MSE

3 n dmana MSR = ( yˆ y) /p dan MSE = ( y yˆ ) /n-(p+1) 1 n 1 Daerah penolaan: tola H 0 ja F ht > F( ; p, n p1) atau ja p-value < α. Uj parsal dlauan untu mengetahu sgnfans parameter β terhadap varabel respon secara parsal dengan menggunaan statst uj t. Hpotess yang dgunaan sebaga berut. H 0 : β = 0 dan H 1 : β 0; = 1,,, p ˆ Statst uj: t (3) SE( ˆ ) Daerah penolaan: tola H 0 ja tht t / ; n p1 atau atau ja p-value < α. Dalam analss regres harus dlauan pemersaan asums terhadap resdual. Asums terhadap resdual adalah resdual dent, ndependen, dan berdstrbus normal (0, ). Geographcally Weghted Regresson (GWR) adalah model regres yang dembangan oleh Fotherngham, d (00) untu varabel respon yang bersfat ontnyu yang mempertmbangan aspe loas. Model GWR merupaan model regres lner loal yang menghaslan dugaan parameter model regres yang bersfat loal untu setap tt atau loas dmana data tersebut dumpulan. Model GWR dapat dformulasan sebaga berut. y p 0 u, v ) x ( u, v ) 1 ( ; 1,,..., n (4) dengan y merupaan nla observas varabel respon e-, x merupaan nla observas varabel predtor pada pengamatan e-, =1,,..., p, (u,v ) merupaan tt oordnat (longtude, lattude) loas e-, β 0 (u,v ) merupaan nla ntersep model GWR, β (u,v ) merupaan oefsen regres untu setap loas (u,v ), ε merupaan error e- yang dasumsan dent, ndependen dan berdstrbus normal (0, I). Estmas parameter model GWR dlauan dengan menggunaan metode Weghted Least Square (WLS) yatu dengan memberan pembobot yang berbeda pada setap loas. Estmas parameter model GWR pada persamaan untu setap loasnya adalah 1 X X Wu v y, v X Wu, v βˆ u, Pengujan esesuaan model (goodness of ft) dlauan dengan menguj esesuaan dar oefsen parameter secara serenta, yatu dengan mengombnasan uj regres lner dengan model untu data spasal. Hpotess yang dgunaan sebaga berut. H 0 : u, v ; = 1,,, p (tda ada perbedaan yang sgnfan antara model regres lner dan GWR) H 1 : palng sedt ada satu u, v (ada perbedaan yang sgnfan antara model regres lner dan GWR) SSEH1 1 Statst uj: F ht (5) SSEH 0 n p 1 Ja hpotess null (H 0 ) adalah benar berdasaran data yang dberan, maa nla SSE (H 0 ) aan sama dengan nla SSE (H 1 ). Abatnya uuran SSE (H 1 )/SSE (H 0 ) aan mendeat satu, sebalnya ja H 0 tda benar maa nlanya cenderung mengecl (Leung et. al., 000 dalam Sugyanto, 008). menghaslan nla yang relatf ecl, maa dapat dataan bahwa hpotess alternatf lebh coco dgunaan. Dengan ata lan model GWR mempunya goodness of ft yang lebh ba dar pada model regres global. F ht aan mengut dstrbus F dengan derajat bebas db=δ 1 δ dan (n-p-1). dmana 1 tr I L I L dan tr I L I L y 1 SSE H 0 I Hy dmana H XX X X Sedangan SSE H y I L I Ly 1, 3

4 1 X Wu1, v1 X X Wu1, v1 1 X Wu, v X X W u, v x 1 x L 1 xn X W un, vn X X W un, vn Pengujan parameter model GWR dlauan untu mengetahu parameter mana yang sgnfan mempengaruh varabel respon secara parsal. Hpotess yang dgunaan adalah sebaga berut. u, v ; = 1,,, p dan H 1 : u, v 0 H 0 : 0 Estmas parameter β u, v aan mengut dstrbus normal dengan rata-rata u, v 1 matr varans ovarans CC dengan C X Wu, v X X Wu, v βˆ u, v β u, v c β dan.sehngga ddapatan ~ N(0,1) (6) dmana c adalah elemen dagonal e- dar matr CC βˆ u, v (7) ˆ c ola H 0 ja nla ht t ; 1 Estmas parameter d suatu tt u, v aan lebh dpengaruh oleh tt-tt yang deat dengan loas u, v darpada tt-tt yang lebh jauh. Pemlhan pembobot spasal dgunaan untu menentuan besarnya pembobot masng-masng loas yang berbeda. Salah satu cara yang dgunaan untu menentuan besarnya pembobot adalah dengan fungs ernel gaussan. 1 w u, v exp d b (8) j j j j dmana d u u v v j adalah jara eucldean dan b adalah parameter non negatf yang detahu dan basa dsebut parameter penghalus (bandwdth). Bandwdth merupaan radus suatu lngaran dmana tt yang berada dalam radus lngaran mash danggap berpengaruh dalam membentu parameter model loas. Pemlhan bandwdth optmum menjad sangat pentng arena aan mempengaruh etepatan model terhadap data, yatu mengatur varans dan bas dar model. Salah satu metode yang dgunaan untu menentuan bandwdth optmum adalah metode Cross Valdaton (CV) (Fotherngham d., 00) dan secara matemats dapat dtuls sebaga berut. CV h dengan n y y b 1 b ˆ (9) ˆ adalah penasr y dmana pengamatan d loas dhlangan dar proses penasran. y Bandwdth yang optmal dtunjuan dengan nla CV mnmum. Gz buru adalah suatu onds d mana seseorang dnyataan eurangan nutrs, atau dengan ungapan lan status nutrsnya berada d bawah standar rata-rata. Nutrs yang dmasud bsa berupa proten, arbohdrat dan alor. D Indonesa, asus KEP (Kurang Energ Proten) adalah salah satu masalah gz utama yang banya djumpa pada balta (Soerman, 000). Bappenas (010) menjelasan bahwa mash rendahnya status gz balta dpengaruh oleh fator eonom dan sosal-budaya masyaraat sepert: () esultan dalam mendapatan maanan yang berualtas, terutama dsebaban oleh emsnan; () perawatan dan pengasuhan ana yang tda sesua arena rendahnya penddan bu; dan () terbatasnya ases terhadap layanan esehatan, santas dan ar bersh. 4

5 3. MEODOLOGI PENELIIAN Data yang dgunaan dalam peneltan n adalah data seunder yang dperoleh dar data Rsesdas tahun 007 dan Surve Sosal Eonom Nasonal (Susenas) tahun 007 yang bersumber dar Pusltbang Sstem dan Kebjaan Kesehatan, Badan Ltbanges Departemen Kesehatan Republ Indonesa. Loas peneltan adalah d Provns Jawa mur yang terdr atas 38 abupaten/ota. Varabel yang dgunaan dalam peneltan n terdr atas varabel respon dan varabel predtor yang bersala raso. Varabel respon adalah persentase ejadan balta gz buru. Varabel predtor adalah persentase bay mendapat vtamn A (X 1 ), bu mendapat tablet Fe (X ), pemersaan neonatus (KN1) (X 3 ), pemersaan ehamlan (X 4 ), rumah tangga yang dapat mengases ar bersh (X 5 ), rumah tangga yang memanfaatan pelayanan penyuluhan (X 6 ), pelayanan munsas (X 7 ), ejadan bay berat lahr rendah (X 8 ), dan rumah tangga msn (X 9 ). Varabel yang dgunaan dalam peneltan n dapat dtunjuan pada abel 1. abel 1. Varabel peneltan dan defns operasonalnya Kode Varabel Defns Operasonal Y Kejadan balta gz buru Persentase balta dengan status gz buru pada tap abupaten/ota (jumlah balta dengan status gz buru dbag dengan jumlah balta tap abupaten/ota) X 1 Bay mendapat vtamn A Persentase bay mendapat vtamn A pada tap abupaten/ota (jumlah bay yang mendapat vtamn A dbag dengan jumlah bay tap abupaten/ota) X Ibu haml mendapat tablet Fe Persentase bu haml yang mendapat tablet Fe pada tap abupaten/ ota (jumlah bu haml yang mendapat tablet Fe dbag dengan jumlah bu haml tap abupaten/ota) X 3 Pemersaan neonatus (KN1) Persentase pemersaan neonatus pertama pada tap abupaten/ota (jumlah pemersaan neonatus pertama dbag dengan jumlah rumah tangga tap abupaten/ota) X 4 Pemersaan ehamlan Persentase rumah tangga yang memanfaatan polndes/bdan desa untu pemersaan ehamlan pada tap abupaten/ota (jumlah rumah tangga yang memanfaatan polndes/bdan desa untu pemersaan ehamlan dbag dengan jumlah rumah tangga tap abupaten/ota) X 5 Ases ar bersh Persentase rumah tangga yang dapat mengases ar bersh mnmal 0 lter/orang/har dar sumber ledeng, pompa, sumur terlndung, mata ar terlndung, dan sumber ar mnum yang berada dalam radus 1 Km dar rumah pada tap abupaten/ota (jumlah rumah tangga yang dapat mengases ar bersh dbag dengan jumlah rumah tangga tap abupaten/ota) X 6 Pelayanan penyuluhan Persentase rumah tangga yang memanfaatan posyandu/posesdes untu pelayanan penyuluhan pada tap abupaten/ota (jumlah rumah tangga yang memanfaatan posyandu/posesdes untu pelayanan penyuluhan dbag dengan jumlah rumah tangga tap abupaten/ota) X 7 Pelayanan munsas Persentase rumah tangga yang memanfaatan posyandu/posesdes untu pelayanan munsas pada tap abupaten/ota (jumlah rumah tangga yang memanfaatan posyandu/posesdes untu pelayanan munsas dbag dengan jumlah rumah tangga tap abupaten/ota) X 8 Kejadan bay berat lahr rendah Persentase bay yang lahr dengan berat badan lahr rendah pada tap abupaten/ota (jumlah bay yang lahr dengan berat badan lahr rendah dbag dengan jumlah bay tap abupaten/ota) X 9 Rumah tangga msn Persentase rumah tangga yang tergolong msn pada tap abupaten/ota (jumlah rumah tangga yang tergolong msn dbag dengan jumlah rumah tangga tap abupaten/ota) 5

6 Selan tu juga dgunaan dua varabel geografs mengena loas abupaten/ota d Provns Jawa mur yang dgunaan dalam menentuan pembobot pada model GWR yatu u = gars lntang selatan atau longtude tap abupaten/ota dan v = gars bujur tmur atau lattude tap abupaten/ota Langah-langah analss yang dlauan pada peneltan n adalah sebaga berut. 1. Mendesrpsan ejadan balta gz buru dan fator-fator yang mempengaruhnya d Provns Jawa mur dengan menggunaan peta temat.. Menyusun model regres ejadan balta gz buru d Provns Jawa mur dengan langahlangah analss sebaga berut. a. Mengdentfas pola hubungan antara varabel ejadan balta gz buru dan masng-masng varabel predtor, dengan metode analss orelas dan dagram pencar. b. Memersa multolneartas antara varabel-varabel predtor. c. Mendapatan model regres lner OLS antara varabel respon dan predtor d. Melauan uj parameter regres lner OLS secara serenta dan parsal serta uj asums resdual. e. Menganalss model GWR dengan langah-langah sebaga berut.. Menentuan u dan v berdasaran gars lntang selatan dan gars bujur tmur untu setap abupaten/ota d Provns Jawa mur.. Menghtung jara eucldan antar loas pengamatan berdasaran poss geografs. Jara eucldan antara loas yang terleta pada oordnat u, v terhadap loas j yang terleta pada oordnat u j, v j. Perhtungan n dlauan untu seluruh loas pengamatan.. Menentuan bandwdth optmum berdasaran rtera nla CV mnmum. v. Menghtung matrs pembobot dengan menggunaan fungs ernel gaussan. v. Mengestmas parameter model GWR dengan menggunaan bandwdth optmum. v. Membandngan hasl regres lner OLS dan GWR dengan rtera R dan Sum Squares Error (SSE). v. Melauan uj goodness of ft pada model GWR. v. Melauan uj sgnfans parameter. x. Mendapatan model GWR ejadan balta gz buru. 4. HASIL DAN PEMBAHASAN Status gz balta mempunya hubungan yang erat dengan permasalahan esehatan secara umum. Rata-rata persentase ejadan balta gz buru Provns Jawa mur sebesar 4,487 persen d tap abupaten/ota. Hal n berart d antara 100 balta terdapat empat ana dengan status gz buru. Persentase ejadan gz buru tertngg terjad d Kabupaten Sampang, yatu sebesar 16, persen, sedangan ejadan terendah terjad d Kota Madun (satu persen). Rendahnya persentase pemersaan neonatus (KN1), pemanfaatan pelayanan penyuluhan, pelayanan Imunsas serta tnggnya persentase rumah tangga msn merupaan dugaan penyebab tnggnya ejadan balta gz buru d Kabupaten Sampang. Keragaman persentase gz buru antar abupaten/ota adalah 9,015 persen. Berdasaran persebarannya, persentase ejadan balta gz buru d Provns Jawa mur menyebar antar abupaten/ota, sepert yang dsajan pada Gambar 1. U B A N B A N G K A L A N G R E S IK S A M P A N G S U M E N E P L A M O N G A N P A M E K A S A N B O J O N E G O R O S U R A B A Y A (K O A ) N G A W I S ID O A R J O N G A N J U K M O J O K E R O M A D IU N JO M B A N G P A S U R U A N (K O A ) M A G E A N P A S U R U A N P O N O R O G O K E D IR I B A U ( K O A ) S I U B O N D O P R O B O L IN G G O M A L A N G (K O A ) B O N D O W O S O P A C I A N U L U N G A G U N G M A L A N G L U M A JA N G R E N G G A L E K B L I A R JE M B E R B A N Y U W A N G I K e te ra n g a n : (% ) Gambar 1 Persebaran Persentase Balta Gz Buru per Kabupaten/Kota d Jawa mur

7 Gambar 1 menunjuan bahwa empat ota (Kota Madun, Surabaya, Mojoerto, dan Kedr) serta empat abupaten (Kabupaten Pactan, Ngaw, renggale, dan Bltar) meml persentase ejadan gz buru yang tergolong sangat rendah (1 sampa,1 persen). Kategor persentase ejadan balta gz buru sangat tngg terjad d salah satu daerah epulauan Madura, yatu Kabupaten Sampang. Ja dperhatan loas abupaten/ota dalam satu elompo menunjuan pola yang menyebar. Desrps fator-fator yang mempengaruh ejadan balta gz buru dsajan sebaga berut. abel 1 Statsta Desrptf Fator-Fator yang Mempengaruh Kejadan Balta Gz Buru Varabel Rata-rata Varans Mnmum Masmum X 1 73,53 90,88 38,1 86,5 X 94,67 53,16 66,7 100 X 3 64,59 150,7 3,4 89,5 X 4 65,51 947,58 1,7 100 X 5 3,3 17,07 5,5 50 X 6 39,75 167, ,5 X 7 57,13 189,18 31,6 93,1 X 8 8,534 8, ,6 X 9 18,19 9,01 3,95 51,0 Rata-rata persentase bay mendapat vtamn A sebesar 73,53 persen d tap abupaten/ota Provns Jawa mur. Hal n berart d antara 100 bay terdapat 73 bay yang mendapat vtamn A. Persentase asupan vtamn A pada bay d Jawa mur tertngg terjad d Kabupaten Gres, yatu sebesar 86,5 persen, sedangan terendah terjad d Kabupaten Sampang (38,1 persen). Caupan bu haml yang mendapat tablet zat bes (Fe) d Provns Jawa mur meml eragaman 53,16 persen. Persentase bu haml mendapat tablet Fe d Jawa mur tertngg sebesar 100 persen dan terendah sebesar 66,7 persen. Rata-rata persentase pemersaan neonatus (KN1) Provns Jawa mur sebesar 64,59 persen d tap abupaten/ota. Persentase pemersaan neonatus (KN1) d Jawa mur tertngg terjad d Kabupaten Ngaw, yatu sebesar 89,5 persen, sedangan terendah terjad d Kabupaten Sampang (3,4 persen). ahun 007, rata-rata persentase rumah tangga yang memanfaatan pemersaan ehamlan adalah sebesar 65,51 persen d tap abupaten/ota Jawa mur. Hal n berart d antara 100 rumah tangga terdapat 65 rumah tangga yang memanfaatan pemersaan ehamlan. erbatasnya ases terhadap ar bersh mash drasaan sebagan rumah tangga d Jawa mur, ases palng mnmum terjad d Kabupaten Probolnggo, yatu sebesar 5,5 persen. Keragaman persentase rumah tangga yang memanfaatan pelayanan penyuluhan dan munsas antar abupaten/ota adalah 167,36 dan 189,18 persen. Rata-rata persentase bay berat lahr rendah Provns Jawa mur sebesar 8,534 persen d tap abupaten/ota. Hal n berart d antara 100 bay terdapat 8 bay yang dengan berat badan lahr rendah. Uuran eluarga msn serngal datan dengan etersedaan pangan dmana rata-rata persentase rumah tangga msn Provns Jawa mur sebesar 18,19 persen d tap abupaten/ota. Persentase rumah tangga msn d Jawa mur tertngg terjad d Kabupaten Sampang, yatu sebesar 51,0 persen. Berdasaran dentfas dengan dagram pencar dtunjuan bahwa terdapat tga varabel predtor yang berorelas negatf terhadap varabel ejadan balta gz buru (Y) yatu varabel persentase bay mendapat vtamn A (X1), pemersaan neonatal (KN1) (X3), dan rumah tangga yang memanfaatan pelayanan penyuluhan (X6). Korelas negatf n berart bahwa ja terjad penngatan pada varabel X1, X3, X6 maa aan berabat pada penurunan varabel ejadan balta gz buru. Sebalnya untu varabel yang lan berorelas postf berart bahwa ja terjad penurunan pada varabel tersebut maa aan berabat pada penurunan varabel ejadan balta gz buru. Varabel predtor yang berorelas postf terhadap varabel ejadan balta gz buru (Y) adalah rumah tangga tergolong msn (X9). Ada lma varabel predtor yang meml pola menyebar, yatu persentase bu mendapat tablet Fe (X), pemersaan ehamlan (X4), rumah tangga yang mengases ar bersh (X5), rumah tangga yang memanfaatan pelayanan munsas (X7), dan persentase bay berat lahr rendah (X8) dmana berart varabel predtor tersebut tda menunjuan pola yang jelas terhadap varabel ejadan balta gz buru. 7

8 15 10 X1 X X X4 X5 X6 15 Y X7 X8 X Gambar Dagram Pencar Pola Hubungan antara Varabel Kejadan Balta Gz Buru (Y) dan Varabel Predtor: Bay Mendapat Vtamn A (X 1 ), Ibu Haml Mendapat ablet Fe (X ), Pemersaan Neonatus (KN1) (X3), Pemersaan Kehamlan (X 4 ), Ases Ar Bersh (X 5 ), Pelayanan Penyuluhan (X 6 ), Pelayanan Imunsas (X 7 ), Kejadan Bay Berat Lahr Rendah (X 8 ), dan Rumah angga Msn (X 9 ). Pengujan asums multolneartas perlu dlauan sebelum proses pemodelan regres. Kasus multolnertas pada model regres menyebaban parameter regres yang dhaslan aan meml error yang sangat besar. Nla VIF (Varance Inflaton Factors) menunjuan bahwa tda terdapat orelas antar varabel predtor arena nlanya urang dar 10. Model regres OLS yang terbentu adalah sebaga berut. Yˆ = 8,01-0,0116 X1-0,085 X - 0,079 X 3-0,0018 X - 0,06 X 5-0,0444 X 6 + 0,0668 X 7 + 0,111 X 8 + 0,153 X 9 Pengujan parameter secara serenta model regres OLS dlauan dengan hpotess sebaga berut. H 0 : β 1 = β = = β 9 = 0 dan H 1 : mnmal ada satu β 0; = 1,,, 9 Hasl pengujan parameter serenta ddapatan nla F htung sebesar 4,6 dan p-value = 0,001. Dengan tngat sgnfans α sebesar 10 persen dputusan untu tola H 0. Hal n berart bahwa parameter model regres OLS secara serenta sgnfan berpengaruh terhadap model. Nla oefsen determnas (R ) adalah 59,8%, yang berart bahwa model regres dapat menjelasan varabltas ejadan balta gz buru sebesar 59,8% sedangan ssanya sebesar 40,% djelasan oleh varabel lan dluar model. Pengujan parameter secara parsal model regres OLS dlauan dengan hpotess sebaga berut. H 0 : β = 0 dan H 1 : β 0; = 1,,, 9 Statst uj yang dgunaan adalah dstrbus t yang dsajan pada abel. abel Estmas Parameter, Nla Statst Uj, danvif Model OLS Varabel Estmas t-htung VIF Intersep 8,008 1,13 X1-0, ,3 1,85 X -0,0853-0,5 1,36 X3-0, ,15* 1,571 X4-0, ,13 1,43 X5-0,056-0,63 1,703 X6-0, ,4 1,64 X7 0,0668,37* 1,163 X8 0,111 1,56 1,11 X9 0,15331,49*,694 Ket: *) Sgnfan pada α = 10%; t 0,05;8 = 1,701 8

9 Estmas parameter yang secara parsal berpengaruh dalam model dengan taraf sgnfans 10 persen adalah persentase pemersaan neonatus (KN1) (X 3 ), rumah tangga yang memanfaatan pelayanan munsas (X 7 ), dan rumah tangga msn (X 9 ). Uj homogentas varans resdual dlauan dengan menggunaan uj Glejser. Hpotess yang dgunaan sebaga berut. H 0 : (homosesdaststas) dan H 1 : mnmal ada satu ; = 1,,..., 38 (heterosesdaststas) Uj n dperoleh dengan meregresan nla absolut resdual dar model awal dengan semua varabel predtor yang dgunaan. Hasl pengujan menunjuan bahwa terdapat dua varabel (X 3 dan X 7 ) yang nyata berpengaruh pada taraf sgnfans α sebesar 10 persen sehngga dapat dsmpulan bahwa asums varans resdual homogen (dent) tda terpenuh. Pengujan resdual tda ada autoorelas dlauan dengan cara melhat nla Durbn Watson. Hpotess nol yang dgunaan adalah tda terdapat asus autoorelas. Dengan menggunaan nla d tabel yatu dl sebesar 0,9705, maa d htung lebh dar d L,α/ (1,4151> 0,9705) yang berart gagal tola hpotess nol sehngga dnyataan bahwa error tda terjad autoorelas. Uj normaltas dar resdual dgunaan metode Kolmogorov-Smrnov (KS). Hpotess yang dgunaan adalah sebaga berut. H 0 : resdual berdstrbus normal dan H 1 : resdual tda berdstrbus normal Hasl pengujan normaltas resdual ddapatan nla KS sebesar 0,08 dan p-value lebh dar 0,150. Dengan menggunaan α sebesar 10 persen, maa dnyataan gagal tola H 0 yang berart bahwa resdual memenuh asums berdstrbus normal. Berdasaran hasl pengujan terhadap resdual dsmpulan bahwa resdual pada model regres OLS telah memenuh asums ndependen dan berdstrbus normal tetap tda memenuh asums dent atau heterosedaststas. Dengan tda terpenuhnya asums dent atau varans resdual tda homogen, dduga ejadan balta gz buru menyebar secara spasal tt. Penyebaran ejadan balta gz buru dapat dtnjau embal pada Gambar 1. Oleh arena tu perlu dlauan pemodelan Geographcally Weghted Regresson (GWR). Aplas pemodelan GWR pada penulsan n memerluan tahap awal, yatu perhtungan bandwth (b). Nla bandwth optmum yang dperoleh dar nla rtera CV mnmum. Nla bandwth tersebut dgunaan untu membentu matrs pembobot setap loas e-. Pembobot yang d car dalam peneltan n sampa pembobot (u 38,v 38 ), maa dapat dataan ada 38 pembobot yang dhtung berdasaran pusat yang berbeda. Setelah d temuan matr pembobot maa d dapatan tasran parameter d setap loas e-. abel 3 Nla Mnmum dan Masmum Estmas Parameter Model GWR Nla Koefsen Parameter Varabel Mnmum Masmum Intersep -19, ,90000 X 1-0,0589 0,86680 X -0,810 0,15410 X 3-0, ,05015 X 4-0,1830 0,0849 X 5-0, ,08755 X 6-0,5650 0,00853 X 7-0, ,13880 X 8-0, ,190 X 9 0, ,60980 SSE 14,4583 R 95,67% 9

10 abel 3 menunjuan bahwa estmas parameter varabel rumah tangga msn (X 9 ) selalu bernla postf untu setap abupaten/ota d Jawa mur yang bersar antara 0,01509 sampa dengan 0, Sedangan varabel lannya (X 1 sampa X 8 ) terdapat beberapa abupaten/ota yang oefsen regresnya bernla postf dan beberapa bernla negatf. Pada varabel X, besarnya pengaruh bu mendapat tablet Fe terhadap ejadan gz buru tap abupaten/ota d Jawa mur bersar antara -0,81 sampa dengan 0,1541. Banyuwang, Jember, Pameasan, Sampang, Sumenep, Bondowoso, Lumajang, Stubondo, Probolnggo, dan Kota Probolnggo merupaan loas yang meml oefsen regres varabel X bernla negatf. Sedangan 8 abupaten/ota lan mempunya oefsen regres varabel X bernla postf. Model GWR ejadan balta gz buru tap abupaten/ota d Jawa mur yang terbentu merupaan model yang lebh ba dbandng model regres OLS. Hal tersebut dlhat dar SSE yang relatf ecl sebesar 14,4583 dan R yang tngg untu menjelasan varans dar ejadan gz buru, yatu sebesar 95,67 persen. Uj esesuaan model (goodness of ft) dlauan untu melhat apaah fator loas berpengaruh terhadap ejadan balta gz buru. Hpotessnya adalah sebaga berut. u v u, v... u v u, v ; H 0 : 1, 1 38, 38 dan H 1 : palng sedt ada satu = 1,,, 9 abel 4 SSE, Nla Statst Uj F, dan P-value Model Regres OLS dan GWR SSE df F P-value Model GWR 14,4583 1,3 0,3876 0,0418 Model Regres 134,45 8 Nla Fhtung sebesar 0,3876 dan p-value 0,0418 pada abel 4 menjelasan bahwa fator loas berpengaruh terhadap ejadan balta gz buru d Jawa mur. Nla Fhtung dan p-value hasl pengujan esesuaan model nyata dengan taraf sgnfans 10 persen sehngga dputusan untu tola H0. Pengujan parameter model dlauan untu mengetahu fator-fator yang berpengaruh terhadap ejadan balta gz buru untu tap abupaten/ota d Jawa mur. Bentu hpotessnya sebaga berut. H 0 : u, v 0 ; = 1,,, 38; = 1,,, 9 dan H 1 : u, v 0 Statst uj parameter model GWR dhtung untu masng-masng parameter d tap Kabupaten/Kota Jawa mur. Hasl t htung yang ddapat aan dbandngan dengan t (0,05;1,3) = 1,7796. Ja nla t htung > t tabel maa parameter e- sgnfan pada loas e- dmana = 1,,, 38. Varabel yang berpengaruh sgnfan terhadap ejadan balta gz buru sebagan besar berbeda-beda tap abupaten/ota Provns Jawa mur. Kabupaten Pactan dan renggale tda terdentfas fator yang berpengaruh terhadap ejadan balta gz buru. Varabel yang berpengaruh sgnfan terhadap ejadan balta gz buru pada Kabupaten Mojoerto dan Jombang adalah bay mendapat vtamn A, bu mendapat tablet Fe, pemersaan ehamlan, pelayanan penyuluhan, pelayanan munsas, ejadan bay berat lahr rendah, dan rumah tangga msn. Varabel rumah tangga msn berpengaruh sgnfan pada sebagan besar abupaten/ota ecual Kabupaten Pactan, renggale, ulungagung, Madun, Magetan, Lumajang, Jember, Ngaw, Bojonegoro, uban, Pameasan, Sumenep, dan Kota Madun. Hal n terlhat bahwa emsnan merupaan salah satu determnan sosal-eonom, merupaan aar dar etadaan pangan, tempat mum yang berjejalan, dan tda sehat serta etdamampuan mengases fasltas esehatan d sebagan besar abupaten/ota. Model GWR yang terbentu untu Kota Probolnggo adalah sebaga berut. Yˆ = -0,073 X3 0,104 X 6 + 0,109 X 7 + 0,106 X 9 Model tersebut menjelasan bahwa ejadan balta gz buru aan berurang sebesar 0,073 persen ja varabel pemersaan neonatus (KN1) bertambah sebesar satu persen dengan syarat varabel predtor yang lan adalah onstan. Penurunan ejadan balta gz buru juga dapat terjad sebesar 0,104 persen ja rumah tangga yang memanfaatan pelayanan penyuluhan bertambah sebesar satu persen dengan syarat varabel predtor yang lan adalah onstan. Namun, penngatan ejadan balta gz buru dapat terjad sebesar 0,109 persen ja rumah tangga yang memanfaatan pelayanan munsas na sebesar satu persen dengan syarat varabel predtor yang lan adalah onstan. 10

11 Perbedaan nterpretas model dengan teor esehatan dapat terjad pada varabel X 7. Hal n dduga, masyaraat d Kota Probolnggo mempunya ebasaan atau budaya untu datang memanfaatan pelayanan munsas e posyandu ja baltanya ternfes penyat tertentu sehngga dapat menyebaban ejadan balta gz buru menngat. Mash terdapat pemran elru tentang masalah esehatan, yatu anggapan yang salah tentang tndaan uratf (pengobatan) danggap lebh pentng darpada preventf (pencegahan) (Suwgnyo dalam Kem, 009). Upaya untu memanfaatan pelayanan munsas d posyandu perlu dlauan secara teratur, tda hanya saat balta mengalam masalah esehatan. Kejadan balta gz buru juga bertambah sebesar 0,106 persen ja rumah tangga msn bertambah satu persen dan varabel lan tetap. Berdasaran varabel yang sgnfan untu tap abupaten/ota terbentu pengelompoan abupaten/ota yang meml esamaan varabel yang berpengaruh terhadap ejadan gz buru, sepert yang dsajan pada Gambar 3. U B A N B A N G K A L A N S U M E N E P G R E S IK S A M P A N G L A M O N G A N P A M E K A S A N B O J O N E G O R O S U R A B A Y A (K O A ) N G A W I U B A N S IDB AO N AG RK AJ LO A N S U M E N E P N G A N J U K M OG JR OE KS IEK R O S A M P A N G L A O N G A N P A M E K A S A N M A D IU N J O M B A N G B O J O N E G O R P A S U R U A N (K O A ) S U R A B A Y A ( K O A ) M A G E A N P A S U R U A N N G A W I S I D O A R J O N GK AEN DJ UIR K I MBO AJ O KU E R( K O A ) S I U B O N D O P R O B O L IN G G O P O N O R O GM OA D I U N J O M B A MN GA PL AS NU G R U (K A N O( K OA ) A ) B O N D O W O S O M A G E A N P A S U R U A N P A C I A N U L U N G A G UK NE DG I R I B A U ( K OM A ) L A N S I U B O N D O B L I A R PGR OLB UO ML I NA GJ GA ON G R EP NO GN OG RAO LG EO K M A L A N G ( K O A ) B O N D OJ WE OM SBO E R P A C I A N U L U N G A G U N G B L I A R M A L A N G L U M A J A N G B A N Y U W A N G I R E N G G A L E K J E M B E R B A N Y U W A N G I V a r a b e l S g n f a n : - X, X 9 X 5 X 8, X 9 X 1, X, X 4, X 6, X 9 X 1, X 4, X 6, X 8, X 9 X 3, X 4, X 5, X 6, X 7 X 1, X, X 3, X 4, X 6, X 8, X 9 X 3, X 4, X 6, X 7, X 9 X 3, X 6, X 7, X 9 X 6, X 7, X 8, X 9 X 4, X 6, X 7, X 8, X 9 X 1, X, X 4, X 6, X 7, X 8, X 9 X 1, X, X 9 Gambar 3 Persebaran Varabel yang Sgnfan Menurut Kabupaten/Kota. Sebagan besar abupaten/ota mempunya model dengan varabel yang berpengaruh sgnfan yang berbeda-beda. Pengelompoan abupaten/ota yang menunjuan adanya esamaan varabel yang berpengaruh sgnfan adalah semblan elompo. Kabupaten ulungagung, Madun, Magetan, dan Kota Madun berada dalam satu elompo yang meml satu varabel predtor yang berpengaruh sgnfan terhadap ejadan balta gz buru, yatu rumah tangga yang dapat mengases ar bersh (X 5 ). Hal n berart bahwa penyebab ejadan gz buru d wlayah tersebut adalah ases ar bersh. Ja pada abupaten/ota tersebut terjad penngatan ases terhadap ar bersh maa ejadan balta gz buru dapat dmnmalsas. Pengujan asums resdual pada model GWR sama dengan pada model regres OLS dmana resdual harus memenuh asums dent, ndependen, dan berdstrbus normal. Uj homogentas varans resdual dlauan dengan menggunaan uj Glejser. Hpotess yang dgunaan sebaga berut. H 0 : varans resdual model GWR onstan dan H 1 : varans resdual model GWR tda onstan Hasl pengujan menunjuan bahwa tda terdapat varabel yang nyata berpengaruh pada taraf sgnfans α sebesar lma persen sehngga dapat dsmpulan bahwa asums varans resdual homogen (dent) terpenuh. Pengujan resdual tda ada autoorelas dlauan dengan cara melhat plot ACF (Autocorrelaton Functon). Plot ACF menunjuan bahwa tda ada nla lag resdual yang eluar dar gars sehngga asums resdual ndependen terpenuh. Uj normaltas dar resdual dgunaan metode Anderson-Darlng (AD). Hpotess yang dgunaan adalah sebaga berut. H 0 : resdual berdstrbus normal dan H 1 : resdual tda berdstrbus normal Hasl pengujan normaltas resdual ddapatan nla AD sebesar 0,699 dan p-value lebh dar 0,063. Dengan menggunaan α sebesar lma persen, maa dnyataan gagal tola H 0 yang berart bahwa resdual memenuh asums berdstrbus normal. 11 X X 1, X, X 3 X, X 3, X 5, X 6, X 7, X 8 X, X 3, X 6, X 7, X 8, X 9 X, X 4, X 6, X 7, X 8, X 9 X 3, X 6, X 7, X 8, X 9 X 3, X 6, X 7, X 9 X 6, X 7 X 8, X 9 X 1, X, X 4, X 6, X 8, X 9 X 4, X 6, X 7, X 8, X 9 X 1, X 4, X 6, X 7, X 8, X 9

12 Berdasaran hasl pengujan terhadap resdual dsmpulan bahwa resdual pada model GWR telah memenuh asums dent, ndependen dan berdstrbus normal. 5. KESIMPULAN DAN SARAN Berdasaran hasl dan pembahasan yang telah dlauan pada bab sebelumnya, dapat dsmpulan bahwa desrps ejadan balta gz buru tap abupaten/ota d Jawa mur menunjuan varas secara spasal. Wlayah dengan persentase balta gz buru tertngg berada d Kabupaten Sampang. Kota Madun merupaan abupaten/ota yang meml persentase balta gz buru terendah. Kabupaten/ota dengan persentase bay mendapat vtamn A tertngg yatu Kabupaten Gres, sedangan terendah Kabupaten Sampang. Ja dtnjau dar esehatan bu, persentase bu mendapat tablet Fe tertngg terjad d Kabupaten renggale, ulungagung, Lumajang, Stubondo, Pasuruan, Sdoarjo, Mojoerto, Jombang, Nganju, Ngaw, Bojonegoro, uban, Lamongan, Bangalan, Pameasan, Kota Bltar, Kota Pasuruan, Kota Mojoerto, sedangan terendah terjad d Kabupaten Bondowoso. Wlayah dengan Persentase pemersaan neonatus (KN1) tertngg terjad d Kabupaten Ngaw, sedangan terendah terjad d Kabupaten Sampang. Persentase rumah tangga yang memanfaatan pemersaan ehamlan tertngg terjad d Kabupaten Pasuruan, Sdoarjo, Kota Bltar, Kota Mojoerto, Kota Madun, dan Kota Batu, sedangan terendah d Kabupaten Ponorogo. Ja dtnjau dar ases ar bersh, persentase rumah tangga yang dapat mengases ar bersh tertngg terjad d Kabupaten Probolnggo, sedangan terendah d Kota Probolnggo. Persentase rumah tangga yang memanfaatan pelayanan penyuluhan tertngg terjad d Kabupaten Bondowoso, sedangan terendah terjad d Kabupaten Sampang. Persentase rumah tangga yang memanfaatan pelayanan munsas tertngg terjad d Kabupaten Pasuruan, sedangan terendah d Kota Mojoerto. Kabupaten Probolnggo merupaan abupaten/ota dengan persentase bay berat lahr rendah tertngg, sedangan terendah terjad d Kabupaten Pactan, Madun, uban, dan Lamongan. Persentase rumah tangga msn tertngg terjad d Kabupaten Sampang, sedangan terendah d Kota Malang. Model GWR ejadan balta gz buru menghaslan R lebh besar darpada model OLS, yatu 95,67 persen dan SSE yang lebh ecl, yatu 14,4583. Fator geografs berpengaruh terhadap ejadan balta gz buru d Jawa mur sehngga model GWR yang terbentu berbeda-beda tap abupaten/ota. Fator-fator yang berpengaruh terhadap ejadan balta gz buru d Jawa mur adalah persentase bay mendapat vtamn A, bu mendapat ablet Fe, pemersaan neonatus (KN1), pemersaan ehamlan, ases ar bersh, pemanfaatan pelayanan penyuluhan, pemanfaatan pelayanan munsas, bay berat lahr rendah, dan emsnan. Pemodelan balta gz buru terbatas menggunaan varabel predtor yang berhubungan dengan aspe esehatan dan eonom. Peneltan selanjutnya dsaranan untu menggunaan varabel predtor dar aspe yang lan sehngga dperoleh hasl yang lebh nformatf. Selan tu, perlu ajan ualtatf lebh lanjut untu mengdentfas oefsen regres yang berlanan tanda pada tap abupaten/ota dmana hasl peneltan tda sesua dengan ajan esehatan secara teorts. 6. DAFAR PUSAKA Anonm. (006). njauan Penatalasanaan Gz Buru pada Balta oleh enaga Kesehatan d Pusesmas. html, [dases pada tanggal 7 November 011]. Ayunn, L. (011). Pemodelan Balta Gz Buru d Kabupaten Ngaw dengan Geographcally Weghted Regresson. ugas Ahr Jurusan Statsta FMIPA IS, Surabaya. Bappenas. (010). Laporan Pencapaan ujuan Pembangunan Mlenum Indonesa 010. Jaarta: Kementeran Perencanaan Pembangunan Nasonal / Badan Perencanaan Pembangunan Nasonal (BAPPENAS). Depes. (008). Laporan Rset Kesehatan Dasar ahun 007 Provns Jawa mur. Jaarta: Badan Peneltan dan Pengembangan Kesehatan. Depes. (010). Laporan Rset Kesehatan Dasar ahun 010 Provns Jawa mur. Jaarta: Badan Peneltan dan Pengembangan Kesehatan. Draper, N.R. dan Smth, H. (199). Appled Regresson Analyss Second Edton. New Yor : John Wley & Sons, Inc. 1

13 Fotherngham, A. S., Brunsdon C., dan Charlton, M. E. (00). Geographcally Weghted Regresson : he Analyss of Spatally Varyng Relatonshp. England: John Wley and Sons Ltd. Hayat, M. (009). Analss Dsrmnan Pada Fator-Fator yang Mempengaruh Gz Buru Balta d Jawa mur. ugas Ahr Jurusan Statsta FMIPA IS, Surabaya. Hocng, R.R. (1996). Methods and Applcatons of Lnear Models. New Yor: John Wley and Sons, Inc. Inadar, D. (010). Perbedaan Pola Asah, Ash, Asuh pada Balta Status Gz Kurang dan Status Gz Normal (Stud d Wlayah Kerja Pusesmas Peneleh, Surabaya. Srps Faultas Kesehatan Masyaraat Unverstas Arlangga, Surabaya. Intan. (010). Pemodelan Jumlah Penderta uberculoss (B) d Propns Jawa mur ahun 010 dengan Mengggunaan Metode Geographcally Weghted Regresson. ugas Ahr Jurusan Statsta FMIPA IS, Surabaya. Kem, A. (009). Derajat Kesehatan Warga Kota Probolnggo. [dases pada tanggal 10 November 011]. Paramta, L. (008). Baggng Regres Logst Ordnal pada Klasfas Status Gz Balta (Stud Kasus Kabupaten Nganju). ugas Ahr Jurusan Statsta Insttut enolog Sepuluh Nopember, Surabaya. Rsyant, R. (010). Analss Regres Multvarat Berdasaran Fator-fator yang Mempengaruh Derajat Kesehatan d Provns Jawa mur. ugas Ahr Jurusan FMIPA IS, Surabaya. Soerman, (000). Ilmu Gz dan Aplasnya untu Keluarga dan Masyaraat. Jaarta: Dretorat Jenderal Penddan ngg, Departemen Penddan Nasonal. WHO, (011). Kesehatan Keluarga dan Masyaraat. [dases pada tanggal 17 Desember 011]. 13

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

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

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 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 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 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 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

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

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

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

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 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

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

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan

Lebih 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

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

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

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih 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

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

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

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

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

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

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

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 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

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.

Lebih 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

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School

Lebih 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

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd

Lebih 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

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

ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)

ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur) ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster

Lebih 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

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

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

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih 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

Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur

Pemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih 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

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih 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

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih 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

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR

PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat

Lebih 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

PEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH. DOI: /medstat.9.2.

PEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH. DOI: /medstat.9.2. p-issn 1979 3693 e-issn 477 0647 MEDIA SAISIKA 9() 016: 133-147 http://ejournal.undp.ac.d/ndex.php/meda_statstka PEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHED REGRESSION PADA INGKA PENGANGGURAN

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

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 III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih 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

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH

PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH La Mftakhul Janah 1, TanWahyu Utam 2 1, emal: lamftakhul7@gmal.com

Lebih 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 Regresi Linear Sederhana

Analisis Regresi Linear Sederhana Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:

Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN: Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: 978-6-53--3 Pemodelan Geographcally Weghted Regresson (GWR) Dengan Fungs Kernel Adaptve Gaussan Untuk

Lebih terperinci

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam

Lebih terperinci

Pemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR) Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK

S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans

Lebih 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

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB II TINJAUAN PUSTAKA. variabel atau lebih dari dua variabel independen X 1, X 2, X 3,...,X i terhadap satu

BAB II TINJAUAN PUSTAKA. variabel atau lebih dari dua variabel independen X 1, X 2, X 3,...,X i terhadap satu BAB II TINJAUAN PUSTAKA 2.1 Analss Regres Berganda Analss regres berganda adalah suatu metode untuk meramalkan nla pengaruh dua varabel ndependen atau lebh terhadap satu varabel dependen. Lebh mudahnya

Lebih terperinci

PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci