BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
|
|
- Ari Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan suatu metode dalam statistik yang popular, karena banyak digunakan pada penelitian dalam berbagai bidang. Contoh dari penggunaan analisis regresi dalam bidang kesehatan adalah untuk mengetahui apakah terdapat hubungan antara kebiasaan merokok dengan terkena penyakit kanker paru-paru. Sedangkan di bidang ekonomi adalah untuk mengetahui apakah periklanan suatu produk mempengaruhi penjualan produk tersebut. Model regresi merupakan suatu cara formal untuk mengekspresikan dua unsur penting suatu hubungan statistik, yaitu kecenderungan berubahnya variabel dependen (dependent variabel) secara sistematis sejalan dengan berubahnya variabel independen (independent variabel) dan berpencarnya titik-titik di sekitar kurva hubungan statistik itu. Model regresi dasar yang melibatkan satu variabel independen dan fungsi regresinya linear. Sebuah model regresi umumnya digunakan untuk mempelajari hubungan antara variabel respon dan satu set variabel penjelas (variabel ). Variabel respon disebut juga variabel dependen atau variabel hasil, dan variabel penjelas juga disebut variabel independen atau prediktor atau kovariat. Dalam analisis regresi biasa, variabel respon diasumsikan variabel random kuantitatif mengikuti distribusi normal dengan varians konstan. Variabel penjelas dapat menjadi kuantitatif atau kategoris. Sebuah model regresi dapat disebut model analisis varians (ANOVA) jika semua variabel berupa kategorik, dan mungkin khususnya disebut analisis model varians jika beberapa variabel adalah kuantitatif dan sisanya kategorik. Dalam analisis regresi, tentu saja diperlukan data. Karena data merupakan bahan utama yang nantinya akan diolah sehingga menghasilkan suatu kesimpulan dari apa yang diduga pada awal penelitian. Hal ini tentu saja membuat analisis regresi bergantung pada data. Dalam pengolahan data tentu saja diharapkan agar data yang dipakai adalah data yang baik. 1
2 2 Data yang baik sangat dibutuhkan agar kesimpulan yang dihasilkan dari penelitian tidak jauh berbeda dengan keadaan yang sebenarnya. Data yang baik adalah data yang mampu memberikan gambaran mengenai keadaan yang diamati. Namun tidak jarang database yang menyimpan pengukuran atau data medis mungkin akan terdapat nilai-nilai yang hilang baik pada saat akusisi atau proses penyimpanan data. Pengumpulan data pengamatan tidak selalu berjalan dengan mulus, adakalanya terjadi bermacam kendala yang mengakibatkan data menjadi tidak lengkap atau memuat beberapa nilai yang hilang, sehingga menyulitkan pada saat melakukan analisis statistik. Ada beberapa alasan terjadinya data hilang. Data hilang dapat terjadi karena pengukuran yang mungkin tidak lengkap, kesalahan yang terjadi pada prosedur pengumpulan data atau karena responden menolak untuk menjawab beberapa pertanyaan tertentu dalam survey atau karena munculnya hipotesis baru yang menarik setelah pengumpulan data dilakukan. Masalah data yang hilang akan menjadi lebih luas sehingga menarik perhatian banyak peneliti dan ahli statistik. Selama bertahun-tahun, ahli statistik telah berusahan untuk mengembangkan berbagai metode dan teknik untuk mengatasi kesulitan analisis data yang disebabkan oleh data yang hilang. Little dan Rubin (1987) membagi tiga tipe mekanisme dari missing data. Pertama, Missing completely at random (MCAR) yang berarti bahwa terjadinya missing data tidak berkaitan dengan nilai semua variabel, apakah itu variabel missing value atau variabel yang terobservasi. Hal ini berarti missing data terjadi secara acak. Kedua, Missing at random (MAR), MAR terjadinya missing data hanya berkaitan dengan variabel respon atau variabel pengamatan. Contohnya seseorang yang memiliki rasa waswas yang tinggi cenderung tidak akan melaporkan pendapatan mereka, rasa waswas akan berhubungan pada pelaporan pendapatan. Namun, peluang penderita waswas sendiri untuk melaporkan pendapatan tidak berhubungan dengan tingkat pendapatan, maka data dapat digolongkan dengan MAR. Jika data adalah MCAR atau MAR, dapat dikatakan missingness diabaikan. Sedangkan tipe ketiga adalah Missingness not at random
3 3 bahwa terjadinya missing data pada suatu variabel berkaitan dengan variabel itu sediri, sehingga ini tidak bisa diprediksi dari variabel lain pada suatu dataset. Selama bertahun-tahun, ahli statistik telah berusahan untuk mengembangkan berbagai metode dan teknik untuk mengatasi kesulitan analisis data yang disebabkan oleh data yang hilang. Masalah data hilang akan menimbulkan kesulitan untuk analisis dan proses pengambilan keputusan, sehingga dibutuhkan metode estimasi yang akurat dan efisien. Berbagai teknik yang ada untuk mengatasi masalah ini, mulai dari penghapusan metode menggunakan teknik kecerdasan buatan dan statistik untuk imputasi variabel yang hilang. Namun beberapa metode statistik, seperti subtitusi rata-rata yang memiliki kemungkinan yang tinggi untuk menghasilkan estimasi bias atau membuat asumsi tentang data yang mungkin tidak benar, hal ini mempengaruhi kualitas keputusan berdasarkan data ini. Teknik atau metode paling tradisional yang digunakan diantaranya adalah listwise deletion dan pairwise deletion. Listwise deletion merupakan metode untuk mengatasi data hilang dengan cara menghapus data yang hilang tersebut dari sampel. Kelebihan dari metode ini adalah dapat digunakan untuk setiap jenis analisis statistik dan tidak membutuhkan komputasi yang rumit. Namun kelemahannya adalah akan membuat kesimpulan menjadi tidak valid karena hanya sekedar menghapus data hilang yang ada. Kemudian ide dari pairwise deletion adalah membuang sepasang pengamatan yang mengandung data hilang. Selain itu Little dan Rubin (1987) juga memperkenalkan berbagai macam metode untuk mengatasi data hilang (missing data), diantaranya adalah: complete case analysis yaitu membuang observasi yang terdapat data hilang dan estimasi mengarah kepada standar error yang lebih besar karena jumlah sampel berkurang. Kemudian dikenal metode modern, metode modern tidak lagi hanya sekedar menghapus kasus yang mengandung data hilang, tetapi juga mengganti data hilang tersebut dengan nilai estimasi. Nilai estimasi ini diperoleh dengan berbagai cara dan metode yang berbeda. Dalam metode modern dikenal dua metode, yaitu imputasi ganda dan maksimum likelihood. Maksimum likelihood dan metode imputasi ganda memiliki sifat yang hampir sama. Namun penulis
4 4 memilih metode maksimum likelihood daripada imputasi ganda dalam menyelesaikan tesis ini karena maksimum likelihood lebih efisien daripada imputasi ganda, dengan data set yang sama maksimum likelihood selalu memberikan hasil yang sama sedangkan imputasi ganda memberikan hasil yang berbeda setiap kali digunakan. Algoritma EM adalah algoritma yang umum digunakan untuk menghitung estimasi maksimum likelihood yang digunakan untuk keadaan yang menyertakan pengamatan yang hilang. Algortima EM pertama kali diteliti secara sistematik oleh Dempster, Laird, dan Rubin (1977). Algoritma EM adalah proses dua langkah untuk mengestimasi parameter suatu model data tidak lengkap. Langkah awalnya adalah membagi data ke dalam dua bagian, yaitu bagian missing dan nonmissing, kemudian mengestimasi nilai data yang hilang melalui regresi linear sehingga data menjadi lengkap. Regresi awal yang digunakan diambil dari data yang teramati saja, dengan syarat dapat meningkatkan parameter awal. Pada proses iterasi selanjutnya estimasi data hilang diperoleh dari persamaan regresi linear data lengkap pada data sebelumnya. Langkah akan terus berjalan sampai data yang hilang menjadi konvergen, sehingga didapatkan parameter yang maksimal. Berdasarkan keadaan tersebut, peneliti akan membahas metodologi algoritma ekspektasi maksimisasi untuk analisis maksimum likelihood pada model regresi linear dengan variabel independen berupa kategorik yang beberapa variabelnya terdapat data yang hilang dengan parameter constraint. Selanjutnya ingin diteliti tiga metode klasifikasi data hilang. Metode yang dinyatakan baik adalah klasifikasi data hilang dengan tingkat kekonvergenan untuk iterasi paling sedikit dan kemudian menghitung tingkat kekonvergenan dengan menggunakan standar error missing information principle. Tetapi karena tidak mungkin peneliti menghitung setiap iterasi secara manual, maka akan digunakan bantuan program R Dan karena keterbatasan package maka peneliti membuat program dengan bantuan sumber beberapa buku pemograman R, google, tesis dan skripsi.
5 Rumusan dan Batasan Masalah Dari latar belakang di atas, permasalahan yang timbul adalah 1. Bagaimana menetukan data hilang berdasarkan klasifikasinya? 2. Bagaimana mengestimasi parameter pada analisis regresi linear sederhana dengan parameter constraint untuk beberapa data yang hilang dengan menggunakan metode maksimum likelihood pada algoritma ekspektasi maksimasi? 3. Karena keterbatasan package di program R, bagaimana membuat program untuk menentukan estimasi data hilang? Berdasarkan rumusan masalah tersebut, pembatasan masalah dalam penelitian ini adalah 1. Pada model regresi variabel independen bernilai diskrit. 2. Nilai variabel yang dihilangkan hanya pada variabel independen. 3. Model regresi yang digunakan adalah model regresi linear sederhana dengan satu kendala berupa persamaan. 4. Standar error yang digunakan untuk mencari tingkat kekonvergenan adalah metode Missing Information Principle Manfaat dan Tujuan Penelitian Tujuan Penelitian adalah sebagai berikut: 1. Mempelajari teknik algoritma ekspektasi maksimasi (EM) sebagai algoritma untuk menghitung estimasi maksimum likelihood. 2. Menentukan penduga parameter dalam regresi linear dengan menggunakan algoritma EM jika variabel respon hilang dan mekanisme data hilang tidak dapat diabaikan. Sedangkan manfaat penelitian ini adalah: 1. Bagi mahasiswa matematika dan statistika dapat menambah refrensi tentang analisis regresi linear sederhana dengan data hilang. 2. Bagi pembaca pada umumnya dapat menggunakan analisis regresi linear sederhana dengan data hilang untuk menganalisis data-data penelitian.
6 Tinjauan Pustaka Analisis data hilang pertama kali diteliti oleh Rubin (1976), dalam jurnalnya yang berjudul Inference and Missing Data. Kemudian algoritma EM pertama kali diteliti oleh Dempster, Laird and Rubin 1977 pada jurnal Maximum Likelihood from Incomplete Data Via EM Algotihm. Algoritma EM adalah algoritma yang biasa digunakan untuk menghitung estimasi maksimum likelihood dan digunakan untuk keadaan dimana data yang diberikan berisi pengamatan yang hilang. Little dan Rubin pada tahun 1987 menyajikan algoritma EM yang berhubungan dengan analisis data hilang dalam Statistical Analysis with Missing Data. Istiqomah (2007) menulis penelitiannya bahwa algoritma EM dapat digunakan sebagai solusi atau penyelesaian dalam menentukan estimasi parameter melalui metode estimasi maksimum likelihood pada kasus data yang hilang. Sulistijowati,S (2001) menulis penelitian dengan judul Pendugaan parameter regresi logistik untuk data tak lengkap dengan mekanisme data hilang menyatakan dengan menggunakan metode penduga parameter model regresi logistik jika variabel respon hilang dan meakanisme data hilang tidak dapat diabaikan, dengan menggunakan metode logit untuk mekanisme data hilang pendugaan parameter dapat dikerjakan dengan menggunakan algoritma EM dengan metode bobot. Anastasia (2013) menulis dalam penelitian dengan judul Estimasi nilai data hilang pada regresi linear sederhana menggunakan algoritma ekspektasi maksimisasi menyatakan estimasi data hilang dapat dilakukan dengan menggunakan algoritma ekpektasi maksimisasi pada data dengan model regresi linear sederhana. (Lim, 2007) menggunakan tiga model regresi tertentu yang melibatkan berbagai jenis variabel prediktor dengan mengasumsikan data hilang secara acak dalam proses pemodelan ketika menghitung MLE dan diperoleh EM algoritma untuk menghitung estimasi kemungkinan maksimum (MLE) dari ketiga model tersebut, tetapi juga menerapkan metode Louis untuk menurunkan rumus untuk menghitung varians-kovarians dari MLE.
7 Metodologi Penelitian Metode yang digunakan dalam penelitian ini adalah studi literatur acuan utama adalah jurnal yang ditulis oleh Dempster, Laird, dan Rubin (1977) serta Little dan Rubin (1987) yang membahas secara khusus tentang algoritma ekspektasi maksimisasi dengan menggunakan data hilang. Adapun perbedaan antar jurnal dengan tesis ini, penulis menggunakan standar error missing information principle untuk menghitung tingkat kekonvegenan dan membandingkan klasifikasi data hilang dengan tiga metode. Adapun langkahlangkah pengerjaan program R yang dilakukan oleh penulis akan disajikan dalam bentuk diagram berikut: Step 1 Input data Step 2 MCAR MAR MNAR Klasifikasi Data Hilang Step 3 Mengurutkan data NA Step 4 Menghitung pmf Step 5 Menghitung MLE Step 6 Menampilkan output hasil iterasi Step 7 Menghitung tingkat kekonvergenan dengan menggunakan MIP Gambar 1.1 Alur Kerja Program R
8 Sistematika Penulisan Tesis ini disusun dengan sistematika penulisan sebagai berikut: BAB I PENDAHULUAN Bab ini berisi Latar Belakang dan Permasalahan, Tujuan dan Manfaat Penelitian, Tinjauan Pustaka, Metodologi Peneleitian dan Sistematika Penulisan. BAB II LANDASAN TEORI Bab ini membahas tentang teori dasar yang mendukung pembahasan pada bab selanjutnya, khususnya teori-teori yang berhubungan dengan data hilang, estimasi maksimum likelihood, dan algoritma Ekspektasi Maksimasi (EM). BAB III PEMBAHASAN Dalam pembahasan ini akan dipaparkan mengenai algoritma EM dan aplikasinya dalam memaksimalkan fungsi likelihood untuk model regresi linear sederhana pada kasus data hilang. BAB IV STUDI KASUS Pada studi kasus ini akan dicoba untuk menggunakan algoritma EM (Expectation maximization) dan aplikasinya mengestimasi regresi linear dengan menggunakan MLE untuk data hilang. BAB V PENUTUP Bab ini berisi tentang kesimpulan yang diperoleh dari hasil pembahasan dan saran sebagai akibat dari kekurangan atau kelebihan dari hasil penelitian yang dilakukan.
BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Cabang ilmu statistika dewasa ini semakin mengalami perkembangan yang pesat diikuti dengan arus berbagai permasalahan dunia yang kompleks bermunculan.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Missing data atau data hilang adalah informasi yang tidak tersedia dalam sebuah subyek atau kasus. Fenomena missing data banyak dijumpai dalam survei. Banyak
Lebih terperinciKAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA. Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran
KAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran triyani.hendrawati@gmail.com ABSTRAK. Pada sebuah survey, adakalanya tidak semua
Lebih terperinciMETODE KEMUNGKINAN MAKSIMUM UNTUK KOREKSI SEBARAN BERSYARAT PADA ANALISIS KORELASI
METODE KEMUNGKINAN MAKSIMUM UNTUK KOREKSI SEBARAN BERSYARAT PADA ANALISIS KORELASI Restu Arisanti Departemen Statistika FMIPA Universitas Padjadjaran restu.arisanti@unpad.ac.id ABSTRAK. Masalah umum pada
Lebih terperinciBAB I PENDAHULUAN. Cure rate models merupakan model survival yang memuat cured fraction dan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Cure rate models merupakan model survival yang memuat cured fraction dan uncured fraction. Model ini dikembangkan untuk estimasi proporsi pasien yang sembuh
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis data survival merujuk pada sekumpulan metode statistika digunakan untuk menganalisis data antar kejadian, dimana variabel outputnya berupa lama waktu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Terdapat beberapa analisis data dalam statistik, salah satunya adalah statistika inferensi. Statistika inferensi mempelajari salah satu metode untuk menentukan
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB I PENDAHULUAN. Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu hidup adalah waktu terjadinya suatu peristiwa. Peristiwa yang dimaksud di sini adalah peristiwa kegagalan yang dapat berupa tidak berfungsinya benda tersebut
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciBAB I PENDAHULUAN. yang perlu diketahui, yang disebut sebagai variabel. Variabel adalah sebuah
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus diketahui, hanya satu atau beberapa karakteristik populasi yang perlu diketahui, yang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Instrumen pengukur sejauh mana penguasaan kompetensi suatu bidang keilmuan seseorang dapat diketahui dengan melakukan tes. Tes memiliki berbagai macam
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract
Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa
Lebih terperinciESTIMASI NILAI DATA HILANG PADA REGRESI LINEAR SEDERHANA MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMASI. (Studi Kasus : Penjualan Motor Yamaha Temanggung)
ESTIMASI NILAI DATA HILANG PADA REGRESI LINEAR SEDERHANA MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMASI (Studi Kasus : Penjualan Motor Yamaha Temanggung) SKRIPSI Untuk memenuhi sebagian persyaratan mencapai
Lebih terperinciPENDUGAAN DATA HILANG DENGAN MENGGUNAKAN DATA AUGMENTATION. Abstract
Pendugaan Data Hilang Mesra Nova) PENDUGAAN DATA HILANG DENGAN MENGGUNAKAN DATA AUGMENTATION Mesra Nova 1, Moch. Abdul Mukid 2 1 Alumni Program Studi Statistika UNDIP 2 Staf Pengajar Program Studi Statistika
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Secara umum, analisis survival dapat didefinisikan sebagai seperangkat metode yang digunakan untuk menganalisis data di mana variabel outputnya berupa lama
Lebih terperinciPenaksiran Parameter Model Kalibrasi Linier yang Berdistribusi Skew-Normal dengan Algoritma-EM
Vol. 12, No. 1, 36-47, Juli 2015 Penaksiran Parameter Model Kalibrasi Linier yang Berdistribusi Skew-Normal dengan Algoritma-EM Try Widyaiswara Hairil 1, Anna Islamiyati 1, Raupong 1 Abstrak Sebuah penelitian
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengklasifikasian merupakan salah satu metode statistika untuk mengelompok atau menglasifikasi suatu data yang disusun secara sistematis. Masalah klasifikasi sering
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Distribusi probabilitas binomial adalah distribusi probabilitas diskrit yang paling sering digunakan untuk merepresentasikan kejadian dalam kehidupan sehari-hari.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Metode regresi merupakan komponen integral dari suatu analisis data yang menggambarkan hubungan antara variabel respon dan satu atau lebih variabel prediktor
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di dalam aspek kehidupan ini, banyak ditemui permasalahan yang berkaitan dengan data. Baik dalam bidang ekonomi, sosial, budaya, politik, sejarah, kesehatan, dan lain-lain.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Banyak jenis data memiliki struktur hirarki, tercluster, atau bersarang (nested). Hirarki tersebut dapat hadir secara alami dalam pengamatan observasional
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian-penelitian di bidang kesehatan sering dijumpai salah satu jenis data yang disebut dengan data antar kejadian atau data survival. Data survival
Lebih terperinciBAB I PENDAHULUAN. Dalam suatu penelitian, hubungan suatu variabel dependent atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam suatu penelitian, hubungan suatu variabel dependent atau variabel respon dengan beberapa variabel bebas atau variabel penjelas dapat dimodelkan dengan
Lebih terperinciBAB I PENDAHULUAN. bersifat tetap ( bukan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan suatu analisis yang digunakan untuk mengetahui hubungan antara satu variabel independen atau lebih dengan variabel dependen. Pada studi perbandingan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin majunya peradaban zaman, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data kedalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB III MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
25 BAB III (MSAR) 3.1 Model Markov Switching Autoregressive Model runtun waktu Markov Switching Autoregressive adalah salah satu model runtun waktu yang merupakan perluasan dari model Autoregressive (AR).Ide
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tidak terlepas dari data, baik itu bersifat kuantitatif maupun kualitatif. Apabila dikumpulkan data dari seluruh elemen dalam suatu populasi,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data tahan hidup atau data survival adalah lama waktu sampai suatu peristiwa terjadi. Istilah data survival sendiri banyak digunakan dalam bidang ilmu kesehatan, epidemiologi,
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinci1 BAB I 2 PENDAHULUAN. sangat diperlukan dalam kehidupan sehari-hari. Begitu pula dalam penelitian
1 BAB I 2 PENDAHULUAN A. Latar Belakang Masalah Statistika merupakan salah satu disiplin ilmu yang penerapannya hampir di semua aspek kehidupan. Hal ini menunjukkan bahwa peranan statistika sangat diperlukan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi digunakan untuk mengetahui bentuk hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Umumnya analisis regresi yang digunakan
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD
ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,
Lebih terperinciBAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir
Lebih terperinciK NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA. Susanti, Shantika Martha, Evy Sulistianingsih INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 07, No. 1 (2018), hal 9-14. K NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA Susanti, Shantika Martha, Evy Sulistianingsih INTISARI Missing data
Lebih terperinciSem 7-4. Garis Besar Rencana Pembelajaran (GBRP)
Sem 7-. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah Kode MK/SKS Semester Mata Kuliah Prasyarat : Pemodelan Statistika : H0/SKS : Awal/7 (Tahun IV) : Metode Statistika, Teori Peluang, Ilmu Stokastik,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi merupakan komponen penting dalam menggambarkan hubungan antara dua variabel atau lebih, sehingga salah satu variabel dapat diduga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan kemajuan ilmu pengetahuan dan teknologi mendorong masyarakat untuk semakin memperlihatkan derajat kesehatan demi peningkatan kualitas hidup yang lebih
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi suatu wilayah dalam suatu periode tertentu. Produk Domestik
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tujuan Khusus Penelitian Tujuan Khusus penelitian ini ialah untuk mencari pengaruh penerapan sistem Thin Client terhadap kinerja model komputerisasi. Untuk itu dalam penelitian
Lebih terperinciAlgoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture
Vol. 4, No., Oktober 04 Algoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture Tomy Angga Kusuma ), Suparman ) ) Program Studi Matematika FMIPA UAD ) Program Studi Pend. Matematika UAD
Lebih terperinciImputasi Missing data Menggunakan Algoritma Pengelompokan Data K-Harmonic Means
Imputasi Missing data Menggunakan Algoritma Pengelompokan Data -Harmonic Means Abidatul Izzah 1), Nur Hayatin 2) 1) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik imia ampus Teknik Informatika ITS
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI REGRESI LOGISTIK MULTINOMIAL
KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL SKRIPSI Oleh : Ahmad Reza Aditya 24010210130055 JURUSAN STASTISTIKA
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Pengambilan sampel dari suatu populasi melalui metode survei sampel memberikan manfaat yang cukup besar dalam suatu penelitian. Survei sampel dilakukan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu metode statistika yang luas penggunaanya dalam berbagai bidang dan telah diterapkan untuk berbagai jenis pengujian serta penelitian.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI Oleh : WINDA FAATI KARTIKA J2E 006 039 PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Radang paru paru adalah sebuah penyakit pada paru paru dimana pulmonary alveolus yang bertanggung jawab menyerap oksigen dari atmosfer meradang dan terisi cairan. Berdasarkan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis survival merupakan metode statistik yang digunakan untuk analisis pada data-data survival. Data survival merujuk pada data antar kejadian, yaitu data
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan manusia. Perkembangan teknologi ini ditandai dengan ditemukannya banyak penemuan penemuan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah proses, cara, pembuatan menjadwalkan atau memasukkan dalam jadwal. Persoalan penjadwalan berkaitan dengan pengalokasian sumber daya ke dalam tugas-tugas
Lebih terperinciBAB III METODOLOGI PENELITIAN. penelitian digunakan untuk memecahkan suatu masalah, memahami, serta
BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. TinjauanUmum Metode penelitian merupakan suatu cara alamiah untuk memperoleh data dengan kegunaan dan tujuan tertentu. Secara umum data
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB 1 PENDAHULUAN. metode yang bisaanya digunakan dalam estimasi parameter yakni Ordinary Least
BAB 1 PENDAHULUAN 1.1 Latar Belakang Data populasi dalam suatu penelitian berguna untuk mengetahui karakteristik objek yang akan menghasilkan gambaran akurat mengenai karakteristik objek tersebut. Statistik
Lebih terperinciIV. METODE PENELITIAN. Kawasan ini dipilih secara sengaja (purposive) dengan pertimbangan bahwa
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Pengambilan data untuk keperluan penelitian dilakukan di Kelurahan Harapan Jaya, Kecamatan Bekasi Utara, Kota Bekasi, Provinsi Jawa Barat. Kawasan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Dalam penelitian bidang kesehatan melibatkan makhluk hidup sebagai responden atau subjek yang diteliti, terutama manusia. Ketika kita memperhatikan
Lebih terperinciBAB III LANDASAN TEORI. A. Regresi
BAB III LANDASAN TEORI A. Regresi 1. Pengertian Regresi Regeresi adalah alat yang berfungsi untuk membantu memperkirakan nilai suatu varibel yang tidak diketahui dari satu atau beberapa variabel yang tidak
Lebih terperinciterdefinisi. Oleh karena itu, estimasi resiko kematian pasien dapat diperoleh berdasarkan nilai hazard ratio. Model hazard proporsional parametrik
BAB I PENDAHULUAN 1.1 Latar Belakang Waktu tahan hidup (survival) merupakan waktu tunggu hingga terjadinya suatu kejadian (event) tertentu. Pada bidang kesehatan, event dapat dianggap sebagai suatu kegagalan
Lebih terperinci(M.2) ANALISIS KOMPONEN UTAMA DATA TIDAK LENGKAP DENGAN METODE VARIATIONAL BAYESIAN PRINCIPAL COMPONENT ANALYSIS (VBPCA)
Seminar Nasional Statistika November 0 Vol, November 0 (M.) ANALISIS KOMPONEN UTAMA DATA TIDAK LENGKAP DENGAN METODE VARIATIONAL BAYESIAN PRINCIPAL COMPONENT ANALYSIS () Ricky Yordani, Suwanda, I G. N.
Lebih terperinciIV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini akan dilaksanakan di beberapa peternak plasma ayam broiler di Kota Depok. Penentuan lokasi penelitian dilakukan atas dasar pertimbangan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Bagan Alir Mulai Moda yang Dipakai Karakteristik Perjalanan Mahasiswa Kelas Karyawan Universitas Mercu Buana Menggunakan Mobil Pribadi Waktu Perjalanan Data Primer Data
Lebih terperinciANALISIS REGRESI KELAS LATEN UNTUK DATA KATEGORIK DENGAN SATU KOVARIAT (LATENT CLASS REGRESSION ANALYSIS FOR CATEGORICAL DATA WITH ONE COVARIATE)
7 ANALISIS REGRESI KELAS LATEN UNTUK DATA KATEGORIK DENGAN SATU KOVARIAT (LATENT CLASS REGRESSION ANALYSIS FOR CATEGORICAL DATA WITH ONE COVARIATE) Haeruddin, I Made Tirta, Yuliani Setia Dewi Jurusan Matematika,
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciMETODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer digunakan dalam sebuah penelitian untuk mengetahui bentuk hubungan antara variabel
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Di era modern saat ini, dimana perkembangan teknologi informasi semakin cepat dalam berbagai bidang, pada kenyataannya banyak perusahaan/instansi baik negeri maupun
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Regresi merupakan suatu metode / cara yang digunakan untuk mengukur ada atau tidaknya korelasi antar variabel atau seberapa besar variable X (variabel
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis data survival merupakan salah satu bidang dalam statistika yang digunakan untuk menganalisis data yang mengukur waktu terjadinya suatu kejadian ( event).
Lebih terperinciIMPUTASI MISSING DATA MENGGUNAKAN METODE K-NEAREST NEIGHBOUR DENGAN OPTIMASI ALGORITMA GENETIKA. Abidatul Izzah 1) Nur Hayatin 2) 1)
1 IMPUTASI MISSING DATA MENGGUNAKAN METODE K-NEAREST NEIGHBOUR DENGAN OPTIMASI ALGORITMA GENETIKA Abidatul Izzah 1) Nur Hayatin 2) 1) Teknik Informatika ITS Surabaya Jl. Teknik Kimia Kampus Teknik Informatika
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan ilmu pengetahuan dewasa ini tidak lepas dari kompleknya permasalahan hidup manusia. Salah satu ilmu yang berkenaan dengan hal tersebut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dalam penelitian suatu bidang yang melibatkan makhluk hidup terutama manusia sebagai respon atau subjek yang diteliti tentunya harus memperhatikan
Lebih terperinciDATA DAN METODE Sumber Data
14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan
Lebih terperinci