BAB V KESIMPULAN DAN SARAN
|
|
- Adi Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 "DON'T LET OTHERS CONTROL YOUR LIFE, IT'S YOURS NOT THEIRS BAB V KESIMPULAN DAN SARAN
2 51 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Adapun kesimpulan yang didapat dari hasil analisis yaitu sebagai berikut. 1. Diagram pencar hanya menggambarkan hubungan masing-masing variabel prediktor dengan respon secara parsial. Pengaruh yang terdapat dalam model produktivitas padi tidak dapat dibandingkan secara langsung dengan diagram pencar yang dihasilkan secara univariat. Hal ini disebabkan karena faktor linearitas dalam regresi berganda dipengaruhi sebanyak prediktor secara bersama-sama. Berikut hasil pemodelan produktivitas padi di kabupaten Indramayu, Karawang, dan Subang dengan nilai MSE terkecil. Produktivitas padi periode I di Kabupaten Indramayu dipengaruhi curah hujan bulan januari sebanyak 0,005 mm/bulan, 0,005 mm/bulan pada bulan Februari, 0,004 mm/bulan pada bulan April, dan dipengaruhi negatif dengan curah hujan pada bulan Maret. Pada periode II, produktivitas padi di kabupaten Indramayu dipengaruhi curah hujan bulan Mei sebesar -0,044mm/bln, bulan Juni sebesar 0,009 mm/bln, bulan Juli sebesar -0,025 mm/bln,dan -0,116 mm/bulan pada bulan Agustus. Pada periode III, curah hujan memiliki pengaruh yang berbeda-beda terhadap produktivitas padi di Indramayu. Pengaruh sebesar 0,025 mm/bulan berasal dari curah hujan bulan September dan pada bulan oktober curah hujan belum tampak memberikan pengaruh terhadap produktivitas padi. Periode I : 53,626 0,005, 0,004, 0,007, 0,004, Periode II : 53,997 0,044, 0,009, 0,025, 0,116,
3 52 Periode III : 57,889 0,025, 0,000, 0,028, 0,009, Produktivitas padi pada periode I di kabupaten Karawang dipengaruhi curah hujan bulan Januari sebesar 0,006 mm/bulan, bulan Februari sebesar 0,002 mm/bulan, 0,013mm/bulan, dan dipengaruhi negarif pada bulan Maret. Sama halnya dengan yang terjadi di kabupaten Indramayu Model produktivitas padi pada periode II menunjukkan bahwa curah hujan bulan Mei, Juli, dan Agustus memberikan pengaruh negatif, kecuali pada bulan Juni. Periode II merupakan masa kemarau, sedangkan kadar curah hujan atau air yang dibutuhkan dalam jumlah besar untuk menjaga kestabilan angka produksi padi. Kadar curah hujan periode III pada bulan September dan Desember memberikan pengaruh positif terhadap produktivitas padi di Karawang. La Nina pernah terjadi pada Juli tahun 1998 hingga Maret 1999 dan bulan November 1999 hingga April 2000 sehingga hal tersebut turut menyebabkan angka curah hujan bulan Oktober dan November meningkat dan memberikan pengaruh negatif sebesar -0,078 mm/bulan dan -0,005 mm/bulan. Periode I : 51,272 0,006, 0,002, 0,002, 0,013, Periode II : 58,092 0,067, 0,064, 0,109, 0,0029, Periode III : 54,674 0,006, 0,078, 0,005, 0,022, Produktivitas padi di kabupaten Subang sama halnya dengan yang terjadi di Indramayu dan Karawang. Curah hujan berpengaruh negative terhadap produktivitas padi pada bulanbulan Maret, Mei, Juni, Oktober, November, dan Desember, berikut ini persamaannya.
4 53 Periode I : 51,306 0,001, 0,008, 0,008, 0,005, Periode II : 55,426 0,008, 0,026, 0,001, 0,015, Periode III : 55,782 0,062, 0,028, 0,005, 0,006, Ketiga kabupaten memiliki kesamaan dalam beberapa sisi, yaitu dalam pemodelan tampak bahwa curah hujan pada bulan ketiga setiap periodenya yaitu bulan Maret, Juli, dan November memiliki pengaruh negatif terhadap angka produktivitas. Penyebab penurunan tersebut adalah puncak dari musim kemarau dan musim penghujan, serta adanya gelombang El-Nino dan La-Nina yang mengganggu musim panen dan musim tanam padi di Indonesia. 2. Metode yang paling sesuai dalam pemodelan hubungan produktivitas padi dengan curah hujan dalam rentang waktu 18 tahun ini adalah residual bootstrap pada kabupaten Indramayu, Karawang, dan Subang periode III, sedangkan pairs bootstrap di Kabupaten Subang periode I dan II. Signifikansi parameter yang dihasilkan menggunakan metode resampling tidak berbeda jauh dengan OLS, namun untuk beberapa periode menunjukkan jumlah parameter yang signifikan dari metode resampling lebih banyak daripada OLS. Hasil regresi pada residual bootstrap dan pairs bootstrap memberikan nilai MSE kecil daripada regresi dari metode OLS. Nilai MSE pairs bootsrap seringkali mendekati nilai MSE residual bootstrap. Hal tersebut disebabkan karena pada untuk mendapatkan nilai MSE yang kecil pada pairs bootstrap dibutuhkan sampel bootstrap dan replikasi yang besar sehingga dapat mengimbangi nilai capaian dari residual bootstrap. Pada residual bootstrap distribusi dari error sudah diketahui normal, sedangkan pada pairs bootstrap diperoleh error baru yang belum diketahui distribusinya, sehingga dibutuhkan waktu yang lama untuk
5 54 mendapatkan nilai terbaiknya. OLS tidak mampu memberikan estimasi yang baik dengan nilai MSE yang kecil karena jumlah sampel yang terlalu sedikit, oleh karena itu metode resampling mampu memberikan solusi yang baik bagi pemodelan hubungan ini. 5.2 Saran Saran yang dapat direkomendasikan pada penelitian selanjutnya adalah sebagai berikut. 1. Adanya penambahan data curah hujan dan variabel prediktor bidang klimatologi selain curah hujan untuk mendapatkan pemodelan yang lebih tepat. 2. Adanya penambahan jumlah replikasi dan sampel bootstrap untuk kedua metode resampling. 3. Adanya pengembangan sistem informasi untuk perhitungan pairs bootstrap dan residual bootstrap sehingga dapat mempermudah proses perhitungan. 4. Adanya penggunaan metode nonparametrik lainnya, misalnya wild bootstrap.
6 55 For everything there is a season Whatever begins, also ends DAFTAR PUSTAKA
7 56 DAFTAR PUSTAKA [BMKG] Badan Meteorologi, Klimatologi, dan Geofisika [30 Maret 2009]. [Deptan dan BPS] Departemen Pertanian dan Badan Pusat Statistik Buku Pedoman Petugas Kabupaten/Kota dan Propinsi, Pengumpulan Data Tanaman Pangan dan Holtikultura. Jakarta : BPS dan Departemen Pertanian. Bekti, R.D Model Hubungan Anomali Luas Panen Padi dan Curah Hujan Terboboti (Weighted Rainfall Index) dengan Regresi Robust [Tugas Akhir]. Surabaya : Program Sarjana Jurusan Statistika ITS. Dira Potret Pertanian Indramayu: Paradoks Lumbung Padi Jawa Barat. Indramayu Corner. [10 Juni 2009] Draper, N., Smith, H Analisis Regresi Terapan. Jakarta : PT. Gramedia Pustaka Utama Applied Regression Analysis. New York : John Wiley & Sons, Inc. Efron, B., Tibshirani, R An Introduction to the Bootstrap. London : Chapman and Hall. Erianto,D Surplus tapi Harga Melonjak. [25 Februari 2009]. Flachaire, E Bootstrapping heteroskedastic regression models: wild bootstrap vs. pairs bootstrap. Paris :Universit e Paris 1 Panth eon-sorbonne. Fox, J Bootstrapping Regression Models (Appendix to An R and S-PLUS Companion to Applied Regression). Julianery,BE Agribisnis Jadi Pilihan. [ 10 Juni 2009]
8 57 Kadarsah Tiga Pola Curah Hujan Indonesia. pengunaan -ncl-dalam- analisisdata-meteorologi. [17 Maret 2009]. MacKinnon, J. G Bootstrap Inference in Econometrics. Departement of Economics Queen s University Kingston, Ontario,Canada. Naylor, R.S., Battisti, D.S., Vimont, D.J., Falcon, W.P. 2007a. Agricultural Decision-Making in Indonesia with ENSO Variability:Integrating Climate Science, Risk Assessment and Policy Analysis. NSF Human and Social Dimensions Program. [ 11 Oktober 2008]..2007b. Assessing Risk of Climate Variability and Climate Change for Indonesian Rice Agriculture. [11 Oktober 2008]. Rahardjo, S Perubahan Iklim Sangat Berdampak Pada Tanaman Padi. [ 18 Maret 2009]. Ramsey, J.B Tests for Specification Error in Classical Linear Least Squares Regression Analysis. Journal of the Royal Statistical Society,Series B 31, Rismayadie Karawang dalam sudut pandang geografis dan pertanian (Sumber Tulisan dari situs Departemen Pertanian Jawa Barat). [10 Juni 2009] Ryan. T.A., Jr. dan Joiner, B.L Normal Probability Plots and Tests for Normality. Pennsylvania State University: Technical Report, Statistics Department. Sahinler, S., Topuz, D Bootstrap and Jacknife Resampling Algortihms for Estimation of Regression Parameters. Journal of Applied Quantitative Methods. [13 Maret 2009] Shao, J., Tu, D The Jacknife and Bootstrap. New York : Springer. Suhartono Analisis Data Statistik Dengan R. Surabaya: Laboratorium Komputasi Statistik ITS. Sutikno Statistical Downscaling Luaran GCM dan Pemanfaatannya untuk Peramalan Produksi Padi [Disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
9 58 Irawan, B Fenomena anomali iklim el nino dan la nina:kecenderungan jangka panjang dan penga-ruhnya trhdap produksi pangan. Forum Penelitian agro ekonomi 24:28-45.
PENGEMBANGAN MODEL RAMALAN PRODUKSI PADI DENGAN PENDEKATAN BAGGING MARS
PENGEMBANGAN MODEL RAMALAN PRODUKSI PADI DENGAN PENDEKATAN BAGGING MARS Alif Yuanita 1, Bambang Widjanarko Otok 2, dan Sutikno 3 1 Mahasiswa Statistika, Institut Teknologi Sepuluh Nopember 2,3 Dosen Statistika,
Lebih terperinciBAGGING MARS UNTUK PENGEMBANGAN MODEL RAMALAN ANOMALI LUAS PANEN PADI DI KABUPATEN GUNUNGKIDUL
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, November 00 BAGGING MARS UNTUK PENGEMBANGAN MODEL RAMALAN ANOMALI LUAS PANEN PADI DI KABUPATEN GUNUNGKIDUL Alif Yuanita, Bambang Widjanarko
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 137 146. PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Lebih terperinciPEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR
L/O/G/O SEMINAR HASIL TUGAS AKHIR PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR Oleh: Ria Dosen Pembimbing: Dra. Wiwiek Setya
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 terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciTEKNIK STATISTICAL DOWNSCALING DENGAN REGRESI KOMPONEN UTAMA DAN REGRESI KUADRAT TERKECIL PARSIAL UNTUK PREDIKSI CURAH HUJAN PADA KONDISI EL NINO, LA NINA, DAN NORMAL 1 2 Woro Estiningtyas, Aji Hamim Wigena
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciBOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R
BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R Joko Sungkono* Abstrak : Pada tulisan ini, algoritma metode bootstrap resampling observasi dipaparkan secara detail
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 terperinciPendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi
Statistika, Vol. No., Mei Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi MARZUKI, HIZIR SOFYAN, ASEP RUSYANA Jurusan Matematika FMIPA Universitas Syiah Kuala Jl.
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS
ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS Asep Solih A* Abstrak Dalam analisis data seringkali peneliti ingin mengetahui karakteristik data penelitian seperti jenis distribusi,
Lebih terperinciPEMANFAATAN GLOBAL CIRCULATION MODEL (GCM) UNTUK PREDIKSI PRODUKSI PADI
82 Jurnal Sains Dirgantara Vol. 6 No. 2 Juni 2009 : 82-94 PEMANFAATAN GLOBAL CIRCULATION MODEL (GCM) UNTUK PREDIKSI PRODUKSI PADI Sinta Berliana Sipayung * ), Sutikno **) (*) Peneliti Pusat Pemanfaatan
Lebih terperinciBAB VI KESIMPULAN DAN SARAN. adalah banyaknya hari hujan.
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan analisis data dan pembahasan, dapat diambil beberapa kesimpulan yaitu sebagai berikut : 1. Modul Neo-Normal dapat diaplikasikan ke dalam WinBUGS karena
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap
Lebih terperinciBAGGING MARS PADA PEMODELAN ANOMALI LUAS PANEN PADI DI KABUPATEN NGAWI. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 BAGGING MARS PADA PEMODELAN ANOMALI LUAS PANEN PADI DI KABUPATEN NGAWI Naily Kamaliah (1), Bambang Widjanarko Otok (2),
Lebih terperinciPOTENSI PEMANFAATAN INFORMASI PRAKIRAAN IKLIM UNTUK MENDUKUNG SISTEM USAHA TAMBAK UDANG DAN GARAM DI KABUPATEN INDRAMAYU KIKI KARTIKASARI
POTENSI PEMANFAATAN INFORMASI PRAKIRAAN IKLIM UNTUK MENDUKUNG SISTEM USAHA TAMBAK UDANG DAN GARAM DI KABUPATEN INDRAMAYU KIKI KARTIKASARI DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU
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 terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperinciPENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI
PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas
Lebih terperinciPasang Surut Surabaya Selama Terjadi El-Nino
Pasang Surut Surabaya Selama Terjadi El-Nino G181 Iva Ayu Rinjani dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
Lebih terperinciPengaruh Dipole Mode dan El Nino Southern Oscillation Terhadap Awal Tanam dan Masa Tanam di Kabupaten Mempawah
Pengaruh Dipole Mode dan El Nino Southern Oscillation Terhadap Awal Tanam dan Masa Tanam di Kabupaten Mempawah Yohana Fronika a, Muhammad Ishak Jumarang a*, Andi Ihwan a ajurusanfisika, Fakultas Matematika
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error Ria Kumala Dewi dan Wiwiek Setya Winahju Statistika, FMIPA, Institut Teknologi
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciVI. KESIMPULAN DAN SARAN
VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan Dalam penelitian ini telah dilakukan suatu rangkaian penelitian yang mencakup analisis pewilayahan hujan, penyusunan model prediksi curah hujan, serta pemanfaatan
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciBAB VI PENUTUP Kesimpulan
BAB VI PENUTUP 6.1. Kesimpulan 1. Berdasarkan pemodelan yang dilakukan dengan menggunakan Ordinary Least Square (OLS) dan regresi spasial diperoleh bahwa asumsi klasik telah terpenuhi. Berdasarkan uji
Lebih terperinciModel Ramalan Produksi Padi dengan Menggunakan Indeks Hujan Terboboti di Kabupaten Subang, Karawang, dan Indramayu
Model Ramalan Produksi Padi dengan Menggunakan Indeks Hujan Terboboti di Kabupaten Subang, Karawang, dan Indramayu Forecasting Model of Rice Production Using Weighted Rainfall Index in Subang, Karawang,
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB V KESIMPULAN DAN SARAN
5 BAB V KESIMPULAN DAN SARAN 5. Kesimpulan Berdasarkan hasil analisis sebelumnya, dapat ditarik kesimpulan bahwa :. Model regresi yang mampu menjelaskan hubungan antara angka kematian bayi di Jawa Timur
Lebih terperinciTUGAS AKHIR. Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3
TUGAS AKHIR Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3 Oleh: Alin Fitriani 1306 100 066 Pembimbing: Dr.Ir. Setiawan, M.S NIP 198701 1 001 JURUSAN STATISTIKA
Lebih terperinciRESAMPLING BOOTSTRAP PADA R
RESAMPLING BOOTSTRAP PADA R Joko Sungkono* Abstrak:Pada tulisan ini, algoritma resampling bootstrap akan disajikan secara detail dalam bahasa pemrograman software R untuk beberapa contoh kasus. Resampling
Lebih terperinciBAGGING MARS PADA PERAMALAN PRODUKSI PADI DI PROVINSI KALIMANTAN BARAT
BAGGING PADA PERAMALAN PRODUKSI PADI DI PROVINSI KALIMANTAN BARAT Naily Kamaliah 1, Bambang Widjanarko Otok 2, Sutikno 3 1 Mahasiswa S2 Jurusan Statistika FMIPA ITS (138 21 12) 2,3 Dosen Jurusan Statistika
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagai negara yang terletak diantara Samudra Pasifik-Hindia dan Benua Asia-Australia, serta termasuk wilayah tropis yang dilewati oleh garis khatulistiwa, menyebabkan
Lebih terperinci2-RP. C. Deskripsi CP secara umum KKNI Level 6
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.3 : untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada 2. CP 15.1
Lebih terperinciPEMODELAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PANJANG MUSIM HUJAN BERDASAR SEA SURFACE TEMPERATURE
PEMODELAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PANJANG MUSIM HUJAN BERDASAR SEA SURFACE TEMPERATURE Agus Buono 1, M. Mukhlis 1, Akhmad Faqih 2, Rizaldi Boer 2 1 Departemen Ilmu Komputer, Fakultas Matematika
Lebih terperinciImpact of Climate Variability on Agriculture at NTT
Impact of Climate Variability on Agriculture at NTT PEMDA Propinsi NTT, Kupang CARE International Centre for Climate Risk and Opportunity Management, Bogor Agricultural University (IPB) International Rice
Lebih terperinciPENDUGAAN PARAMETER REGRESI DENGAN BOOTSTRAP RESIDUAL UNTUK JUMLAH SAMPEL YANG BERVARIASI M a r zu k i, H i zi r S o f y a n Universitas Syiah Kuala marz_ukie@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciRingkasan Proyeksi Produksi Minyak Sawit 2017 dari Segi Trend Kondisi Iklim Indonesia
Ringkasan Proyeksi Produksi Minyak Sawit 2017 dari Segi Trend Kondisi Iklim Indonesia 1 SEKILAS KETERKAITAN IKLIM (CURAH HUJAN) DAN KELAPA SAWIT Iklim merupakan given factor dalam usaha perkebunan kelapa
Lebih terperinci1. PENDAHULUAN. [8 Januari 2006] 1 ( )
1. PENDAHULUAN 1.1. Latar Belakang Informasi ramalan curah hujan sangat berguna bagi petani dalam mengantisipasi kemungkinan kejadian-kejadian ekstrim (kekeringan akibat El- Nino dan kebanjiran akibat
Lebih terperinciJudul : Perbandingan Metode MCD Bootstrap dan. Analisis Regresi Linear Berganda. Pembimbing : 1. Dra. Ni Luh Putu Suciptawati,M.Si
Judul : Perbandingan Metode MCD Bootstrap dan LAD Bootstrap Dalam Mengatasi Pengaruh Pencilan Pada Analisis Regresi Linear Berganda Nama : Ni Luh Putu Ratna Kumalasari Pembimbing : 1. Dra. Ni Luh Putu
Lebih terperinciEstimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama
Estimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama Shinta Anisa Putri Y 1, Raupong 2, Sri Astuti Thamrin 3 1 Program Studi Statistika, Jurusan Matematika, Fakultas Matematika
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya adalah analisis terhadap sampel yang kemudian hasil analisisnya akan digeneralisasikan untuk mengetahui karakteristik populasi.
Lebih terperinciJurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya *
PERAMALAN DATA CURAH HUJAN DENGAN SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DENGAN DETEKSI OUTLIER SEBAGAI UPAYA OPTIMALISASI PRODUKSI PERTANIAN DI KABUPATEN MOJOKERTO Ary Miftakhul Huda
Lebih terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
Lebih terperinciPERUBAHAN KLIMATOLOGIS CURAH HUJAN DI YOGJAKARTA, SEMARANG, SURABAYA, PROBOLINGGO DAN MALANG
Prosiding Seminar Nasional Penelitian, Penerapan dan Pendidikan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 29 PERUBAHAN KLIMATOLOGIS CURAH HUJAN DI YOGJAKARTA, SEMARANG, SURABAYA, PROBOLINGGO
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciPerbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi
Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Comparison of Bootstrap and Jackknife Resampling Methods in Determining
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Deskripsi Data
BAB IV PEMBAHASAN Pada bab ini diberikan deskripsi data, diagram pencar data, titik knot optimal, model regresi nonparametrik spline, pengujian parameter, dan pengujian sisaan. Selanjutnya regresi nonparametrik
Lebih terperinciPERBANDINGAN BAGAN KENDALI T 2 HOTELLING KLASIK DENGAN T 2 HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL MULTIVARIAT
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 17 4 ISSN : 303 910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN BAGAN KENDALI T HOTELLING KLASIK DENGAN T HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO
PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO ESTIMATE MULTIPLE LINEAR REGRESSION PARAMETERS) Iesyah
Lebih terperinciREGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah
REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA Isma Hasanah isma_semangat@yahoo.co.id Agustini Tripena, Br. Sb Universitas Jenderal Soedirman ABSTRACT. Regression analysis is statistic
Lebih terperinciANALISIS DAN PEMBAHASAN
[D1]RMSEP NWP saya liat dari mbak dewinta krn data training dan testingnya sama ANALISIS DAN PEMBAHASAN Validasi Model Nilai RMSEP MOS ICA dan PCA Stamet Tanjung Priok Cengkareng Curug Darmaga Unsur Cuaca
Lebih terperinciPENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 121 126. PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK Yuyun
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciReduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama
Reduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama Ferry Kondo Lembang Jurusan Matematika FMIPA UNPATTI ferrykondolembang@yahoo.co.id Abstrak Reduksi dimensi adalah bagian
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciPENGARUH FENOMENA ENSO TERHADAP PRODUKTIVITAS JAGUNG DI KABUPATEN GORONTALO
PENGARUH FENOMENA ENSO TERHADAP PRODUKTIVITAS JAGUNG DI KABUPATEN GORONTALO Richard Ering 1, Suwandi 2 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG), Tangerang Selatan E-mail: richard.ering@bmkg.go.id
Lebih terperinciTingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen
Tingkat Efisiensi Metode Robust dalam Menaksir Garis Jika Ragam Galat Tidak Homogen Harmi Sugiarti dan Andi Megawarni e-mail: harmi@mailutacid dan mega@mailutacid Abstract This paper aims to compare the
Lebih terperinciPENGARUH CURAH HUJAN TERHADAP PRODUKTIVITAS PANGAN DI JAWA TIMUR
PENGARUH CURAH HUJAN TERHADAP PRODUKTIVITAS PANGAN DI JAWA TIMUR Khanifan Setiawan Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG), Tangerang Selatan E-mail: khanifansetiawan44@gmail.com Abstrak
Lebih terperinciAlgoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Algoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator S-20 Yuliana 1, Dewi Retno Sari
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciARI RUSMASARI NRP
Oleh : ARI RUSMASARI NRP. 1310201710 Pembimbing : 1. Dr. SUTIKNO, S.Si, M.Si. 2. Dr. Ir. SETIAWAN, M.S. Program Magister Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciProsiding Seminar Nasional Hasil-Hasil PPM IPB 2016 Hal : 1 7 ISBN :
Hal : 1 7 ISBN : 978-62-8853-29-3 MODEL LINIER BERDASARKAN SEBARAN GAMMA DENGAN REGULARISASI PERSENTIL L1 DAN L2 UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (Linear Model based on Gamma Distribution with Percentile
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciGambar C.16 Profil melintang temperatur pada musim peralihan kedua pada tahun normal (September, Oktober, dan November 1996) di 7 O LU
Gambar C.15 Pola arus permukaan pada musim peralihan kedua pada tahun normal (September, Oktober, dan November 1996). Lingkaran biru adalah Eddy Mindanao Gambar C.16 Profil melintang temperatur pada musim
Lebih terperinci3. PEMANFAATAN INFORMASI IKLIM UNTUK PENYUSUNAN MODEL PRODUKSI PERTANIAN
3. PEMANFAATAN INFORMASI IKLIM UNTUK PENYUSUNAN MODEL PRODUKSI PERTANIAN 15 Berbagai model ramalan produksi tanaman pangan (khususnya padi) telah dikembangkan di Indonesia. Model-model tersebut secara
Lebih terperinciPERBANDINGAN ORDINARY RIDGE REGRESSION DAN UNBIASED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS PADA DATA
PERBANDINGAN ORDINARY RIDGE REGRESSION DAN UNBIASED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS PADA DATA COMPARISON BETWEEN ORDINARY RIDGE REGRESSION AND UNBIASED RIDGE REGRESSION IN COPING WITH
Lebih terperinciPerbandingan Metode Robust Least Trimmed Square Dengan Metode Scale
Perbandingan Metode Robust Least Trimmed Square Dengan Metode Scale Dalam Mengestimasi Parameter Regresi Linear Berganda Untuk Data Yang Mengandung Pencilan Musafirah 1, Raupong 2, Nasrah Sirajang 3 ABSTRAK
Lebih terperinciMETODE ANALISIS HARGA PANGAN 1
METODE ANALISIS HARGA PANGAN 1 Handewi P.S. Rachman Pusat Analisis Sosial Ekonomi dan Kebijakan Pertanian Jl. A. Yani No. 70 Bogor 16161 Abstrak Harga dan kaitannya dengan peningkatan pendapatan dan kesejahteraan
Lebih terperinciGambar 8. Pola Hubungan Curah Hujan Rata-rata Harian RegCM3(Sebelum dan Sesudah Koreksi) dengan Observasi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Koreksi Bias Data Curah Hujan dan Suhu Luaran Model RegCM3 Data luaran RegCM3 merupakan hasil simulasi kondisi iklim yang memiliki resolusi spasial yang
Lebih terperinciPENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT
PENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT Joko Sungkono* dan Udiyono* Abstrak: Secara statistik, metode quick count merupakan suatu proses estimasi parameter proporsi
Lebih terperinciRegresi Kuantil untuk Eksplorasi Pola Curah Hujan di Kabupaten Indramayu. Regression for Exploring Rainfall Pattern in Indramayu Regency
Regresi Kuantil (Anik D. & Aji Hamim Regresi Kuantil untuk Eksplorasi Pola Curah Hujan di Kabupaten Indramayu Regression for Exploring Rainfall Pattern in Indramayu Regency Anik Djuraidah & Aji Hamim Wigena
Lebih terperinciLampiran 1. Data Produksi Karet (kg/bulan) Kebun Sei Baleh Estate pada Tanaman Berumur 7, 10 dan 13 Tahun Selama 3 Tahun ( )
79 Lampiran 1. Data Produksi Karet (kg/bulan) Kebun Sei Baleh Estate pada Tanaman Berumur 7, 10 dan 13 Tahun Selama 3 Tahun (2012-2014) Tahun 2012 Tahun 2013 Tahun 2014 Bulan Umur (tahun) Umur (tahun)
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciBAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciPEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH
PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH 1 Diana Wahyu Safitri, 2 Moh Yamin Darsyah, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika FMIPA Universitas
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY
Lebih terperinciMODEL REGRESI LINIER BERGANDA MENGGUNAKAN PENAKSIR PARAMETER REGRESI ROBUST M-ESTIMATOR (Studi Kasus: Produksi Padi di Provinsi Jawa Barat Tahun 2009)
MODEL REGRESI LINIER BERGANDA MENGGUNAKAN PENAKSIR PARAMETER REGRESI ROBUST M-ESTIMATOR (Studi Kasus: Produksi Padi di Provinsi Jawa Barat Tahun 2009) Rini Cahyandari, Nurul Hisani Jurusan Matematika Fakultas
Lebih terperinciBadan Penelitian dan Pengembangan Pertanian
Press Release PREDIKSI DAMPAK DINAMIKA IKLIM DAN EL-NINO 2014-2015 TERHADAP PRODUKSI PANGAN BADAN PENELITIAN DAN PENGEMBANGAN PERTANIAN I. Prediksi Iklim hingga Akhir 2014/Awal 2015 1. Prediksi berbagai
Lebih terperinciMODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES
PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga Kabupaten Bogor, Propinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan
Lebih terperinciLampiran 1. Data Produksi Tandan Buah Segar (ton/bulan) Kebun Huta Padang pada Tanaman Berumur 7, 10, dan 13 Tahun Selama 3 Tahun ( )
Lampiran 1. Data Produksi Tandan Buah Segar (ton/bulan) Kebun Huta Padang pada Tanaman Berumur 7, 10, dan 13 Tahun Selama 3 Tahun (2013-2015) BULAN Tahun Tahun Tahun Umur (Tahun) Umur (Tahun) Umur (Tahun)
Lebih terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR
UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (24) 2337-352 (23-928X Print) D-42 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error
Lebih terperinciPREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL
PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL Firmanti Suryandari, Sri Subanti, Bowo Winarno Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi merupakan proses meningkatnya
Lebih terperinciANALISA VARIABILITAS CURAH HUJAN DI PALU BERDASARKAN DATA PENGAMATAN TAHUN
ANALISA VARIABILITAS CURAH HUJAN DI PALU BERDASARKAN DATA PENGAMATAN TAHUN 1981-2010 Wenas Ganda Kurnia Stasiun Pemantan Atmosfer Global Lore Lindu Bariri Palu Email: wenasbmkg@gmail.com ABSTRAK Curah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi dan mempresentasikan data. Dalam perkembangan masa,
Lebih terperinciANALISIS FENOMENA TEKANAN UDARA PERMUKAAN INDONESIA SEBELUM KEJADIAN HUJAN EKSTREM DI KABUPATEN INDRAMAYU DENGAN PENDEKATAN BOOTSTRAP
ANALISIS FENOMENA TEKANAN UDARA PERMUKAAN INDONESIA SEBELUM KEJADIAN HUJAN EKSTREM DI KABUPATEN INDRAMAYU DENGAN PENDEKATAN BOOTSTRAP Sri Hidayati 1312105023 Dosen Pembimbing: Heri Kuswanto, Dr. rer.pol
Lebih terperinci