IDENTIFIKASI AUTOKORELASI SPASIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEKS MORAN
|
|
- Ivan Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Idetifikasi Autokorelasi (Triastuti) IDENTIFIKAI AUTOKORELAI PAIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEK MORAN Triastuti Wuryadari, Abdul Hoyyi Dewi etya Kusumawardai 3, Dwi Rahmawati 4, Dose Jurusa tatistika FMIPA UNDIP 3,4 Alumi Jurusa tatistika FMIPA UNDIP Abstract Uemploymet is caused by the work force or job seekers are ot proportioal with the umber of existig jobs. Uemploymet is ofte a problem i the itercoected ecoomy due to uemploymet, productivity ad icome will be reduced. The umber of uemployed i a are a expected to be affected by uemploymet i the surroudig area. This is made possible because of the proximity factor or adjacecy betwee regios, it is estimated that there are likages to the regioal uemploymet rate. To determie the relatioship betwee regioal likages used Mora s Idex method. The umber of uemployed i Cetral Java, obtaied Mora s Idex value =.64. Mora's Idex values i the rage < I idicatig the presece of spatial autocorrelatio is positive but small correlatio ca be said because of ear zero, orit ca be cocluded that the similarity betwee the district does ot have a value or idicate that uemploymet amog districts i Cetral Java has a small correlatio. Keywords: Uemploymet, Mora s Idex, Cetral Java, Autocorrelatio, patial. Pedahulua Pegaggura adalah istilah utuk orag yag tidak bekerja sama sekali, sedag mecari kerja, bekerja kurag dari dua hari selama semiggu, atau seseorag yag sedag berusaha medapatka pekerjaa yag layak. Tigkat pegaggura dapat dihitug dega cara membadigka jumlah pegaggura dega jumlah agkata kerja yag diyataka dalam perse. Berdasarka AKERNA (), jumlah agkata kerja sebayak orag. Jumlah yag terserap bekerja sebayak orag (93,93 perse) da yag tidak terserap sebayak orag (6,7 perse). ektor yag palig bayak meyerap teaga kerja adalah sektor pertaia, yaki sebayak orag atau 36,5 perse, kemudia dilajutka dega sektor perdagaga yag meyerap orag atau,9 perse da sektor idustri yag meampug orag atau 8, perse dari orag yag bekerja. Dari kelompok usia kerja ada sebayak orag tergolog dalam agkata kerja. Persetase agkata kerja terhadap peduduk usia kerja adalah 7,94 perse yag selajutya biasa disebut sebagai Tigkat Partisipasi Agkata Kerja (TPAK). Peduduk yag tergolog agkata kerja adalah kelompok orag yag bekerja maupu yag sedag mecari pekerjaa, mempersiapka usaha, merasa tidak mugki medapatka pekerjaa da sudah diterima kerja tapi belum mulai bekerja. Peduduk bekerja pada Februari sebayak orag (93,93 perse) da pegaggura sebayak orag atau 6,7 perse. Persetase ii umum dikeal sebagai Tigkat Pegaggura Terbuka (TPT). isa dari peduduk usia kerja sebayak orag (sekitar 9,6 perse) tergolog sebagai buka agkata kerja.
2 Media tatistika, Vol. 7, No., Jui 4: - Jumlah pegaggura di suatu daerah diperkiraka dipegaruhi oleh jumlah pegaggura di daerah sekitarya. Hal ii mugki terjadi karea adaya faktor kedekata atau ketetaggaa atar daerah. Oleh karea itu, diperkiraka terjadi adaya keterkaita daerah terhadap jumlah pegaggura.. Tijaua Pustaka.. Pegertia tatistika pasial tatistika spasial adalah metode statistika yag diguaka utuk megaalisis data spasial. Data spasial adalah data yag memuat iformasi lokasi, jadi tidak haya apa yag diukur tetapi meujukka lokasi dimaa data itu berada []. Data-data spasial dapat berupa iformasi megeai lokasi geografi seperti letak garis litag da garis bujur dari masig-masig wilayah da perbatasa atar daerah. ecara sederhaa data spasial diyataka sebagai iformasi alamat. Dalam betuk yag lai, data spasial diyataka dalam betuk grid koordiat seperti dalam sajia peta ataupu dalam betuk pixel seperti dalam betuk citra satelit [4]. Dega demikia pedekata aalisis statistika spasial biasa disajika dalam betuk peta tematik. Hukum pertama tetag geografi dikemukaka oleh W Tobler. Tobler dalam Aseli [] megemukaka bahwa, semua hal salig berkaita satu dega yag laiya, tetapi sesuatu yag dekat aka lebih berkaita dari pada hal yag berjauha. Hukum iilah yag mejadi pilar megeai kajia sais regioal. Dapat disimpulka bahwa efek spasial merupaka hal yag wajar terjadi atara satu daerah dega daerah yag laiya... Aalisis Data pasial Data spasial adalah data yag memuat adaya iformasi lokasi atau geografis dari suatu wilayah. Meurut De Mers dalam Budiyato [4], aalisis spasial megarah pada bayak macam operasi da kosep termasuk perhituga sederhaa, klasifikasi, peataa, tumpag-susu geometris, da pemodela kartografis. ecara umum aalisis spasial membutuhka suatu data data yag berdasarka lokasi da memuat karakteristik dari lokasi tersebut. Aalisis spasial terdiri dari tiga kelompok yaitu visualisasi, eksplorasi, da pemodela. Visualisasi adalah megiformasika hasil aalisis spasial. Eksplorasi adalah megolah data spasial dega metode statistika. edagka pemodela adalah meujukka adaya kosep hubuga sebab akibat dega megguaka metode dari sumber data spasial da data o spasial utuk memprediksi adaya pola spasial [6]. Lokasi pada data spasial harus diukur agar dapat megetahui adaya efek spasial yag terjadi. Meurut Kosfeld [5], iformasi lokasi dapat diketahui dari dua sumber yaitu:. Hubuga ketetaggaa (eighborhood) Hubuga ketetaggaa mecermika lokasi relatif dari satu uit spasial atau lokasi ke lokasi yag lai dalam ruag tertetu. Hubuga ketetaggaa dari uit-uit spasial biasaya dibetuk berdasarka peta. Ketetaggaa dari uit-uit spasial ii diharapka dapat mecermika derajat ketergatuga spasial yag tiggi jika dibadigka dega uit spasial yag letakya terpisah jauh.. Jarak (distace) Lokasi yag terletak dalam suatu ruag tertetu dega adaya garis litag da garis bujur mejadi sebuah sumber iformasi. Iformasi iilah yag diguaka utuk meghitug jarak atar titik yag terdapat dalam ruag. Diharapka kekuata ketergatuga spasial aka meuru sesuai dega jarak yag ada.
3 Idetifikasi Autokorelasi (Triastuti) Hal yag sagat petig dalam aalisis spasial adalah adaya pembobot atau serig disebut sebagai matriks pembobot spasial. Matriks pembobot spasial diguaka utuk meetuka bobot atar lokasi yag diamati berdasarka hubuga ketetaggaa atar lokasi. Meurut Kosfeld [5], pada grid umum ketetaggaa dapat didefiisika dalam beberapa cara, yaitu: a. Rook cotiguity Daerah pegamataya ditetuka berdasarka sisi-sisi yag salig bersigguga da sudut tidak diperhitugka. Ilustrasi rook cotiguity dilihat pada Gambar, dimaa uit B, B, B3, da B4 merupaka tetagga dari uit A Uit B Uit B Uit A Uit B3 Uit B4 Gambar. Rook Cotiguity b. Bishop cotiguity Daerah pegamataya ditetuka berdasarka sudut-sudut yag salig bersigguga da sisi tidak diperhitugka. Ilustrasi utuk bishop cotiguity dilihat pada Gambar, dimaa uit C, C, C3, da C4 merupaka tetagga dari uit A Uit C Uit C4 Uit A Uit C Uit C3 Gambar. Bishop Cotiguity c. Quee cotiguity Daerah pegamataya ditetuka berdasarka sisi-sisi yag salig bersigguga da sudut juga diperhitugka. Ilustrasi utuk quee cotiguity dapat dilihat pada Gambar 3, dimaa uit B, B, B3, da B4 serta C, C, C3, da C4 merupaka tetagga dari uit A. Uit C Uit B Uit C Uit B Uit A Uit B3 Uit C4 Uit B4 Uit C3 Gambar 3. Quee Cotiguity 3
4 Media tatistika, Vol. 7, No., Jui 4: - Pada umumya ketetaggaa atar lokasi didasarka pada sisi-sisi utama buka sudutya. Meurut Kosfeld [5], matriks pembobot spasial W dapat diperoleh dari dua cara yaitu matriks pembobot terstadarisasi (stadardize cotiguity matrix W) da matriks pembobot tak terstadarisasi (ustadardize cotiguity matrix ). Matriks pembobot terstadarisasi (stadardize cotiguity matrix W) merupaka matriks pembobot yag diperoleh dega cara memberika bobot yag sama rata terhadap tetagga lokasi terdekat da yag laiya ol, sedagka matriks pembobot tak terstadarisasi (ustadardize cotiguity matrix ) merupaka matriks pembobot yag diperoleh dega cara memberika bobot satu bagi tetagga terdekat da yag laiya ol..3. Autokorelasi pasial Autokorelasi spasial adalah taksira dari korelasi atar ilai amata yag berkaita dega lokasi spasial pada variabel yag sama. Autokorelasi spasial positif meujukka adaya kemiripa ilai dari lokasi-lokasi yag berdekata da cederug berkelompok. edagka autokorelasi spasial yag egatif meujukka bahwa lokasi-lokasi yag berdekata mempuyai ilai yag berbeda da cederug meyebar. Karekteristik dari autokorelasi spasial yag diugkapka oleh Kosfeld [5], yaitu:. Jika terdapat pola sistematis pada distribusi spasial dari variabel yag diamati, maka terdapat autokorelasi spasial.. Jika kedekata atau ketetaggaa atar daerah lebih dekat, maka dapat dikataka ada autokorelasi spasial positif. 3. Autokorelasi spasial egatif meggambarka pola ketetaggaa yag tidak sistematis. 4. Pola acak dari data spasial meujukka tidak ada autokorelasi spasial. Pegukura autokorelasi spasial utuk data spasial dapat dihitug megguaka metode Mora s Idex (Ideks Mora), Geary s C, da Tago s excess [6]. Pada peelitia ii metode aalisis haya dibatasi pada metode Mora s Idex (Ideks Mora). Ideks Mora (Mora s I) merupaka metode yag palig bayak diguaka utuk meghitug autokorelasi spasial secara global. Metode ii dapat diguaka utuk medeteksi permulaa dari keacaka spasial. Keacaka spasial ii dapat megidikasika adaya polapola yag megelompok atau membetuk tre terhadap ruag [5]. Meurut Kosfeld [5], perhituga autokorelasi spasial dega metode Ideks Mora dapat dilakuka dega dua cara, yaitu:. Ideks Mora dega matriks pembobot spasial tak terstadarisasi W* I i j w * ij x xi x i j x) ( x j x dega : eleme pada pembobot tak terstadarisasi atara daerah i da j,. Ideks Mora dega matriks pembobot spasial terstadarisasi W I i j w ij xi x i x j x) ( x j x () () 4
5 Idetifikasi Autokorelasi (Triastuti) dega: I : Ideks Mora : bayakya lokasi kejadia : ilai pada lokasi i : ilai pada lokasi j : rata-ratadari jumlah variabel atau ilai : eleme pada pembobot tak terstadarisasi atara daerah i da j : eleme pada pembobot terstadarisasi atara daerah i da j Retag ilai dari Ideks Mora dalam kasus matriks pembobot spasial terstadarisasi adalah - I.Nilai - I < meujukka adaya autokorelasi spasial egatif, sedagka ilai < I meujukka adaya autokorelasi spasial positif, ilai Ideks Mora berilai ol megidikasika tidak berkelompok.nilai Ideks Mora tidak mejami ketepata pegukura jika matriks pembobot yag diguaka adalah pembobot tak terstadarisasi.utuk megidetifikasi adaya autokorelasi spasial atau tidak, dilakuka uji sigifikasi Ideks Mora. Uji hipotesis utuk Ideks Mora adalahsebagai berikut: i. Hipotesis H : Tidak terdapat autokorelasi spasial H : Terdapat autokorelasi spasial ii. Tigkat sigifikasi: α I E( I) iii. tatistik uji: Z( I) N(,) Var ( I) dega E(I).. 3. Var ( I) I E( ) w ij w ij w ji w ij i j i j w ji i j j Kriteria uji: Tolak H pada taraf sigifikasi α jika Z( I) Z dega Z adalah (-α) kuatil dari distribusi ormal stadar.4. Mora catterplot Mora catterplot adalah alat yag diguaka utuk melihat hubuga atara ilai pegamata yag terstadarisasi dega ilai rata-rata tetagga yag sudah terstadarisasi. Jika digabugka dega garis regresi maka hal ii dapat diguaka utuk megetahui derajat kecocoka da megidetifikasi adaya outlier. Mora catterplot dapat diguaka utuk megidetifikasi keseimbaga atau pegaruh spasial []. Tipe-tipe hubuga spasial dapat dilihat dari Gambar 4. Kuadra I atau HH (High-High) Kuadra IV atau HL (High-Low) Kuadra II atau LH (Low-High) Kuadra III atau LL (Low-Low) Gambar 4. Mora catterplot 5
6 Media tatistika, Vol. 7, No., Jui 4: - Meurut Zhukov () [7], kuadra-kuadra dalam Mora catterplot adalah sebagai berikut:. Pada kuadra I, HH (High-High) meujukka bahwa daerah yag mempuyai ilai pegamata tiggi dikeliligi oleh daerah yag mempuyai ilai pegamata tiggi.. Pada kuadra II, LH (Low-High) meujukka bahwa daerah yag mempuyai ilai pegamata redah dikeliligi oleh daerah yag mempuyai ilai pegamata tiggi. 3. Pada kuadra III, LL (Low-low) meujukka bahwa daerah yag mempuyai ilai pegamata redah dikeliligi oleh daerah yag mempuyai ilai pegamata redah. 4. Pada kuadra IV, HL (High-Low) meujukka bahwa daerah yag mempuyai ilai pegamata tiggi dikeliligi oleh daerah yag mempuyai ilai pegamata redah. 3. Metode Peelitia Data yag diguaka dalam peelitia ii merupaka data sekuder yag diperoleh dari BP tetag data jumlah pegaggura di Jawa Tegah pada tahu berdasarka kabupate/kota. Berikut adalah data jumlah pegaggura di Jawa Tegah tahu Tabel. Jumlah Pegaggura di Kabupate/Kota Jawa Tegah No Kab/Kodya Jumlah No Kab/ Kodya Jumlah Cilacap Kudus 5.5 Bayumas Jepara Purbaligga 4.8 Demak Bajaregara 9.9 emarag Kebume Temaggug Purworejo.7 4 Kedal Woosobo Batag Magelag Pekaloga Boyolali Pemalag Klate Tegal ukoharjo Brebes Woogiri Kota Magelag Karagayar Kota urakarta rage Kota alatiga 6. 5 Groboga Kota emarag Blora Kota Pekaloga Rembag Kota Tegal Pati Jumlah Hasil Da Pembahasa 4.. Matriks Pembobot pasial Dalam aalisis spasial utuk meetuka adaya autokorelasi spasial, kompoe utama yag diperluka adalah peta lokasi. Peta diguaka utuk meetuka hubuga kedekata atar kabupate di Jawa Tegah. Dega demikia aka lebih mudah utuk memberi pembobot pada masig-masig lokasi atau kabupate. Dari peta provisi Jawa Tegah diketahui bahwa terdapat 35 kabupate sehigga matriks pembobot spasial aka berukura 35x35. Metode pembobota matriks yag diguaka adalah rook cotiguity da 6
7 Cilacap Purbaligga Kebume Woosobo Boyolali ukoharjo Karagayar Groboga Rembag Kudus Demak Temaggug Batag Pemalag Brebes Kota urakarta Kota emarag Kota Tegal Idetifikasi Autokorelasi (Triastuti) cara memperoleh matriks pembobot spasial berdasarka stadardize cotiguity matrix W (matriks pembobot terstadarisasi). tadardize cotiguity matrix W (matriks pembobot terstadarisasi) diperoleh dega cara memberika ilai atau bobot yag sama rata terhadap tetagga lokasi terdekat da lokasi yag laiya diberi bobot ol. Berdasarka matriks pembobot spasial, dapat diketahui jumlah tetagga lokasi yag dimiliki oleh masig-masig kabupate. Grafik jumlah ketetaggaa tiap kabupate adalah sebagai berikut: Gambar 5. Jumlah Ketetaggaa Tiap Kabupate Grafik jumlah ketetagga merupaka grafik yag meeragka jumlah dari lokasi kabupate yag berbatasa lagsug sesuai dega ketetua rook cotiguity dega kabupate yag diamati. Berdasarka gambar 5, dapat diketahui bahwa kabupate yag mempuyai batas lokasi (tetagga) terbayak adalah Kabupate Boyolali da Kabupate emarag yaitu sebayak 8 tetagga. elajutya kabupate yag mempuyai batas lokasi (tetagga) palig sedikit adalah Kota Magelag da Kota alatiga memiliki jumlah tetagga. 4.. Ideks Mora Ideks Mora (Mora s Idex) adalah salah satu tekik aalisis spasial yag dapat diguaka utuk meetuka adaya autokorelasi spasial atar lokasi pegamata. Perhituga Ideks Mora adalah sebagai berikut: I i j w ij i x xx x i i x x j , ,64 Pada uji sigifikasi diguaka pedekata ormal utuk megetahui apakah terdapat autokorelasi spasial atau tidak. Uji hipotesisya adalah sebagai berikut: i. Hipotesis H : Tidak terdapat autokorelasi spasial H : Terdapat autokorelasi spasial ii. Tigkat sigifikasi α = 5% iii. tatistik uji E ( I),
8 Media tatistika, Vol. 7, No., Jui 4: w ij i j 35 w ij w ji... 8, 94 i j w ij w ji i j j 3 Var( I) I 35 (8,94) 34(5,97393) 3(35 ) Var( I) E I E( I),64,94 Z ( I),7859 Var ( I),354...,94, 354 5,97393 iv. Kriteria uji: Tolak H pada taraf sigifikasi α jika Z ( I) Z, dega Z -α = Z,95 =,645 v. Kesimpula: Dari hasil perhituga dapat diketahui bahwa ilai Z(I) =,7859 < Z,95 =,645. ehigga H diterima atau kesimpula bahwa tidak terdapat autokorelasi spasial. Dari pegujia Ideks Mora diperoleh kesimpula bahwa pada taraf sigifikasi 5% diyataka tidak terdapat autokorelasi spasial tehadap jumlah pegaggura di Jawa Tegah pada tahu. Nilai Ideks Mora sebesar,64 berada pada retag < I da meujukka adaya autokorelasi spasial positif amu korelasiya dapat dikataka lemah karea medekati ol. Berarti disimpulka bahwa atar kabupate satu dega yag laiya tidak memiliki kemiripa ilai atau megidikasika bahwa data tidak berkelompok. 4.3 Mora catterplot Mora scatterplot disajika pada Gambar 6 berikut, titik-titik meyebar diatara kuadra I, II, III, da IV. Aalisis Mora scatterplot dilakuka dega software GeoDa da diperoleh hasil sebagai berikut:. Pada kuadra I, HH (High-High) meujukka bahwa daerah yag mempuyai ilai pegamata tiggi dikeliligi oleh daerah yag mempuyai ilai pegamata tiggi. Kabupate yag berada dalam kuadra I adalah Kabupate emarag, Purbaligga, Temaggug, Blora, Kudus, Jepara, Rembag, Kebume, Kota Magelag, da Kota Tegal.. Pada kuadra II, LH (Low-High) meujukka bahwa daerah yag mempuyai ilai pegamata redah dikeliligi oleh daerah yag mempuyai ilai pegamata tiggi. Kabupate yag berada dalam kuadra II adalah Kabupate Boyolali, Klate, Bajaregara, 8
9 Idetifikasi Autokorelasi (Triastuti) 3. Woogiri, Purworejo, Karagayar, ukoharjo, Woosobo, Batag, Pekaloga, Kota urakarta, Kota alatiga, da Kota Pekaloga. 4. Pada kuadra III, LL (Low-low) meujukka bahwa daerah yag mempuyai ilai pegamata redah dikeliligi oleh daerah yag mempuyai ilai pegamata redah. Kabupate yag berada dalam kuadra III adalah Kabupate Magelag, Pati, Kedal, da rage. 5. Pada kuadra IV, HL (High-Low) meujukka bahwa daerah yag mempuyai ilai pegamata tiggi dikeliligi oleh daerah yag mempuyai ilai pegamata redah. Kabupate yag berada dalam kuadra IV adalah Kabupate Brebes, Cilacap, Demak, Tegal, Bayumas, Groboga, Pemalag, da Kota emarag. Kuadra I Kuadra IV Kuadra II Kuadra III Gambar 6. Mora catterplot dari Jumlah Pegaggura Peta peyebara pegaggura di Jawa Tegah tahu berdasarka Mora catterplot adalah sebagai berikut: Gambar 7. Peta Peyebara Pegagguradi Jawa Tegah Tahu 9
10 Media tatistika, Vol. 7, No., Jui 4: - 5. Kesimpula Berdasarka hasil aalsisis da pembahasa, dapat diperoleh kesimpula sebagai berikut:. Berdasarka perhituga, ilai Ideks Mora I =,64. Nilai Ideks Mora ii berada pada retag < I sehigga meujukka adaya autokorelasi spasial positif amu korelasiya dapat dikataka lemah karea medekati ol, sehigga meyebabka tidak adaya autokorelasi spasial pada pegujia sigifikasi ideks Mora.. Berdasarka pegujia sigifikasi Ideks Mora dega taraf sigifikasi 5% dapat diperoleh kesimpula bahwa atar kabupate satu dega yag laiya tidak memiliki kemiripa ilai atau megidikasika bahwa pegaggura atar Kabupate di Jawa Tegah tidak salig berkorelasi. DAFTAR PUTAKA. Aseli, L., Exploratory patial Data Aalysis ad Geographic Iformatio ystems, Natioal Ceter for Geographic Iformatio ad Aalysis of Califoria ata Barbara: CA936,993.. Baerjee,., Hierarchical Modelig ad Aalysis for patial Data, Chapma ad Hall/CRC, Boca Rato, Bollerslev, T., Geeralized Autoregressive Coditioal Heteroskedasticity, Joural of Ecoometrics, 986, Vol. 3: Budiyato, E., istem Iformasi Geografis dega ArcView GI, Peerbit Adi, Yogyakarta,. 5. Kosfeld, R., patial Ecoometric, 6, URL: 6. Pfeiffer, D et al., patial Aalysis i Epidemiologi, Oxford Uiversity Press., New York, Zhukof, Y., patial Autocorrelatio, IQQ, Harvard Uiversity, Amerika,.
Mengidentifikasi Pola Spasial dan Autokorelasi Spasial Tingkat Pengangguran Terbuka Kabupaten/Kota di Kalimantan Selatan Tahun 2014
Megidetifikasi Pola pasial da Autokorelasi pasial Tigkat Pegaggura Terbuka Kabupate/Kota di Kalimata elata Tahu 04 Muktar Redy usila, Jurusa tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciEfek Lokal Spasial Program Swasembada Padi di Jawa Tengah Menggunakan Local Moran s
The 4 th Uivesity Research Coloquium 016 Efek Lokal Spasial Program Swasembada Padi di Jawa Tegah Megguaka Local Mora s Abdul Karim 1, Rochdi Wasoo 1, Program Studi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciPEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)
THE 5 TH URECOL PROCEEDING 8 February 27 PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD) Putri Ayu Setiyowati ), Safaat Yuliato 2) Departeme Statistika, (AIS) Muhammadiyah Semarag email:
Lebih terperinciSPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
E-ISSN 2527-9378 Jural Statistika Idustri da Komputasi Volume 2, No. 2, Juli 2017, pp. 93-103 SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciPEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciAutocorrelation Spatial Program Swasembada Padi di Jawa Tengah
Autocorrelatio patial Program wasembada Padi di Jawa Tegah Abdul Karim ), Rochdi Wasoo ) ),) tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Muhammadiyah emarag Alamat e-mail : abdulkarim@uimus.ac.id,
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciPemodelan Panel Spasial pada Data Kemiskinan di Provinsi Papua
Statistika, Vol. 17 No. 1, 1 15 Mei 017 Pemodela Pael Spasial pada Data Kemiskia di Provisi Papua Admiistrasi Asurasi da Aktuaria Program Pedidika Vokasi Uiversitas Idoesia Depok e-mail: yuli.alhikmah47@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciRegresi Spasial Untuk Menentukan Faktor Faktor Kemiskinan Di Provinsi Sulawesi Selatan
Regresi Spasial Utuk Meetuka Faktor Faktor Kemiskia Di Provisi Sulawesi Selata Salmawaty 1, Sukara 2, Muhammad Abdy 3 1 Mahasiswa Program Studi S1 Matematika 2 Dose JurusaMatematika Jurusa Matematika,
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciMATERI 13 ANALISIS TEKNIKAL ANALISIS TEKNIKAL
MATERI 13 ANALISIS TEKNIKAL ASUMSI-ASUMSI DASAR ANALISIS TEKNIKAL KEUNTUNGAN DAN KRITIK TERHADAP ANALISIS TEKNIKAL TEKNIK-TEKNIK DALAM ANALISIS TEKNIKAL - The Dow Theory - Chart Pola Pergeraka Harga Saham
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciESTIMASI TITIK DAN INTERVAL KEPERCAYAAN
8/8/0 IE 305 tatistika Idustri LOGO ETIMAI TITIK DAN INTERVAL KEPERCAYAAN Elty arvia, T.,MT. Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Maraatha Badug LT arvia/esi Tujua 3 4 5 6 Medefiisika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA.1 Aalisis Regresi Bergada Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu variabel bebas (Y) dega satu atau lebih
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciIV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian
IV METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di Kabupate Bogor dega respode para peterak ayam broiler yag mejali kerjasama sebagai mitra dega perusahaa kemitraa Dramaga Uggas
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciD-462 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print)
D-46 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) 337-35 (3-98X Prit) Aalisis Pola Persebara ISPA (Ifeksi Salura Perafasa Akut) Sebagai Dampak Idustri Migas di Kabupate Bojoegoro Megguaka Spatial Patter Aalysis
Lebih terperinciBAB III METODOLOGI PENELITIAN. yang diperoleh dengan penelitian perpustakaan ini dapat dijadikan landasan
BAB III METODOLOGI PENELITIAN 3.. Jeis Peelitia Peelitia perpustakaa yaitu peelitia yag pada hakekatya data yag diperoleh dega peelitia perpustakaa ii dapat dijadika ladasa dasar da alat utama bagi pelaksaaa
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB III METODOLOGI PENELITIAN
26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciPROSIDING. Abdul Karim 1 Statistika, Universitas Muhammadiyah Semarang 1
PROIDING emiar Nasioal MIPA 016 Naskah disemiarka pada 5 November 016 da dipublikasika pada http://cof.ues.ac.id/ide.php/mipa/mipa016/schedcof/presetatios Efek Lokal pasial Batua Operasioal ekolah (BO)
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciHUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN
Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciPengelompokan Kepemilikan Jaminan Kesehatan Menggunakan Metode Fuzzy C-Means Algorithm
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 299-305 p-issn: 2580-4596; e-issn: 2580-460X Halama 299 Pegelompoka Kepemilika Jamia Kesehata Megguaka
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA. Aalisis Regresi Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu peubah respo dega satu atau lebih peubah pejelas.
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciPEMODELAN REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR DENGAN MENGGUNAKAN METODE REGRESI SPASIAL
PEMODELAN REMAJA PUUS SEKOLAH USIA SMA DI PROVINSI JAWA IMUR DENGAN MENGGUNAKAN MEODE REGRESI SPASIAL Liska Septiaa (), Sri Pigit Wuladari (), () Mahasiswa Statistika FMIPA IS_l5_k4@yahoo.co.id, () Dose
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciMetode Regresi Poisson Terboboti Geografis pada Pemodelan Data Spasial
Metode Regresi Poisso Terboboti Geografis pada Pemodela Data Spasial Yohaa Eggar Setyarii 1, Suyoo, Widyati Rahayu 3 Program Studi Matematika, Fakultas Matematika da Ilmu Pegetahua Alam,Uiversitas Negeri
Lebih terperinciBAB III PROSEDUR PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
8 BAB III PROSEDUR PENELITIAN A. Metode Peelitia Metode peelitia yag diguaka dalam peelitia ii adalah metode ex post facto. Ada dua variabel dalam proses peelitia ii yaitu variabel bebas (variabel ) adalah
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciSTATISTIKA NON PARAMETRIK
. PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Dalam peelitia ii, pegambila da peroleha data dilakuka di UKM. Bakso Solo, Bakauhei, Lampug Selata. Utuk pegukura kualitas pelayaa, objek yag diteliti adalah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciMata Kuliah: Statistik Inferensial
PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciSTATISTIKA DAN PELUANG BAB III STATISTIKA
Matematika Kelas IX Semester BAB Statistika STATISTIKA DAN PELUANG BAB III STATISTIKA A. Statistika Pegertia Statistika Statistika adalah ilmu yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis
Lebih terperinciANALISIS CURAH HUJAN WILAYAH
Lapora Praktikum Hari/taggal : Rabu 7 Oktober 2009 HIDROLOGI Nama Asiste : Sisi Febriyati M. Yohaes Ariyato. ANALISIS CURAH HUJAN WILAYAH Lilik Narwa Setyo Utomo J3M108058 TEKNIK DAN MANAJEMEN LINGKUNGAN
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinci