BAB I PENDAHULUAN 1.1. Latar Belakang Masalah
|
|
- Ari Santoso
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penggunaan ilmu statistika sebagai alat bantu dalam pengambilan keputusan semakin tidak terelakkan lagi, banyak bidang keilmuan yang tidak terpisahkan dari statistika. Salah satu hal yang menjadikannya begitu populer adalah karena kemammpuannya untuk melakukan prediksi dari suatu permasalahan untuk masa yang akan datang berdasarkan kejadian pada masa masa sebelumnya. Sampai saat ini sudah banyak metode yang telah dikembangkan oleh para statistikawan untuk melakukan suatu prediksi, salah satunya adalah dengan analisa hubungan regresi. Hurdle,W dkk (1994) menyatakan hubungan regresi adalah suatu uraian (penyelidikan) untuk menentukan hubungan antara variabel penjelas (explaratory variable) dengan variabel respon (response variable). Variabel penjelas disebut juga dengan variabel tak bebas (independent variable) dan variabel respon disebut juga variabel tak bebas (dependent variable). Dari himpunan n datum {(x i,y i ) :i =1,2,..., n} yang telah dikumpulkan. Secara umum hubungan regresinya dapat dimodelkan sebagai ( ), i =1, 2,..., n Di mana ( ) adalah fungsi regresi dan adalah galat (eror) pengamatan. Analisa regresi bertujuan untuk memberikan analisa yang logis terhadap fungsi respon m(.) yang tidak diketahui. Dengan mereduksi galat (eror) pengamatan akan memberikan interpretasi yang berpusat pada rincian rincian yang penting dari mean variabel tak bebas Y terhadap X. Pendugaan (aproksimasi) kurva yang menggambarkan hubungan antara variabel yang menerapkan prinsip tersebut secara umum disebut Smoothing. Ketepatan suatu model regresi berperan penting dalam analisa regresi, karena model yang keliru akan memberikan interpretasi yang keliru pula, akan tetapi di dalam implementasi di lapangan sangat sulit untuk mengukur ketepatan dari suatu model. 1
2 2 Suatu kurva regresi memberikan gambaran secara umum antara variabel penjelas dengan variabel respon, lewat kurva fungsi regresi mungkin akan memberikan informasi bagi kita apakah pengamatan nilai Y yang lebih tinggi diharapakan untuk suatu nilai x tertentu?, atau apakah suatu pemilihan khusus bentuk ketergantungan antara variabel dapat terdeteksi?. Tampilan khusus yang menjadi pusat ketertarikan dari suatu kurva regresi antara lain pada kemonotonan atau unimodalitas, tetapi cukup sering terjadi bahwa ketertarikan itu bukan pada bentuk fungsi regresinya tetapi pada turunanya atau bentuk lainnya. Secara garis besarnya ada tiga pendekatan yang dapat dilakukan untuk memperkirakan fungsi mean, yakni dengan pendekatan parametrik, nonparametrik dan semiparametrik. Pendekatan parametrik mengasumsikan kurva mean memiliki bentuk fungsi khusus, sementara pada pendekatan nonparametrik fungsi mean-nya tidak mengacu ke suatu fungsi khusus. Banyak asumsi yang harus dipenuhi ketika kita melakukan analisa dengan metode parametrik sehingga menimbulkan kesukaran untuk membentuk model yang memenuhi asumsi tersebut. Bentuk pendekatan yang ketiga adalah semiparametrik yang merupakan kombinasi dari kedua bentuk sebelumnya, di mana bentuk bagian fungsi meannya ada yang diketahui (memiliki bentuk tertentu) dan sebahagian lagi tidak diketahui. Pemodelan dengan nonparametrik tidak memberikan asumsi terlebih dahulu terhadap model yang akan dibentuk, metode ini bertitik tolak pada suatu pemikran Let the data speak for them selves, yang berarti memberikan kebebasan kepada data untuk menentukan fungsi terbaik mana yang cocok tampa harus membebankan ke suatu bentuk khusus. Akibatnya metode nonparametrik bersifat lebih luwes (fleksibel) dalam mengungkapkan struktur data, yang mungkin tidak dapat diungkapkan dengan metode parametrik. Teknik regresi nonparametrik yang mendapat banyak perhatian diantaranya adalah Kernel, Nearest-neighbor dan Spline Smoothing. Teknik tersebut bekerja berdasarkan prinsip rataan lokal berdimensi p, yakni estimasi dari bidang permukaan pada titik adalah rata rata nilai respon dari pengamatan pengamatan di sekitar. 1
3 3 Sayangya teknik tersebut tidak dapat bekerja dengan baik dikarenakan ukuran sample yang tidak sebanding dengan banyaknya variabel. Keberhasilan proser regresi nonparametrik tersebut dikarenakan sifatnya yang melakukan perbaikan/penghalusan secara berurutan (successive refinement). Suatu model hirarki yang memperbesar kompleksitas dapat diformulasikan, di mana kompleksitas diukur dari derajat kebebasan yang digunakan untuk pengepasan (fit). Tujuannya untuk menemukan model khusus, yang apabila digunakan untuk mengestimasi data maka akan dihasilkan aprolsimasi bidang permukaan yang terbaik. Proses aproksimasi umumnya dilakukan secara bertahap satu persatu, pada setiap tahap, model dari tingkat sebelumnya yang paling pas (fit) dengan keadaan data akan dipilih sebagai model regresi pada tahapan tersebut. Karena ukuran sampel membatasi kompleksitas model hirarki yang dapat digunakan maka prosedur tersebut akan berhasil pada cakupan yang bidang regresinya dapat diaproksimasi oleh model yang kompleksitas lebih rendah di dalam hirarkinya. Penerapan konsep berikut, yakni menggunakan hirarki fungsi polinomial dari prediktor akan mengarahkan pada solusi yang bertahap, bertingkat dan melibatkan semua bagian dari prosedur regresi polinomial. Berbagai penerapan berhasil menggunakan prosedur tersebut, tetapi sayangnya bidang regresi yang sering muncul tidak dapat direpresentasikan dengan baik oleh polinomial berdimensi rendah, sementara penggunaan polinomial berderajat tinggi mengalami keterbatasan akan pertimbangan ukuran sampel serta kemampuan komputasi (Fridmen dan Stuetzle, 1981). Hirarki fungsi konstan atau linier tersekmen akan mengarahkan ke bentuk regresi Recursive Partitioning, Metode ini dapat dipandang sebagai prosedur rataan lokal namun di dalam mengkonstruksi daerah lokalnya didasarkan kepada sifat alami dari variasi respon. Metode ini mempunyai kelemahan karena interaksi antar variabek tidak diungkapakan dengan CART (Classification and Regression Tree). Friedman dan Stuetzle mengembangkan suatu ide pemlusan berurut (successive refinement) dengan cara baru sehingga mampu untuk mengatasi
4 4 keterbatasan yang dialami oleh regresi polinomial dan recursive partitioning. Idenya adalah mengaproksimasi bidang regresi dengan sejumlah fungsi univariat dari kombnasi linier prediktornya secara emperik, Teknik ini dikenal dengan Projection Pursuit. Model Additive merupakan model yang mirip dengan model linier biasa, perbedaannnya terletak pada penggantian fungsi linier dengan fungsi nonlinier. Salah satu bentuk fungsi linier yang dapat digunakan adalah fungsi Spline Meskipun pendekatan Generalized Additive Model (GAM) memiliki beberapa sifat yang menarik, tidak semua fungsi ( ) dapat dimodelkan sebagai jumlahan dari fungsi penmulus (smoother). Prosedur GAM dapat menjadi prosedur terbaik dalam menemukan fungsi aditif yang terdekat dengan m(.) yang sebenarnya. Dalam hal khusus, model aditif tidak mengalami perubahan jika ruang prediktornya diputar. Model aditif dapat dianggap sebagai suatu kasus khusus dari bentuk yang lebih umum, dan inilah yang menjadi tujuan perhatian kita. Projection pursuit regression merupakan salah satu metode regresi nonparametrik yang mampu mengatasi cursed of dimensionality. PPR melakukan proyeksi terhadap data sebelum data tersebut diperhalus (smoothing) dengan menggunakan fungsi penmulus (smoother) guna mendapatkan fungsi prediksi dengan bias dan variansi sekecil mungkin, PPR juga mampu mengabaikan informasi yang kurang relevan/minim seperti pencilan (outlier). PPR yang bekerja dengan melibatkan proses smoothing sebagai bagian yang mempunyai peranan penting, Keadaan ini menimbulkan gagasan untuk mengembangkan PPR dengan teknik semoothing yang berbeda, harapannya dengan teknik smoothing yang lebih baik diharapkan PPR mampu memberikan estimasi bidang regresi yang lebih baik pula. Pengelompokan (klasifikasi) merupakan salah satu masalah penting dalam statistika dan pembelajaran fungsi (machine learning). Berdasarkan informasi yang dimiliki suatu objek, kita ingin mengklasifikasikan objek tersebut ke dalam salah satu kelas yang ada. Secara formulasi matematikanya dapat kita andaikan x sebagai vektor pengamatan terhadap suatu objek/individu dan y sebagi respon yang bernilai 1 jika individu tersebut tergolong dalam kelompok A dan 0 jika
5 5 tergolong ke dalam kelompok B. Dengan menggunakan kombinasi (x, y) yang ada kita ingin membangun sebuah metode untuk penggolongan suatu individu baru apakah dalam A atau B berdasarkan infomasi vektor x yang dimiliki individu tersebut. Kemampuan PPR sebagai salah satu teknik nonparametrik untuk estimasi fungsi regresi, memberikan suatu gagasan untuk mengukur kemampuannya di dalam proses klasifikasi, yakni kemampuan untuk mengestimasi data data dengan respon biner (logistik). Metode lain untuk pengklasifikasian dengan menggunakan PPR telah diperkenalkan oleh Friedman, Ia mengembangkan sebuah versi PPR untuk pengklasifikasian berdasar ukuran galat Bayes Risk (Departement of Statistics Technical Report Through Projection Pursuit LCS 12.) Sementara itu Flick dkk (1990) menggunakan PPR dalam prosedur klasifikasi berdasar estimai likelihood ratio manakala densitasnya tidak dikatehui. Hastie, Tibshirani dan Buja, dalam tulisan tentang Flexible Discriminan Analysis (1993), menyatakan bahwa metode tersebut dapat juga digunakan bersama PPR untuk pengklasifikasian Penelitian ini ditujukan untuk mengaalisa jenis smoother terbaik bagi PPR dalam menduga permukaan fungsi fungsi nonlinier dan melihat seberapa baik PPR dalam mengestimasi data dengan respon yang bersifat biner Rumusan Masalah Permasalahan dalam tulisan ini dapat penulis rumuskan sbb ; 1. Menjelaskan kerangka regresi linier logistik secara sederhana. 2. Mejelaskan teknik smoothing data. 3. Menjelaskan metode PPR dan algoritmanya secara umum. 4. Membandingkan teknik pemulusan (smoothing spline dan supersmoother) untuk mengestimasi permukaan fungsi fungsi nonlinier lewat simulasi. 5. Mengukur keakuratan PPR dalam mengestimasi data yang responnya bersifat biner, dengan menggunakan FVU dan persentase misclassification sebagai alat ukurnya.
6 Tujuan Penelitian Tulisan ini bertujuan untuk menentukan jenis smoother terbaik untuk mengestimasi fungsi fungsi nonlinier dan melihat seberapa baik PPR bekerja untuk data dengan respon biner, serta menentukan jenis fungsi yang dapat diestimasi dengan baik oleh PPR. Analisa dilakukan dengan melakukan simulasi yang menggunakan perangkat lunak R sebagai alat bantu komputasi Batasan Masalah Penulis membatasi permasalahan tulisan ini pada beberapa hal pokok yakni estimasi fungsi nonlinier dengan PPR dilakukan pada 5 jenis fungsi yang dibangkitkan dari distribusi acak seragam. Jenis smoother yang dibandingkan adalah supersmoother dan smoothing spline. Simulasi dilakukan dalam dua kondisi yakni dengan eror dan tampa eror Manfaat Penelitian Adapun manfaat yang diharapkan dengan penulisan tugas akhir ini adalah 1. Menambah pengetahuan penulis tentang ilmu statistika pada umumnya, dan regresi nonparametrik secara khusus. Lewat tulisan ini, penulis berharap menjadi suatu motivasi yang kuat untuk lebih mendalami pengetahuan statistika sehingga dapat berbagi baik terhadap sesama pengajar maupun kepada mahasiswa di tempat penulis bertugas. 2. Dengan tulisan ini diharapkan dapat memberikan penjelasan/pemaparan tentang teknik smoothing terbaik yang dapat digunakan di dalam PPR untuk mengaproksimasi fungsi nonlinier serta memperlihatkan seberapa baik PPR dapat mengestimasi data dengan respon biner Tinjauan Pustaka Ide Projection Pursuit (PP) pertama kali dikemukakan oleh Kruskal, ide yang sama juga dikemukakan oleh Switzer (1970), kemudian oleh Switzer dan Wright (1971). Tetapi Ide tersebut baru dapat diimplementasikan dengan sukses oleh Jerome H, Friedman dan John Tukey (1974) dan sekaligus menamainya.
7 7 Projection Pursuit (PP) merupakan suatu teknik untuk menemukan proyeksi menarik (interesting) dari data berdimensi besar. Konsep ini kemudian dikembangkan oleh Friedman dan Weimer Stuetzle (1981) ke bidang regresi, sehingga muncullah Projection Pursuit Regression. Penelitian konsep PP terus dilakukan, diantaranya oleh Fiedman, J.H (1984) yang meneliti klasifikasi dan multiple regresi menggunakan PP, Selanjutnya di tahun yang sama, Ia meneliti tentang membentuk variabel yang memperhalus kurva berdasarkan pengepasan linier lokal. Selanjutnya pada tahun 1993 ada dua penelitian yang menjadi rujukan tulisan ini yaitu Flexible Discriminant Analysis (Hastie, T, Tibshirani, R. and Buja, A.) dan Regression modelling in Back-Propagation and Projection Pursuit Learning, (Hwang, dkk), pada tulisan ini Hwang dkk membandingkan dua metode pembelajaran jaringan Back-Propagation Learning (BPL) dengan Projection Pursuit Learning (PPL). Metode PPR sudah banyak dimanfaatkan peneliti peneliti di berbagai bidang sebagai metode di dalam pengolahan data seperti yang dilakukan oleh Aji Hamim Wigena dalam disertasinya Pemodelan Statistical Down Scaling Dengan Regresi Projection Pursuit Untuk Peramalan Curah Hujan Bulanan, dalam penelitiannya, PPR digunakan karena data curah hujan merupakan data bigh dimentional dan nonlinier.sehingga perlu untuk direduksi Metodologi Penelitian Metodelogi penilitian dinyatakan dalam bagan alir di bawah ini, dibagi atas 2 bagian yakni Pemilihan teknik smoothing dan Pembentukan model PPR dengan respon biner Pembangkitan data (Data berasal dari distribusi Uniform dan fungsi nonlinier)) Pembentukan Model PPR (Super smoother dan Smoothng Spline Evaluasi Teknik Smoothing (Berdasarkan nilai FVU) Gambar 1.1 Bagan alir pemilihan teknik smoothing
8 8 Pembangkitan data (Data Biner dibentuk dengan fungsi logistik respon) Transformasi Data (Data ditrasformasi ke 0 atau 1) Evaluasi Fit (Evaluasi dilakukan berdasarkan nilai FVU dan Misclassification) Pembentukan Model PPR (Menggunakan teknik smoothing terbaik) Gambar 1.2 Bagan alir pembentukan model PPR respon biner 1.8. Sistematika Penulisan Penulis menyusun tesis ini dalam 5 bab, yakni ; BAB I PENDAHULUAN Berisi Latar Belakang, Tujuan Penelitian, Manfaat Penelitian, Tinjauan Pustaka, Metode Penelitian dan Sistematika Penelitian. BAB II LANDASAN TEORI Pada bab ini berisi teori-teori utama dan teori pendukung yang mengarahkan ke tema tulisan. Diantarnya teori teori ilmu statistika. statistika matematika dan regresi. BAB III PEMBAHASAN Pada bab ini penulis mengawali dengan pembahasan teknik smoothing sebagai salah satu teknik metode nonparametrik. Kemudian memaparkan analisa teoritis metode PPR secara sistematis sebagai salah satu metode regresi. BAB IV SIMULASI Pada bagian ini penulis menjelaskan langkah simulasi yang akan dilakukan untuk memilih teknik smoothing yang akan digunakan di dalam PPR. Kemudian dengan metode smoothing yang dipilih, dilakukan simulasi PPR untuk respon biner serta mengukur tingkat akurasi PPR dengan melihat nilai Fraction Variance Unexplain (FVU) dan nilai persentase misclassification.
9 9 BAB V KESIMPULAN DAN SARAN Dengan penguraian pada bab bab sebelumnya, penulis mencoba untuk menarik kesimpulan dan memberikan saran yang bermanfaat untuk penelitian penelitan lebih lanjut.
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
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 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 terperinciII. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)
II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah
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 I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dengan semakin majunya peradaban, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data ke dalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian tentang hubungan diantara fenomena-fenomena real merupakan dasar dari tujuan sains dan memainkan peranan penting dalam kehidupan seharihari. Saat ini analisis
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 terperinciPEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN )
PEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN ) PT Jasa Marga ro) C abang Semarang SKRIPSI Disusun Oleh
Lebih terperinciBAB I PENDAHULUAN. pengukuran terhadap data yang bersatuan waktu atau derajat arah yang nilainilainya
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam beberapa kasus penelitian, peneliti terkadang harus melakukan pengukuran terhadap data yang bersatuan waktu atau derajat arah yang nilainilainya berulang secara
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (respon) dengan satu atau lebih variabel independen (variabel penjelas), dengan
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
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
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 terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
5 II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu alat statistika yang banyak digunakan untuk mengetahui hubungan antara sepasang variabel atau lebih. Misalkan X adalah variabel
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesejahteraan umum merupakan salah satu tujuan dari pembangunan nasional Negara Indonesia. Hal ini disebutkan dengan jelas pada Pembukaan Undang-Undang dasar 1945 di
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga
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 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 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 II TINJAUAN PUSTAKA. pembahasan pada bab selanjutnya. Pembahasan teori meliputi pengertian data
BAB II TINJAUAN PUSTAKA Bab ini membahas teori-teori dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pembahasan teori meliputi pengertian data secara umum dan data sirkular, ukuran
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.
PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
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 terperinciTINJAUAN PUSTAKA. Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menyelidiki pola hubungan fungsional antara variabel prediktor dan variabel respon
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Definisi Belajar Menurut Dalyono (2007), ada beberapa definisi belajar dari para ahli, antara lain, yaitu: a) Witherington, dalam buku educational psychology mengemukakan:
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
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
Lebih terperinciMetode Kernel. Machine Learning
MMA10991 Topik Khusus Machine Learning Metode Kernel Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis
Lebih terperinciPENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE)
Natural Vol. 11, No. 2, Mei 2007, hal. 112-118. PENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE) A. Efendi dan H. Kusdarwati Program Studi
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 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 2 LANDASAN TEORI. Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor (variabel independent) dengan variabel outcome (variabel dependen) untuk
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinci1. PENDAHULUAN 1.1. Latar Belakang
1 1. PENDAHULUAN 1.1. Latar Belakang Dalam bidang biomedis seringkali ada kebutuhan untuk menganalisis hubungan antara peubah penjelas yang pengukurannya dilakukan secara berulang antar waktu (kovariat
Lebih terperinciESTMATOR LINIER LOKAL PADA MODEL REGRESI POISSON TERGENERALISIR
KNM VI 3-6 Juli 2012 UNPAD, Jatinangor ESTMATOR LINIER LOKAL PADA MODEL REGRESI POISSON TERGENERALISIR ERNI TRI ASTUTI 1, I NOMAN BUDIANTARA 2, SON SUNARO 3 MOHAMMAD DOKHI 4 1 Mahasiswa Program S3, Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Banyak cabang ilmu statistika yang digunakan dalam berbagai bidang, contohnya seperti ekonometri, biostatistika, psikometri, dan masih banyak yang lain. Ekonometri
Lebih terperinciREGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING
REGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING Aji Hamim Wigena Departemen Statistika, FMIPA Institut Pertanian Bogor Jakarta, 23 Juni 2011 Pendahuluan GCM (General Circulation Model) model
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR)
PEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR) 1 Meika Anitawati, 2 Sutikno 1 Mahasiswa Jurusan Statistika FMIPA-ITS
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini kebutuhan masyarakat akan kredit merupakan hal yang tidak asing. Menyadari bahwa kegiatan kredit pada masyarakat umum semakin meningkat, maka perlu
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Regresi Linear Sederhana Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel prediktor terhadap satu buah variabel respon. Model
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
Lebih terperinciBAB I PENDAHULUAN. Universitas Pendidikan Indonesia repository.upi.edu
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kehadiran bank syariah di Indonesia didorong oleh keinginan masyarakat Indonesia (terutama masyarakat Islam) yang berpandangan bahwa bunga merupakan hal yang
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan
Lebih terperinciPEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)
PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan) I Made Budiantara Putra 1, I Gusti Ayu Made Srinadi 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
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. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciBAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi
Lebih terperinciPEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL
PEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL ( Studi Kasus : Harga Saham Bulanan pada Kelompok Saham Perbankan Periode Januari 2009 Desember 2015 ) SKRIPSI Disusun oleh: KHOIRUNNISA NUR FADHILAH
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis data survival yaitu kumpulan dari beberapa metode untuk menganalisis data yang terjadi dari titik asal sampai terjadinya event. Pada analisis survival terdapat
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 prediksi masa depan yang tidak pasti. Peramalan adalah suatu usaha untuk memperkirakan
Lebih terperinciSVM untuk Regresi Ordinal
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciPEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL
PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL Alan Prahutama, Suparti, Departemen Statistika, Fakultas Sains dan Matematika,Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Estimasi fungsi survival atau biasa disebut regresi fungsi survival merupakan bagian penting dari analisis survival. Estimasi ini biasa digunakan dalam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinci7. PEMBAHASAN UMUM 7.1. Penentuan Domain
7. PEMBAHASAN UMUM Pembahasan ini merupakan rangkuman dari hasil bahasan dan kajian dalam Bab 2, 3, 4, 5, dan 6 sebelumnya. Secara umum pembahasan meliputi perkembangan metode-metode peramalan untuk SD
Lebih terperinciBAB 2 LANDASAN TEORI. bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, 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 terperinciGENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 191 196. GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinciESTIMASI PENGELUARAN PER KAPITA DI KABUPATEN REMBANG DENGAN PENDEKATAN SAE-NONPARAMETRIK. Program Studi Pendidikan Matematika, UNIMUS 2
ESTIMASI PENGELUARAN PER KAPITA DI KABUPATEN REMBANG DENGAN PENDEKATAN SAE-NONPARAMETRIK Iswahyudi Joko Suprayitno 1, Moh Yamin Darsyah 2, Budiharto 3 1 Program Studi Pendidikan Matematika, UNIMUS 2 Program
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK SKRIPSI Disusun oleh KISHARTINI 24010210141008 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinci(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER
(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI. berarti ramalan atau taksiran pertama kali diperkenalkan Sir Francis Galton pada
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang berarti
Lebih terperinciPemodelan Spline Truncated dalam Regresi Nonparametrik Birespon
Konferensi Nasional Sistem & Informatika 7 STMIK STIKOM Bali, Agustus 7 Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Luh Putu Safitri Pratiwi Program Studi Sistem Informasi STMIK STIKOM
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 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 terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA 1 Ria Muslikah, Moh. Yamin Darsyah 1,,3 Program Studi
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciBAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis dalam statistika yang dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau variabel bebas X dengan
Lebih terperinciKLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Peramalan diperlukan karena adanya kesenjangan waktu
Lebih terperinciPERBANDINGAN MODEL ADITIF TERAMPAT DAN REGRESI SPLINE ADAPTIF BERGANDA
PERBANDINGAN MODEL ADITIF TERAMPAT DAN REGRESI SPLINE ADAPTIF BERGANDA (Studi kasus: Pemodelan Indeks Prestasi Kumulatif Mahasiswa IPB dan STAIN Purwokerto) MARIA ULPAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
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 terperinciBAB I PENDAHULUAN. Pada bab ini akan dibahas mengenai latar belakang tema yang diambil dalam
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang tema yang diambil dalam tugas akhir ini, perumusan masalah yang akan dibahas, batasan masalah, tujuan penulisan, manfaat penulisan, dan
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih terperinciPENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005
1 PENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005 2 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu usaha pemerintah dalam meningkatkan taraf hidup masyarakat adalah memberdayakan peranan jasa perbankan. Bank memiliki peranan yang sangat penting dalam menunjang
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 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 I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Di dalam statistika, sebuah estimator adalah hasil perhitungan suatu estimasi terhadap kuantitas tertentu berdasarkan pada data terobservasi atau
Lebih terperinci