PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
|
|
- Leony Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan mendasar bagi prediksi di masa mendatang dan informasi tambahan. Variabel yang sering digunakan pada pemodelan pada umumnya variabel kuantitatif yaitu variabel yang mempunyai skala ukuran yang umum. Dalam hal ini akan dibahas apabila dalam persamaan regresi tidak hanya terdapat variabel kuantitatif tetapi juga terdapat variabel kualitatif atau variabel kategori sebagai variabel bebas. Pada umumnya suatu variabel kualitatif tidak mempunyai skala ukuran yang umum dan sering dinyatakan dalam kategori. Variabel kualitatif di sini harus didefinisikan dengan suatu himpunan tingkatan dalam perhitungan, yang mungkin mempunyai pengaruh dalam model. Istilah yang akan digunakan untuk variabel kategori pada pembahasan di sini adalah variabel indikator yang merupakan variabel dummy. Pembentukan model regresi yang akan dibahas adalah variabel kualitatif dengan dua tingkatan (level) atau lebih dan model dengan lebih dari satu variabel kualitatif. Pembahasan di sini meliputi pembentukan model regresi dengan satu variabel kualitatif yang terdiri dari dua tingkatan yang dibatasi untuk model linier. Selanjutnya dibahas pendugaan dan pengujian parameter pada pendugaan model serta analisis keragaman dan menarik beberapa kesimpulan statistik untuk mendukung model regresi. ABSTRACT THE USE OF INDICATOR VARIABLES IN MODELING. Modeling are important in research or industrial for predictions and required information. Variables employed in regression model and regression analysis are usualy quantitative variables. These variables have a well-defined scale of measurement. Occasionally, it is necessary to use qualitative or categorical variables as independent variables in regression. We must assign a set of levels to a qualitative variable to account for the effect that the variable may have on the response. We called categorical variable as indicator variables or dummy variables. We discuss the use of two or more levels of qualitative variable to create the regression model and more than one qualitative variabel. We have done a regression model with one qualitative variable but two levels in linear models, through the parameter estimate and the test parameter, and a analysis of variance and other summary statistics for the model. * Pusat Pengembangan Teknologi Informasi dan Komputasi - BATAN
2 PENDAHULUAN Pemodelan dalam kepentingan penelitian berbagai bidang maupun bidang industri, merupakan kebutuhan mendasar bagi prediksi di masa mendatang ataupun informasi tambahan. Data yang sering digunakan untuk pemodelan dalam hal ini pembentukan persamaan regresi dan analisis regresi dinyatakan dalam bentuk variabel kuantitatif. Berarti bahwa variabel tersebut dapat dengan mudah dinyatakan dalam skala ukuran yang umum. Akan tetapi sering pula pada pengamatan, data yang digunakan dinyatakan dalam bentuk variabel kualitatif atau variabel kategori yang merupakan variabel bebas dalam persamaan regresi. Dalam hal ini akan dibahas, apabila persamaan regresi yang dijumpai tidak hanya mengandung variabel kuantitatif sebagai variabel bebas tetapi didalamnya terdapat pula variabel kualitatif. Beberapa contoh dari variabel kategori antara lain tingkatan operator, status pegawai, waktu kerja, jenis kelamin dll. Biasanya suatu variabel kualitatif tidak mempunyai skala ukuran yang umum dan sering dinyatakan dalam kategori. Variabel kualitatif dalam hal ini harus didefinisikan atau ditandai dengan suatu himpunan tingkatan untuk menghitung seberapa besar pengaruhnya dalam pemodelan dan agar informasi pengaruh tersebut tidak hilang. Dalam pembahasan ini, penggunaan variabel kualitatif disebut sebagai variabel indikator dan sering pula dikenal sebagai variabel dummy. Pembentukan model regresi yang akan dibahas di sini yaitu variabel kualitatif dengan dua atau lebih tingkatan (level) dan model dengan lebih dari satu variabel kualitatif. Dalam penerapannya dibentuk model regresi dengan satu variabel kuantitatif dan satu variabel kualitatif yang terdiri dari dua tingkatan dan dibatasi untuk model linier. Untuk menguji secara statistik dilakukan pendugaan parameter dan pengujian parameter pada pendugaan model dan analisis keragaman serta beberapa kesimpulan statistik untuk model regresi. METODA Variabel Indikator dan Pembentukan Model Regresi Suatu variabel dengan tipe kualitatif dapat dinyatakan sebagai variabel indikator dengan nilai 0 (nol) atau 1 (satu) untuk mendefinisikan tingkatan dari variabel regresi tersebut. Pemilihan nilai 0 atau 1 untuk mengidentifikasi tingkatan atau kelas dari variabel kualitatif tersebut adalah sembarang. Misalkan model yang dipandang adalah model dengan dua variabel bebas x 1 dan x 2 dimana x 1 merupakan variabel kuantitatif dan x 2 merupakan variabel kualitatif yang terdiri dari dua kelas dan berfungsi sebagai variabel indikator yang didefinisikan berikut:
3 x 2 = 0 1 Bentuk model umum persamaan regresinya adalah y = β 0 + β 1 x 1 + β 2 x 2 + ε Untuk menginterpertasikan parameter-parameter pada model, didalam kelas pertama variabel indikator x 2 berharga nol (x 2 = 0). Bentuk model regresi sebagai berikut: y = β 0 + β 1 x 1 + β 2 (0) + ε atau y = β 0 + β 1 x 1 + ε Secara analitik hubungan diantara variabel x 1 (kuantitatif) dan variabel x 2 untuk kelas pertama adalah suatu garis-lurus yang naik sebesar β 0 pada sumbu y dengan kemiringan β 1. Pada kelas kedua variabel x 2 berharga satu (x 2 = 1), model regresi menjadi y = β 0 + β 1 x 1 + β 2 (1) + ε atau y = (β 0 + β 2 ) + β 1 x 1 + ε sehingga hubungan diantara variabel x 1 dan variabel x 2 juga garis lurus dengan kemiringan β 1 dan ketinggian pada sumbu y sebesar (β 0 + β 2 ). Gambar dari pendekatan kedua persamaan regresi tampak pada gambar-1. Kedua persamaan tersebut dinyatakan dalam dua garis regresi yang sejajar dengan kemiringan yang sama β 1 tetapi mempunyai ketinggian berbeda, dinyatakan dengan nilai β 2 yang merupakan hasil dari perubahan kelas pertama ke kelas ke dua. y β 0 + β 2 β 0 β 2 E ( y x 2 = 1) = (β 0 + β 2 ) + β 1 x 1 E( y x 2 = 0) = β 0 + β 1 x 1 x Gambar 1. Pendekatan dari dua persamaan regresi
4 Pendekatan untuk variabel kualitatif dengan tiga tingkatan atau kelas, dalam hal ini disediakan dua variabel indikator x 2 dan x 3 kedalam model. Pendefinisian dari tingkatan atau kelas dari variabel indikator tersebut adalah sebagai berikut: X 2 X Jika termasuk kedalam kelas pertama 1 0 Jika termasuk kedalam kelas kedua 0 1 Jika termasuk kedalam kelas ketiga Jika pengamatan dipengaruhi oleh satu variabel kuantitatif x 1 dan satu variabel kualitatif dengan tiga tingkatan/kelas. Berarti terdapat 2 variabel indikator yaitu x 2 dan x 3. Bentuk umum dari model regresi sebagai berikut: y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + ε Model regresi dengan empat tingkatan mempunyai tiga variabel indikator, dengan tingkatan dari variabel indikator tersebut sebagai berikut: X2 X3 X Jika termasuk kedalam kelas pertama Jika termasuk kedalam kelas kedua Jika termasuk kedalam kelas ketiga Jika termasuk kedalam kelas keempat Misalkan model dipengaruhi satu variabel kuantitatif x 1 dan satu variabel kualitatif dengan empat tingkatan. Model tersebut mempunyai tiga variabel indikator. Bentuk umum model regresinya adalah: y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + β 4 x 4 + ε
5 Secara umum, variabel kualitatif dengan a tingkatan/kelas dinyatakan oleh (a 1) variabel indikator, yang masing-masing mengambil nilai 0 atau 1. Apabila pengamatan dipengaruhi oleh lebih dari satu variabel kualitatif misalnya dua variabel kualitatif yang masing-masing mempunyai tiga tingkatan dan satu variabel kuantitatif x 1. Berarti masing-masing variabel kualitatif mempunyai dua variabel indikator (masing-masing x 2 dan x 3 serta x 4 dan x 5 ) maka bentuk persamaan regresinya menjadi: demikian seterusnya. y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + β 4 x 4 +β 5 x 5 + ε Uji Statistik Apabila pengamatan dipengaruhi oleh dua variabel bebas yang satu diantaranya adalah variabel kuantitatif dan variabel lainnya adalah variabel kualitatif dengan dua tingkatan, berarti terdapat satu variabel indikator yaitu x 2. Parameter yang diduga adalah β 0, β 1 dan β 2 dengan penduga parameternya masing-masing b 0, b 1 dan b 2. Selang kepercayaan (1-α) x 100% bagi parameter β k untuk k = 0, 1 dan 2: b k t α/2 ; ν se(b k ) < β k < b k + t α/2 ; ν se(b k ) Derajat bebas untuk distribusi student-t yang digunakan adalah ν = n - k (n : banyak observasi dan k : banyak parameter yang ditaksir) Simpangan baku bagi parameter b k, k = 0,1 dan 2 dinyatakan dengan se(b k ). Pengujian untuk masing-masing parameter sebagai berikut: Koefisien Regresi Pendugaan Kesalahan baku Statistik Hitung ( t 0 ) β 0 b 0 β 1 b 1 se(b 1 ) t 0 (b 1 ) β 2 b 2 se(b 2 ) t 0 (b 2 ) Matriks dari parameter koefisien regresi b dapat diperoleh dari penyelesaian matriks berikut dengan pendekatan taksiran kuadrat terkecil: b = [ b 0, b 1, b 2 ] = (X T X) -1 X T y (1) Simpangan Baku untuk masing-masing penduga parameter β 1 dan β 2 (b 1 dan b 2 ) dapat diperoleh dari nilai-nilai:
6 se (b j ) = (s 2 C jj ) ; j = 1, 2 (2) C jj adalah unsur diagonal ke-j dari matriks kebalikan X T X ( (X T X) -1 ) s 2 = SS E /(n-p) merupakan taksiran dari ragam SS E adalah jumlah kuadrat kesalahan dari penyelesaian matrik berikut; SS E = y T y - b T X T y Hipotesis untuk uji nyata dari masing-masing koefisien regresi β j (j = 1, 2) adalah sebagai berikut: H 0 : β j = 0 H 1 : β j 0 ( Hipotesa awal) (Hipotesa alternatif) Jika Hipotesa awal H 0 tidak ditolak menunjukkan bahwa variabel x j dapat dihapus atau tidak digunakan dalam model. Statistik Hitung untuk parameter penduga b 1 dan b 2 diperoleh dari t 0 (bj) = (bj - βj) / se(b j ) ; j = 1, 2 (3) Untuk mendiagnosa apakah model memadai digunakan Koefisien Determinasi yang dihitung dari R 2 = SS R /S yy = 1- SS E /S yy ( 0 R 2 1 ) SS R adalah Jumlah kuadrat regresi S yy adalah Jumlah Kuadrat Total Jumlah Kuadrat Total: SS T = S yy S yy = Σ y i 2 (Σ y i ) 2 /n atau S yy = Σ (yi y ) 2 Jumlah Kuadrat Regresi: SS R = b T X T y - (Σ y i ) 2 /n Jumlah Kuadrat Kesalahan: SS E = S yy - SS R = y T y- b T X T y
7 Kuadrat Tengah Regresi KT R = SS R /(k-1) ; (k : banyak parameter yang ditaksir/diduga ) KT E = SS E /(n-k) ; (n : banyak pengamatan) Untuk menguji apakah terdapat hubungan secara linier diantara variabel tidak bebas y dan variabel bebas x j, dilakukan pengujian hipotesa berikut ( sering disebut dengan Uji nyata regresi). H 0 : Tidak terdapat hubungan secara linier antara variabel tidak bebas y dengan variabel bebas x j H 1 : Terdapat hubungan secara linier antara variabel tidak bebas y dengan variabel bebas x j Digunakan Statistik Hitung: F 0 = KT R /KT E Analisis keragaman yang akan dihitung dinyatakan dalam tabel berikut, secara keseluruhan merupakan kesimpulan statistik untuk model regresi. Sumber Variasi Jumlah Kuadrat Derajat bebas Kuadrat Tengah Statistik Hitung F 0 Regresi SS R k - 1 KT R KT R /KT E Kesalahan SS E n - k KT E Total SS T n-1 PEMBAHASAN Ingin diteliti apakah ada hubungan antara masa hidup (umur efektif) suatu alat pemotong (y) yang digunakan (dalam satuan jam) dengan kecepatan putaran permenit (x 1 ) (dalam satuan rpm) dan tipe alat A dan B (x 2 ). Data yang diperoleh sebagai berikut (tabel-1);
8 Tabel 1. Data pengamatan masa hidup alat pemotong No. pengamatan Yi (jam) X 1i (rpm) Tipe alat ( A atau B ) 1 18, A 2 14, A 3 17, A 4 14, A 5 13, A 6 24, A 7 13, A 8 22, A 9 12, A 10 19, A 11 30, B 12 27, B 13 25, B 14 26, B 15 33, B 16 35, B 17 26, B 18 36, B 19 34, B 20 43, B Model regresi yang dipilih adalah y = β 0 + β 1 x 1 + β 2 x 2 + ε Variabel bebas x 1 sebagai variabel kuantitatif dan x 2 sebagai variabel kualitatif; yang mana x 2 merupakan variabel kualitatif yang terdiri dari dua kelas dan berfungsi sebagai variabel indikator. Nilai x 2 = 0 jika pengamatan adalah tipe A dan x 2 = 1 jika pengamatan dari tipe B. x 2 = 0 1 Data variabel bebas dinyatakan dalam matrik X dan hasil pengamatan dalam vektor y dibawah ini untuk pendekatan model.
9 X = ,73 14,52 17,43 14,54 13,44 24,39 13,34 22,71 12,68 19,32 y = 30,16 27,09 25,40 26,05 33,49 35,62 26,07 36,78 34,95 43,67 Dari pendekatan taksiran kuadrat terkecil diperoleh b = [b 0, b 1,b 2 ] = (X T X) -1 X T y = [ 36,986 ; -0,027 ; 15,004 ] Sehingga persamaan regresi menjadi Y = 36,986 0,027 x ,004 x 2 Dengan kepercayaan 95%, yang berarti tingkat keyakinan atau taraf nyata α = 0,05; pendugaan parameter β 2 berada dalam interval atau selang berikut b 2 t 0,025; 17 se(b 2 ) < β 2 < b 2 + t 0,025; 17 se(b 2 )
10 dari persamaan (2) diperoleh se(b 1 ) = 0,005 dan se(b 2 ) = 1,360 15,004 (2,110)(1,360) < β 2 < 15,004 + (2,110)(1,360) 12,135 < β 2 < 17,873 parameter β 2 menunjukkan besarnya perubahan dari alat tipe A dan tipe B. Berikut ini hipotesis uji nyata dari koefisien regresi secara individu untuk parameter β 1 dan β 2 ; H 0 : β j = 0 ( j = 1, 2) H 1 : β j 0 Statistik hitung (t-hitung) untuk penduga b 1 dan b 2 diperoleh dari persamaan (3) dengan β j = 0 (asumsi awal) t 0 (b 1 ) = -0,027/0,005 = -5,887 t 0 (b 2 ) = 15,004/1,360 = 11,035 dengan tingkat kepercayaan 99% (α = 0,01), dari tabel statistik student-t dengan derajat bebas sama dengan 17 diperoleh t 0.01;17 = 2,567. Berarti t hitung baik untuk penduga b 1 dan b 2 berada dalam daerah penolakan hipotesa awal. Dapat disimpulkan bahwa kedua variabel bebas x 1 dan x 2 mempunyai konstribusi terhadap model. Pengujian untuk masing-masing parameter tersebut diatas sebagai berikut; Koefisien Regresi Tabel 2. Statistik Hitung Pendugaan Kesalahan baku Statistik Hitung t 0 β 0 36,986 β 1-0,027 0,005-5,887 β 2 15,004 1,360 11,035 Untuk menguji apakah terdapat hubungan secara linier diantara variabel tidak bebas y dan variabel bebas x 1 dan x 2 dilakukan pengujian hipotesa berikut (sering disebut dengan Uji nyata regresi). Pengujian Hipotesa: H0 : Tidak terdapat hubungan antara umur efektif/masa hidup suatu alat pemotong (y) yang digunakan dengan kecepatan putaran permenit dan tipe alat A atau B. H1 : Terdapat hubungan antara umur efektif / masa hidup suatu alat pemotong (y) yang digunakan dengan kecepatan putaran permenit dan tipe alat A atau B.
11 Berikut ini perhitungan yang akan diisikan pada tabel analisis keragaman. Jumlah Kuadrat Total: S yy = Σ y i 2 (Σ y i ) 2 /n = 1575,089 SS T = S yy = 1575,089 Jumlah Kuadrat Regresi: SS R = b T X T y - (Σ y i ) 2 /n = 1418,034 Jumlah Kuadrat Kesalahan: SS E = S yy - SS R = 157,055 Kuadrat Tengah Regresi KT R = 1418,034/2 = 709,017 KT E = 157,055/17 = 9,239 Statistik Hitung F 0 = 709,017/9,239 = 76,75 Tabel 3. Analisis keragaman Sumber Variasi Jumlah Kuadrat Derajat bebas Kuadrat Tengah Statistik Hitung F 0 Regresi 1418, ,017 76,75 Kesalahan 157, ,239 Total 1575, Nilai F hitung yaitu F 0 = 76,75 melampaui nilai F dari tabel distribusi Fisher dengan tingkat keyakinan sebesar 99% atau α = 0,01 dan derajat bebas masing-masing untuk ν 1 = 2 dan ν 2 = 17. Diperoleh nilai F tabel sebesar F 0,01; 2;17 = 6,11. Sehingga Ho ditolak, berarti variabel y dipengaruhi oleh variabel x 1 dan x 2 sebagai variabel indikator yang berarti umur hidup mesin pemotong dipengaruhi oleh kecepatan putar per menit dan alat tipe A atau B. Koefisien determinasi diperoleh R 2 = 1- SS E /S yy = 0,9003
12 Koefisien determinasi R 2 = 0,9003 mendekati 1 berarti model tersebut diatas yang dipilih adalah memadai. KESIMPULAN Penggunaan variabel indikator sangat diperlukan dalam pembentukan model regresi dengan pengamatan yang dipengaruhi oleh variabel bebas kualitatif agar informasi dari pengaruh variabel tersebut tidak hilang. Kita harus mendefinisikan suatu himpunan kelas terhadap variabel kualitatif untuk memperhitungkan pengaruh variabel tersebut. Pembentukan model regresi yang memadai perlu diuji dengan koefisien determinasi, disamping pengujian hubungan antara variabel tidak bebas dengan variabel bebas melalui analisis ragam serta pengujian parameter koefisian regresi untuk mengetahui apakah terdapat variabel bebas yang perlu dihapus dalam model agar lebih efisien. DAFTAR PUSTAKA 1. DOUGHERTY, EDWARD R., Probability and Statistics for the Engineering, Computing and Physical Sciences, Prentice Hall Inc., New Jersey, KINNEY, JOHN J., Statistics for Science and Engineering, Pearson Education, Inc, MONTGOMERY, DOUGLAS C.; PECK, ELIZABETH A., Introduction to Linear Regression Analysis, John Wiley & Sons, Inc., The Second Edition, 1992.
13 DISKUSI ELFRIDA SARAGI Apakah data pada penyaji: Adhi Harmoko, bisa digunakan untuk pemodelan dimana variabel indikatornya banyak dan apakah bisa disimpulkan mengenai cacat pada bahan tersebut berdasarkan model? MIKE SUSMIKANTI Data pada makalah saudara Adhi Harmoko dapat digunakan untuk pemodelan hanya kurang tepat, lebih tepat apabila menggunakan Principal Component Analysis (PCA), untuk dapat menyimpulkan mengenai cacat pada bahan karena dengan PCA dapat menemukan dan mengidentifikasi pola dalam data tanpa harus kehilangan banyak informasi. DAFTAR RIWAYAT HIDUP 1. Nama : Dra. Mike Susmikanti, MM 2. Tempat/Tanggal Lahir : Jakarta, 12 November Instansi : BATAN 4. Pekerjaan / Jabatan : Staf P2TIK-BATAN 5. Riwayat Pendidikan : S1 Matematika Statistik FIPIA UI S2 Magister Manajemen 6. Pengalaman Kerja : 1980-sekarang, BATAN
Pertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tidak terlepas dari data, baik itu bersifat kuantitatif maupun kualitatif. Apabila dikumpulkan data dari seluruh elemen dalam suatu populasi,
Lebih terperinciJurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan anatara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama digunakan
Lebih terperinciAnalisis Model Regresi Linear Berganda dengan Metode Response Surface
Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciStatistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
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 terperinciBAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu
Lebih terperinciPeranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier
Prosiding Statistika ISSN: 2460-6456 Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier 1 Seny Mustikawati,
Lebih terperinciBAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berasal dari data sekunder dengan jenis data bulanan mulai tahun 2004 sampai dengan tahun 2011 (bulan September).
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang
13 BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Analisa Regresi Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Galton melakukan studi tentang kecenderungan tinggi badan
Lebih terperinciBAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
Lebih terperinciPertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression
Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Regresi Linier dengan Dua Peubah Penjelas
Analisis Regresi Pokok Bahasan : Regresi Linier dengan Dua Peubah Penelas Penulisan model regresi linier berganda dengan notasi matriks Model Regresi Linier dengan peubah penelas Model Regresi Linier Berganda
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
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 terperinciE-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:
PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang
Lebih terperinciBAB 2 LANDASAN TEORI. bebas X yang dihubungkan dengan satu peubah tak bebas Y.
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi yang berarti peramalan, penaksiran, atau pendugaan pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan dengan penelitiannya
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir francis
BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir francis Galton. Galton melakukan studi tentang kecenderungan tinggi badan anak.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
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 terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Kontrak Perkuliahan Pertemuan & Materi RPKPS Penilaian Tugas, short quiz (30%) Quiz 1 & 2 (40%) UAS (30%) Referensi Montgomery, D.C, George C. Runger. Applied Statistic and
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciBAB 2 LANDASAN TEORI. berkenaan dengan studi ketergantungan dari suatu varibel yaitu variabel tak bebas (dependent
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel yaitu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciPENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS
e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA
Lebih terperinciPENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI
E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3
Lebih terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
Lebih terperinciBAB 2 LANDASAN TEORI. pengetahuan, terutama para peneliti yang dalam penelitiannya banyak
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Analisis Regresi Linier Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi linier
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 terperinciBAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel yaitu
Lebih terperinciBAB 2 LANDASAN TEORI. pertama digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih variabel adalah analisa regresi linier. Regresi
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS SKRIPSI LEONARDO SILALAHI
ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS SKRIPSI LEONARDO SILALAHI 070803049 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
Lebih terperinciREGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 167 174 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL ALDILA SARTI Program Studi Matematika, Fakultas Matematika
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linear ganda mempersoalkan hubungan liniear antara satu peubah tak
BAB 2 LANDASAN TEORI 2.1 Regresi linier berganda Regresi linear ganda mempersoalkan hubungan liniear antara satu peubah tak bebas dengan beberapa peubah bebas. Peubah tak bebas dapat berupa ukuran atau
Lebih terperinciBAB 2 LANDASAN TEORI. Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada
19 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel-variabel lain yang mempengaruhinya.misalnya pada seorang
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan
7 BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel
Lebih terperinciE-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja
Lebih terperinciBAB 2 LANDASAN TEORI. mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi merupakan suatu model matematis yang dapat di gunakan untuk mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Regresi pertama kali digunakan sebagi konsep statistika pada tahun 1877 oleh sir Francis Galton.
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Regresi Regresi pertama kali digunakan sebagi konsep statistika pada tahun 1877 oleh sir Francis Galton. Beliau memperkenalkan model peramalan, penaksiran, atau pendugaan,
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
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 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap
Lebih terperinciBAB 2. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel
Lebih terperinciHipotesis adalah suatu pernyataan tentang parameter suatu populasi.
PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Regresi Liniear Sederhana Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi ketergantungan
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 terperinciBAB III METODELOGI PENELITIAN. Mu amalat Indonesia yang berlokasi di Jl.Letjend S Parman no.54 Slipi
BAB III METODELOGI PENELITIAN A Waktu dan Tempat Penelitian Pada bulan januari 2012 penulis menjadikan PT. Bank Mu amalat Indonesia yang berlokasi di Jl.Letjend S Parman no.54 Slipi Jakarta Barat. B. Metode
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
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 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperinciREGRESI LINIER BERGANDA. Debrina Puspita Andriani /
REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan
Lebih terperinciBAB 2 LANDASAN TEORI
9 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan
Lebih terperinciPENYEDERHANAAN PEMETAAN STRUKTUR KETERGANTUNGAN VARIABEL MENGGUNAKAN TEKNIK PRINSIPAL KOMPONEN
ABSTRAK PENYEDERHANAAN PEMETAAN STRUKTUR KETERGANTUNGAN VARIABEL MENGGUNAKAN TEKNIK PRINSIPAL KOMPONEN Mike Susmikanti *) PENYEDERHANAAN PEMETAAN STRUKTUR KETERGANTUNGAN VARIABEL MENGGUNAKAN TEKNIK PRINSIPAL
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika
Lebih terperinciREGRESI LINIER GANDA. Fitriani Agustina, Math, UPI
REGRESI LINIER GANDA 1 Pengertian Regresi Linier Ganda Merupakan metode yang digunakan untuk memodelkan hubungan linear antara variabel terikat dengan dua/lebih variabel bebas. Regresi linier untuk memprediksi
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Kata metode berasal dari Bahasa Yunani Methodos yang berarti cara atau jalan yang ditempuh. 1 Menurut I Made, metode ialah suatu prosedur atau cara untuk mengetahui sesuatu yang
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinciStatistik Parametrik
Statistik Parametrik Statistik Parametrik Adalah suatu tes yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitiannya. Syarat-syarat itu
Lebih terperinciEstimasi Model Seemingly Unrelated Regression (SUR) dengan Metode Generalized Least Square (GLS)
Estimasi Model Seemingly Unrelated Regression (SUR) dengan Metode Generalized Least Square (GLS) Ade Widyaningsih Jurusan Matematika, FMIPA, Universitas Udayana e-mail: ade.strobery@gmail.com Made Susilawati
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat Suku Bunga Deposito (3 Bulan) Dan Kredit Macet (NPL) Terhadap Loan To Deposit Ratio (LDR) Bank Umum Di
Lebih terperinciMENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL
MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Bootstrap Bootstrap adalah prosedur statistika yang melakukan sampling dari sebuah populasi yang dikerjakan dengan cara resampling dari sampel (http://wwwmathsanueduau/~peter/edgtalk/edgtalk1pdf)
Lebih terperinciMEMBANDINGKAN DUA PERSAMAAN REGRESI LINEAR SEDERHANA. Oleh: Giyanto 1) ABSTRACT
Oseana, Volume XXVIII, Nomor 1, 2003 : 19-31 ISSN 0216-1877 MEMBANDINGKAN DUA PERSAMAAN REGRESI LINEAR SEDERHANA Oleh: Giyanto 1) ABSTRACT COMPARING TWOSIMPLE LINEAR REGRESSION EQUATIONS. Frequently we
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Statistika Statistika merupakan cara-cara tertentu yang digunakan dalam megumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan mmberi interpretasi terhadap
Lebih terperinci= parameter regresi = variabel gangguan Model persamaan regresi linier pada persamaan (2.2) dapat dinyatakan dalam bentuk matriks berikut:
BAB II LANDASAN TEORI 2. Analisis Regresi Linier Berganda Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menganalisis hubungan antara dua variabel atau lebih. Menurut
Lebih terperinciTrigustina Simbolon, Gim Tarigan, Partano Siagian
Saintia Matematika Vol. 1, No. 3 (2013), pp. 223 232. ANALISIS BEBERAPA FAKTOR YANG MEMPENGARUHI JUMLAH AKSEPTOR KELUARGA BERENCANA (KB) AKTIF DIKOTA MEDAN TAHUN 2012 Trigustina Simbolon, Gim Tarigan,
Lebih terperinciModel Regresi Linear Produksi Padi di Indonesia dengan Estimasi-M
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 1, May 2007, 39 46 Model Regresi Linear Produksi Padi di Indonesia dengan Estimasi-M Hasih Pratiwi, Yuliana Susanti, dan Monaluvy Septiningrum Jurusan
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 terperinciPelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)
Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi S-28 Bertho Tantular 1) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD berthotantular@gmail.com Abstrak Secara umum model
Lebih terperinci