PENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT"

Transkripsi

1 PENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT Joko Sungkono* dan Udiyono* Abstrak: Secara statistik, metode quick count merupakan suatu proses estimasi parameter proporsi terhadap populasi hasil penelitian. Tujuan yang hendak dicapai pada penelitian ini adalah menerapkan metode jackknife terhapus-1 pada pengolahan data metode quick count. Hasil yang diperoleh pada penelitian ini berupa metode jackknife terhapus-1 untuk pengolahan data metode quick count yang disajikan dalam suatu algoritma. Estimasi parameter diberikan dalam bentuk estimasi titik dan estimasi interval. Untuk memperjelas penerapan metode jackknife terhapus-1 pada pengolahan metode quick count diberikan contoh simulasi. Berdasarkan hasil simlasi, secara umum metode jackknife terhapus-1 memberikan estimasi persentase perolehan suara hasil pemilihan mendekati dengan persentase pada populasi. Estimasi menggunakan interval konfidensi jackknife pendekatan normal memberikan hasil yang akurat. Sedangkan estimasi menggunakan interval konfidensi jackknife persentil memberikan hasil yang kurang akurat. Hal ini disebabkan pada metode jackknife terhapus-1 sampel yang diperoleh hanya sedikit, sehingga interval konfidensi persentil hanya dikonstruksikan berdasarkan informasi yang sedikit. Kata Kunci : Quick Count, Metode Jackknife Terhapus-1, Simulasi PENDAHULUAN Dalam era demokrasi banyak pemimpin yang dipilih melalui mekanisme pemilihan langsung oleh seluruh rakyat. Di indonesia pada tahun 2004 dilakukan pemilihan wakil rakyat dan dilanjutkan pemilihan presiden secara langsung untuk pertama kalinya. Kemudian diikuti oleh pemilihan-pemilihan kepala daerah secara langsung oleh rakyat di tingkat propinsi maupun kabupaten atau kota. Penghitungan suara yang dilakukan oleh Komisi Pemilihan Umum (KPU) memerlukan waktu yang cukup lama, lebih dari satu minggu bahkan satu bulan. Hal ini disebabkan karena suara yang harus dihitung sangat banyak dan mencakup wilayah yang sangat luas. Keadaan ini membuat masyarakat cemas menunggu hasil pemilihan umum yang telah selesai dilaksanakan. Pada tahun 2004, beberapa lembaga independen menerapkan metode hitung cepat (quick count) yang dapat memberikan prediksi perolehan suara untuk masing-masing calon hanya dalam hitungan jam. Hasil dari prediksi tersebut ternyata sangat dekat dengan penghitungan manual yang dilakukan oleh KPU dan memberikan kesimpulan yang sama. Metode quick count untuk memberikan prediksi hasil pemilihan umum makin dibutuhkan oleh berbagai kalangan, baik untuk mengetahui dengan cepat hasil pemilihan maupun untuk menghindari adanya kecurangan. Pada tahun 2014, KPU juga menyelenggarakan pemilihan umum dari pemilihan anggota legislatif dan dilanjutkan pemilihan presiden. Pada pemilihan itu banyak lembaga survey yang melakukan perhitungan quick count. Pada pemilihan anggota legislatif, hampir semua semua lembaga survey mendekati hasil perhitungan manual yang dilakukan oleh KPU. Pada * Progdi Pend. Matematika, FKIP, UNWIDHA Klaten 24 Magistra No. 94 Th. XXVII Desember 2015

2 pemilihan presiden, banyak lembaga survey melakukan perhitungan quick count. Beberapa lembaga survey memberikan hasil yang berbeda dengan beberapa lembaga survey lain. Hal ini menimbulkan pertanyaan tentang metode quick count yang digunakan. Karena sangat mungkin quick count dilakukan dengan tujuan yang bermuatan politik, sehingga hasilnya juga kurang valid. Jika quick count dilakukan dengan metode statistic yang benar dan dilakukan secara netral tidak ada muatan politik yang cenderung memihak salah satu pihak, maka hasilnya akan mendekati perhitungan manual KPU. Pada dasarnya metode quick count menerapkan kaidah-kaidah statistik yaitu memberikan kesimpulan tentang karakteristik populasi melalui pengambilan sampel dari populasi tersebut. Jika diibaratkan dengan makanan, metode quick count merupakan cara kita menyimpulkan kelezatan makanan hanya dengan mencicipi satu sendok makanan tersebut, sedangkan dengan penghitungan manual kita menyimpulkan kelezatan makanan dengan memakan makanan tersebut hingga habis. Hal ini tentu metode quick count akan lebih cepat dalam memberikan kesimpulan hasil yang diperoleh daripada penghitungan manual. Metode quick count menerapkan kaidah-kaidah statistik standar dengan memberikan asumsi distribusi. Jika dilakukan dengan pendekatan Cental Limit Theorem (CLT), maka membutuhkan asumsi distribusi yang simetris dan ukuran sampel yang cukup besar. Jika asumsi tersebut tidak dipenuhi maka metode quick count memberikan hasil yang tidak akurat. Jika memperbesar ukuran sampel berarti harus menambah biaya untuk pengambilan sampel. Untuk melakukan quick count dalam keadaan tersebut dibutuhkan suatu metode yang tidak membutuhkan asumsi distribusi dan ukuran sampel. Jackknife merupakan salah satu metode untuk melakukan penyampelan ulang (resampling) yang sangat sederhana. Metode jackknife dalah suatu metode resampling yang dilakukan dengan menghapus beberapa observasi dari sampel yang telah ada (sampel asli). Menurut Shao dan Tu (1995), pada tahun 1949 Quenouille telah memperkenalkan metode jackknife untuk mengestimasi bias dari suatu estimator dengan menghapus satu observasi dari sampel asli. Sampel yang diperoleh digunakan untuk menghitung nilai estimator. Selanjutnya metode ini disebut resampling jackknife terhapus-1. Pada perkembangan berikutnya, tahun 1974, Miller menggunakan metode jackknife pada data berpasangan untuk keperluan mnghitung estimasi rasio. Pada tahun yang sama, Miller menerapkan metode jackknife pada kasus regresi linear. Menurut Shao dan Tu (1995), metode jackknife sangat populer dalam menyelesaikan masalah estimasi parameter tanpa membutuhkan asumsi distribusi. Bahkan dengan adanya perkembangan teknologi komputer dapat mempermudah penggunaan metode jackknife dalam anlisis statistik, terutama untuk mengatasi masalah ketika metode standar yang ada tidak dapat digunakan. Berarti metode jackknife terhapus-1 dapat diterapkan dalam proses quick count walaupun kaidah statistik standar tidak berlaku. QUICK COUNT Perhitungan suara secara cepat (Quick Count) atau perhitungan suara cepat secara riil (Real Quick Count) atau juga dikenal sebagai tabulasi suara paralel (Parallel Vote Tabulation) merupakan salah satu metode yang berguna untuk memantau proses pemungutan suara. Quick Count merupakan sebuah proses pengumpulan informasi oleh ratusan bahkan ribuan relawan melalui pemantauan langsung saat Magistra No. 94 Th. XXVII Desember

3 pemungutan dan perhitungan suara di seluruh tempat pemungutan suara (TPS) yang yang ada (Estok et al, 2002). Pemantau mencatat informasi, termasuk hasil perhitungan suara yang ada, melaporkan hasil tersebut ke pusat pengumpulan data (Server) melalui SMS. Quick Count tidaklah sama dengan penelitian opini publik maupun exit polling. Quick Count bukan opini dan tidak menanyakan pada pemilih siapa dan bagaimana mereka memilih, melainkan berdasarkan fakta karena data diambil langsung dari TPS sehingga datanya pun lebih dapat dipertanggungjawabkan (Estok et al, 2002). Metode pengumpulan data secara komprehensif (data dari semua TPS) biasanya dengan menggunakan relawan-relawan dari masing-masing kandidat. Menurut Handojo (2008), secara ilmiah statistik dapat menjelaskan metode quick count untuk memprediksi hasil pemilihan yang akan dibandingkan dengan hasil perhitungan manual. Metode quick count menggunakan distribusi sampling untuk membuat kesimpulan tentang hasil pemilihan. Tujuan yang hendak dicapai dari kegiatan quick count adalah estimasi parameter proporsi dengan rumus sebagai berikut dengan dan masing-masing quantil distribusi normal standar serta. Rumus di atas menunjukkan bahwa dengan tingkat keyakinan tertentu dapat diperkirakan parameter proporsi berada pada dua nilai batas bawah dan batas atas. Batas bawah dan batas atas interval konfidensi untuk p dapat dilakukan dengan asumsi bahwa kuantitas pivot berdistribusi normal standar. METODE JACKKNIFE TERHAPUS-1 Jackknife merupakan salah satu metode untuk melakukan penyampelan ulang (resampling) yang sangat sederhana. Metode jackknife dalah suatu metode resampling yang dilakukan dengan menghapus beberapa observasi dari sampel yang telah ada (sampel asli). Menurut Shao dan Tu (1995), pada tahun 1949 Quenouille telah memperkenalkan metode jackknife untuk mengestimasi bias dari suatu estimator dengan menghapus satu observasi dari sampel asli. Sampel yang diperoleh digunakan untuk menghitung nilai estimator. Selanjutnya metode ini disebut resampling jackknife terhapus-1. Pada perkembangan berikutnya, tahun 1974, Miller menggunakan metode jackknife pada data berpasangan untuk keperluan mnghitung estimasi rasio. Pada tahun yang sama, miller menerapkan metode jackknife pada kasus regresi linear. Menurut Shao dan Tu (1995), metode jackknife sangat popular dalam menyelesaikan masalah estimasi parameter tanpa membutuhkan asumsi distribusi. Bahkan dengan adanya perkembangan teknologi computer dapat mempermudah penggunaan metode jackknife dalam anlisis statistik. Menurut Efron dan Tibshirani (1993), metode jackknife dapat dibagi berdasarkan banyaknya data yang dihapus yaitu jackknife terhapus-1 dan jackknife terhapus-d. Secara umum, misalkan dimiliki samper berukuran n, yaitu yang diambil secara random dari populasi dengan fungsi distribusi F yang tidak diketahui. Parameter bernilai real dari fungsi distribusi F pada populasi dinotasikan dengan. Estimator dari parameter dinotasikan dengan. Fungsi distribusi F tidak diketahui, tetapi nilai sampel random dari distribusi F diketahui, sehingga F dapat diestimasi menggunakan 26 Magistra No. 94 Th. XXVII Desember 2015

4 fungsi distribusi empiris. Sampel jackknife dapat diperoleh melalui pengambilan sampel berukuran n-d dari distribusi empiris tanpa pengembalian, sehingga diperoleh.. Untuk selanjutnya analisis statistic dapat dilakukan berdasarkan sampel jackknife yang telah diperoleh. Pada tulisan ini akan dibahas khusus untuk metode jackknife terhapus-1. Metode jackknife terhapus-1 merupakan teknik resampling yang dilakukan dengan menghapus satu observasi dari sampel asli. Sebagian orang menyebut metode penyampelan ini dengan subsampling. Pada jackknife terhapus-1 akan diperoleh sampel jackknife berukuran n-1. Misalkan dimiliki sampel berukuran n, yaitu yang diambil secara random dari populasi dan adalah estimasi untuk parameter nn berdasarkan sampel asli, maka menurut Efron dan Tibshirani (1993), prosedur jackknife terhapus-1 dapat dituliskan sebagai berikut 1. Sampel jackknife ke-j, dinotasikan dengan adalah sampel asli dengan menghapus observasi ke-j, sehingga akan diperoleh n sampel yang masing-masing berukuran n Menghitung statistik yang diinginkan dari sampel jackknife, sebut sebagai, dimana j=1, 2,, n 3. Mengkontruksi suatu distribusi probabilitas dari mm dengan memberikan probabilitas 1/n pada setiap. Distribusi tersebut merupakan estimator jackknife terhapus-1 untuk distribusi sampling.dan mm dinotasikan dengan. 4. Estimasi jackknife terhapus-1 untuk adalah mean dari distribusi.yaitu Pada metode jackknife terhapus-1 masih dapat dilakukan perhitungan dengan menggunakan semua kemungkinan sampel n. METODE JACKKNIFE TERHAPUS-1 PADA QUICK COUNT Pada metode quick count, tujuan utama yang hendak dicapai adalah memperkirakan proporsi suara yang diperoleh masing-masing peserta kandidat dalam pemilihan. Tanpa mengurangi keumuman pembahasan, pada penelitian ini akan dibahas pemilihan dengan tiga peserta kandidat. Misalkan X menyatakan banyaknya suara yang diperoleh kandidat pertama, Y banyaknya suara yang diperoleh kandidat kedua dan Z menyatakan banyaknya suara yang diperoleh kandidat ketiga. Metode quick count dilakukan dengan mengambil sampel secara random berukuran n, yaitu mengambil n TPS yang dijadikan sebagai sampel. Sampel ini selanjutnya disebut sebagai sampel asli. Pada pengambilan sampel ini akan diperoleh data sampel berpasangan, sebut sebagai dengan i = 1,2,, n. Lebih lanjut diperoleh. Metode Jackknife terhapus-1 dimulai dengan mengambil sampel jackknife terlebih dahulu. Sampel jackknife ke-i merupakan himpunan observasi sampel asli tanpa observasi ke-i, sehingga diperoleh n himpunan sampel jackknife yang masing-masing berukuran n-1. Sampel jackknife ke-i dinotasikan dapat didefinisikan sebagai berikut Berdasarkan sampel jackknife berukuran n-1 ini dihitung proporsi masing-masing kandidat, sehingga diperoleh. Estimasi proporsi ini dilakukan untuk setiap sampel jackknife sehingga diperoleh estimasi proporsi. Selanjutnya Magistra No. 94 Th. XXVII Desember

5 dikonstruksikan fungsi distribusi empiris untuk misalkan dinotasikan dengan. Estimasi dari proporsi perolehan suara dihitung dari mean distribusi empiris dan diberikan sebagai berikut. Hasil ini digunakan sebagai estimasi jackknife terhapus-1 untuk proporsi perolehan suara masingmasing kandidat. Misalkan fungsi distribusi empiris dari adalah, maka, prosedur jackknife terhapus-1 untuk estimasi proporsi perolehan suara dapat dituliskan sebagai berikut 1. Sampel jackknife ke-i, dinotasikan dengan adalah sampel asli dengan menghapus observasi ke-i, sehingga akan diperoleh n sampel yang masing-masing berukuran n menghitung statistik yang diinginkan dari sampel jackknife, sebut sebagai,dimana i=1, 2,, n 3. mengkontruksi suatu distribusi probabilitas dari dengan memberikan probabilitas 1/n pada setiap. Distribusi tersebut merupakan estimator jackknife terhapus-1 untuk distribusi sampling dan dinotasikan dengan. 4. estimasi jackknife terhapus-1 untuk adalah mean dari distribusi yaitu Pada metode jackknife terhapus-1 masih dapat dilakukan perhitungan dengan menggunakan semua kemungkinan sampel n. Interval konfidensi jackknife terhapus-1 pada pembahasan ini diberikan dalam bentuk interval konfidensi jackknife pendekatan normal dan interval konfidensi jackknife persentil. Pada interval konfidensi jackknife pendekatan normal, metode jackknife digunakan untuk menentukan standar eror dari estimator. Berdasarkan sampel jackknife akan diperoleh estimator jackknife. Menurut Shao dan Tu (1995), variansi dari estimator jackknife terhapus-1 dapat diberikan sebagai berikut Standar eror estimator jackknife merupakan akar dari variansi estimator jackknife. Menurut Shao dan Tu (1995), interval konfidensi jackknife pendekatan normal dikonstruksikan seperti pada interval standar tetapi dengan memanfaatkan standar eror estimator jackknife. Interval konfidensi jackknife pendekatan normal untuk p diberikan sebagai berikut Pada interval konfidensi jackknife pendekatan normal ini tidak memanfaatkan secara keseluruhan distribusi sampling dari estimator, tetapi hanya memanfaatkan momen kedua. Interval konfidensi yang kedua adalah interval konfidensi jackknife persentil. Interval konfidensi persentil ini sudah terlepas dari asumsi tentang distribusi. Interval konfidensi persentil ini dikonstruksikan berdasarkan distribusi sampling dari estimator jackknife terhapus-1. Distribusi sampling yang digunakan adalah distribusi empiris dari estimator yang dinotasikan dengan. Berdasarkan distribusi ini dapat dihitung nilai persentil yang menjadi ide utama dalam mengkonstruksikan interval konfidensi jackknife persentil. 28 Magistra No. 94 Th. XXVII Desember 2015

6 Urutan langkah-langkah yang harus dilakukan untuk mengkonstruksikan interval konfidensi jackknife persentil diberikan sebagai berikut 1. melakukan algoritma resampling jackknife terhapus-1 sehingga diperoleh estimator jackknife untuk i=1, 2,, n 2. membentuk distribusi empiris 3. jika tingkat konfidensi untuk interval persentil, maka interval konfidensi jackknife persentil untuk p dapat diberikan sebagai berikut Pada kenyataannya dan adalah persentil ke 100 dan ke 100 estimator jackknife untuk i=1, 2,, n. Hal ini yang mendasari nama interval konfidensi persentil. Pada jackknife terhapus-1, interval persentil dikonstruksikan berdasarkan sampel kecil sehingga hasilnya kurang akurat. Untuk memperbaiki kelemahan ini dikembangkan jackknife terhapus-d yang menghasilkan sampel lebih banyak. SIMULASI Penerapan metode jackknife terhapus-1 pada pengolahan data metode quick count dilakukan dengan bantuan komputer. Untuk melihat keakuratan metode jackknife terhapus-1 diberikan dalam bentuk simulasi. Langkah-langkah algoritma jackknife terhapus-1 untuk pengolahan metode quick count akan dituangkan dalam bahasa pemrograman menggunakan bantuan software R. Pada pembahasan ini akan diberikan simulasi dalam pemilihan dengan tiga kandidat partai politik. Pada kasus pemilihan ini, simulasi dilakukan dengan membuat populasi hasil pemilihan partai yang berupa data yang dibangkitkan secara random dari distribusi tertentu menggunakan software R. Untuk keperluan simulasi ini, dibangkitkan populasi hasil pemilihan partai yang terdiri dari tiga partai misalkan Partai A, Partai B dan Partai C dengan suara yang tersalur dalam TPS diseluruh daerah. Keadaan populasi terdiri dari TPS dengan data pemilih Partai A dibangkitkan secara random dari distribusi normal dengan rata-rata 100 dan standar deviasi 6. Partai B dibangkitkan secara random dari distribusi normal dengan rata-rata 115 dan standar deviasi 6. Sedangkan Partai C dibangkitkan secara random dari distribusi normal dengan rata-rata 95 dan standar deviasi 6. Berdasarkan data populasi ini akan diambil sampel secara random untuk keperluan quick count. Untuk quick count pemilihan partai ini, diberikan dua contoh berdasarkan banyaknya sampel yaitu menggunakan sampel 1500 TPS dan 2000 TPS. Perolehan suara hasil quick count dengan menggunakan metode jackknife terhapus-1 diberikan pada Tabel 1. Partai Tabel 1. Persentase Perolehan Suara Quick Count Jackknife (1500 sampel) Quick Count Jackknife (2000 sampel) Perhitungan Populasi Sebenarnya (%) (%) (%) Partai A 32,276 32,292 32,263 Partai B 37,083 37,137 37,099 Partai C 30,641 30,571 30,638 Berdasarkan Tabel 1, terlihat bahwa hasil quick count metode jackknife terhapus-1 sangat mendekati hasil perhitungan pada populasi sebenarnya. Quick count dengan sampel 1500 TPS maupun 2000 TPS sama-sama menempatkan Partai B sebagai pemenang yang diikuti Partai A dan Partai C. Hal ini menunjukkan bahwa keakuratan metode jackknife terhapus-1 untuk keperluan pengolahan data quick Magistra No. 94 Th. XXVII Desember

7 count sangat tinggi. Estimasi persentase perolehan suara juga dapat dinyatakan dalam bentuk interval konfidensi. Interval konfidensi dengan kepercayaan 98 % dengan pendekatan normal dapat disajikan dalam Tabel 2 dan 3 berikut. Tabel 2. Interval Konfidensi Pendekatan Normal Jackknife Terhapus-1 Sampel Interval Partai A Partai B Partai C 1500 TPS 2000 TPS BB BB 32,179 32,210 36,988 37,055 30,546 30,489 BA BA 32,372 32,374 37,176 37,220 30,736 30,654 Tabel 3 Interval Konfidensi Persentil Jackknife Terhapus-1 Sampel Interval Partai A Partai B Partai C 1500 TPS 2000 TPS BB BB 32,273 32,290 37,080 37,134 30,638 30,569 BA BA 32,279 32,294 37,085 37,139 30,644 30,573 Berdasarkan Tabel 2 terlihat bahwa semua interval memuat parameter yang diestimasi pada populasinya, Interval konfidensi yang diperoleh memiliki range yang cukup sempit. Hal ini menunjukkan keakuratan estimasi interval pendekatan normal metode jackknife terhapus-1 cukup tinggi. Sedangkan berdasarkan Tabel 3 di atas, jika dibandingkan dengan perolehan suara pada populasi maka terlihat bahwa ada beberapa interval yang tidak memuat parameter yang diestimasi. Hal ini terjadi karena pada jackknife terhapus-1, jika sampel cukup kecil dibandingkan dengan ukuran populasinya maka interval persentil dikonstruksikan hanya dengan sedikit informasi, sehingga hasilnya kurang akurat. Hal ini menjadi kelemahan metode jackknife terhapus-1. Untuk mengatasi kelemahan tersebut dikembangkan metode jackknife terhapus-d. Pada jackknife terhapusd, dapat diperoleh sampel jackknife yang sangat besar sehingga meningkatkan keakuratan dalam estimasi. SIMPULAN Metode jackknife terhapus-1 dapat digunakan dalam pengolahan data metode quick count. Hal ini diuraikan dalam bentuk langkah-langkah algoritma yang disajikan secara urut. Untuk keperluan simulasi, algoritma jackknife terhapus-1 dapat dituangkan dalam bahasa pemrograman software R. Untuk melihat keakuratan metode jackknife terhapus-1 pada pengolahan data metode quick count diberikan simulasi dengan membuat populasi hasil pemilihan. Berdasarkan hasil simulasi diperoleh bahwa estimasi banyaknya suara masing-masing kandidat mendekati hasil perhitungan pada populasinya. Estimasi menggunakan inter val konfidensi jackknife pendekatan normal juga memberikan hasil yang akurat. Sedangkan pada interval konfidensi jackknife persentil memberikan hasil yang kurang akurat.hal ini disebabkan pada interval persentil, untuk metode jackknife terhapus-1 hanya menghasilkan sampel kecil, sehingga konstruksi interval persentil praktis hanya menggunakan informasi yang sedikit. 30 Magistra No. 94 Th. XXVII Desember 2015

8 DAFTAR PUSTAKA Bennett, P. J Introduction to the Bootstrap and Robust Statistics. Winter Term. Efron, B. and Tibshirani, R. J., 1993, An Introduction To The Bootstrap, Chapman and Hall, New York. Estok, M., Nevitte, N. and Cowan, G., 2002, The Quick Count And Election Observation, National Democratic Institute For International Affairs (NDI), Washington. Miller, R. G., 1974, The Jackknife-A Review, Biometrika, no.1, 61, 1-5. Miller, R. G., 1974, An Unbalanced Jackknife, Ann. Statist., no 5, 2, Sahinler, S. and Topuz, D., 2007, Bootstrap And Jackknife Resampling Algorithms For Estimation Of Regression Parameters, JAQM, no. 2, 2, Shao, J. and Tu, D., 1995, The Jackknife And Bootstrap, Springer Verlag Inc., New York. Suhandojo, 2008, Pembelajaran Politik Masyarakat Menggunakan Penerapan Metode Statistika, Prosiding Seminar Nasional, 7(74), Universitas Lampung. Magistra No. 94 Th. XXVII Desember

BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R

BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R Joko Sungkono* Abstrak : Pada tulisan ini, algoritma metode bootstrap resampling observasi dipaparkan secara detail

Lebih terperinci

RESAMPLING BOOTSTRAP PADA R

RESAMPLING BOOTSTRAP PADA R RESAMPLING BOOTSTRAP PADA R Joko Sungkono* Abstrak:Pada tulisan ini, algoritma resampling bootstrap akan disajikan secara detail dalam bahasa pemrograman software R untuk beberapa contoh kasus. Resampling

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 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 terperinci

PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS

PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 137 146. PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS

Lebih terperinci

Kata Kunci : PEMILU, Quick Count, Pemilihan Presiden, Margin of Error.

Kata Kunci : PEMILU, Quick Count, Pemilihan Presiden, Margin of Error. PERHITUNGAN SUARA PEMILIHAN UMUM DENGAN MENGGUNAKAN QUICK COUNT GUNA MEMPREDIKSI HASIL PEMILIHAN UMUM PADA PEMILIHAN PRESIDEN TAHUN 2014 Prihantini (15305141044) Universitas Negeri Yogyakarta Di Indonesia,

Lebih terperinci

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap

Lebih terperinci

ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP

ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,

Lebih terperinci

BAB I PENDAHULUAN. Mega Wati, 2015 ANALISIS QUICK COUNT MENGGUNAKAN METODE STRATIFIED CLUSTER SAMPLING (STUDI KASUS PEMILU GUBERNUR JAWA BARAT 2013)

BAB I PENDAHULUAN. Mega Wati, 2015 ANALISIS QUICK COUNT MENGGUNAKAN METODE STRATIFIED CLUSTER SAMPLING (STUDI KASUS PEMILU GUBERNUR JAWA BARAT 2013) BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia adalah sebuah negara kesatuan yang menggunakan konstitusi Undang-Undang Dasar Negara Republik Indonesia tahun 1945. Prinsip-prinsip yang tertuang

Lebih terperinci

APLIKASI REAL QUICK COUNT UNTUK PERHITUNGAN CEPAT PEMILUKADA DENGAN MENGGUNAKAN KONSEPTUAL COMPREHENSIVE PARALEL VOTE TABULATION

APLIKASI REAL QUICK COUNT UNTUK PERHITUNGAN CEPAT PEMILUKADA DENGAN MENGGUNAKAN KONSEPTUAL COMPREHENSIVE PARALEL VOTE TABULATION APLIKASI REAL QUICK COUNT UNTUK PERHITUNGAN CEPAT PEMILUKADA DENGAN MENGGUNAKAN KONSEPTUAL COMPREHENSIVE PARALEL VOTE TABULATION Budi Indri Wagearto A11.2009.04912 Program Studi Teknik Informatika S1 Fakultas

Lebih terperinci

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.

Lebih terperinci

TENTANG KAMI. MISI : Memberdaya Masyarakat melalui pemanfaatan Teknologi Informasi.

TENTANG KAMI. MISI : Memberdaya Masyarakat melalui pemanfaatan Teknologi Informasi. LATAR BELAKANG Perhitungan Suara Cepat Secara Riil (Real Quick Count) atau juga dikenal sebagai Tabulasi Suara Paralel (Parallel Vote Tabulation) merupakan salah satu metode yang berguna untuk memantau

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya adalah analisis terhadap sampel yang kemudian hasil analisisnya akan digeneralisasikan untuk mengetahui karakteristik populasi.

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang dan Permasalahan

BAB 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

ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP

ANALISIS 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara demokrasi dimana semua warga negaranya memiliki hak setara dalam pengambilan keputusan yang dapat mengubah hidup mereka (Wikipedia). Demokrasi

Lebih terperinci

Pengumpulan Data Dengan Quick Count Dan Exit Poll

Pengumpulan Data Dengan Quick Count Dan Exit Poll Pengumpulan Data Dengan Quick Count Dan Exit Poll Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta Abstrak Quick count dan exit poll merupakan metode pengumpulan data yang

Lebih terperinci

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E 5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah

Lebih terperinci

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah

Lebih terperinci

Hitung Cepat (Quick Count) Apa yang Dapat Dipelajari Darinya? Fadjar Shadiq, M.App.Sc &

Hitung Cepat (Quick Count) Apa yang Dapat Dipelajari Darinya? Fadjar Shadiq, M.App.Sc & Hitung Cepat (Quick Count) Apa yang Dapat Dipelajari Darinya? Fadjar Shadiq, M.App.Sc (fadjar_p3g@yahoo.com & www.fadjarp3g.wordpress.com) Pada saat quick count (hitung cepat) muncul pertama kali, pada

Lebih terperinci

BAB I PENDAHULUAN. bersifat tetap ( bukan

BAB I PENDAHULUAN. bersifat tetap ( bukan BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan suatu analisis yang digunakan untuk mengetahui hubungan antara satu variabel independen atau lebih dengan variabel dependen. Pada studi perbandingan

Lebih terperinci

Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 963-966 Pendugaan Galat Baku Nilai Tengah Menggunakan Metode Resampling Jackknife dan Bootstrap Nonparametric dengan Software R 2.15.0 * Septiana Wulandari,

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP

ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 41 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP DWI ANNISA FITRI Program Studi

Lebih terperinci

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY Joko Sungkono* Abstrak : Tujuan yang ingin dicapai pada tulisan ini adalah mengetahui kekuatan konvergensi dalam probabilitas dan konvergensi

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA 2.1 Pemilihan Umum Erwin (2010:141) menyatakan bahwa Pemilihan Umum merupakan perwujudan atas kedaulatan rakyat dan demokrasi untuk menentukan wakil-wakil rakyat yang akan duduk pada

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA 7 BAB II KAJIAN PUSTAKA 2.1 Pendahuluan Pada penelitian sebelumnya telah dibahas mengenai teknik pengambilan sampling pada quick count oleh Putri Noviyandari dalam skripsi dengan judul Analisis Quick Count

Lebih terperinci

Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi

Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Comparison of Bootstrap and Jackknife Resampling Methods in Determining

Lebih terperinci

ESTIMASI SKEWNESS (KEMIRINGAN) DENGAN MENGGUNAKAN METODE BOOTSTRAP DAN METODE JACKKNIFE

ESTIMASI SKEWNESS (KEMIRINGAN) DENGAN MENGGUNAKAN METODE BOOTSTRAP DAN METODE JACKKNIFE ESTIMASI SKEWNESS (KEMIRINGAN) DENGAN MENGGUNAKAN METODE BOOTSTRAP DAN METODE JACKKNIFE SKRIPSI Disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika Oleh Siti

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi

Lebih terperinci

METODE BOOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL

METODE BOOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL Vol. 5, No., April, 5 METODE OOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL Hermi Rumtiasih ), Suparman ) ) Program Studi Matematika Universitas Ahmad Dahlan, ) Program Studi Pendidikan Matematika Universitas

Lebih terperinci

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS

ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS ESTIMASI CONFIDENCE INTERVAL BOOTSTRAP UNTUK ANALISIS DATA SAMPEL TERBATAS Asep Solih A* Abstrak Dalam analisis data seringkali peneliti ingin mengetahui karakteristik data penelitian seperti jenis distribusi,

Lebih terperinci

Interval Kepercayaan Skewness dan Kurtosis Menggunakan Bootstrap pada Data Kekuatan Gempa Bumi

Interval Kepercayaan Skewness dan Kurtosis Menggunakan Bootstrap pada Data Kekuatan Gempa Bumi Interval Kepercayaan Skewness dan Kurtosis Menggunakan ootstrap pada Data Kekuatan Gempa umi Hardianti Hafid, Anisa, Anna Islamiyati Program Studi Statistia, FMIPA, Universitas Hasanuddin Gempa bumi yang

Lebih terperinci

PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO

PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO ESTIMATE MULTIPLE LINEAR REGRESSION PARAMETERS) Iesyah

Lebih terperinci

Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi

Pendugaan 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 terperinci

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

PENENTUAN 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 terperinci

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

RANCANG BANGUN APLIKASI QUICK COUNT PILKADA BERBASIS SMS GATEWAY DENGAN METODE SIMPLE RANDOM SAMPLING (STUDI KASUS KOTA LUBUKLINGGAU)

RANCANG BANGUN APLIKASI QUICK COUNT PILKADA BERBASIS SMS GATEWAY DENGAN METODE SIMPLE RANDOM SAMPLING (STUDI KASUS KOTA LUBUKLINGGAU) RANCANG BANGUN APLIKASI QUICK COUNT PILKADA BERBASIS SMS GATEWAY DENGAN METODE SIMPLE RANDOM SAMPLING (STUDI KASUS KOTA LUBUKLINGGAU) Arie Yandi Saputra 1, Deni Apriadi 2 Email : arielahat@gmail.com 1,

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi

Lebih terperinci

BAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur

BAB 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 terperinci

PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI

PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi dan mempresentasikan data. Dalam perkembangan masa,

Lebih terperinci

ANALISIS QUICK COUNT METODE MULTISTAGE RANDOM SAMPLING DENGAN ESTIMASI KONFIDENSI INTERVAL MENGGUNAKAN METODE BAYES

ANALISIS QUICK COUNT METODE MULTISTAGE RANDOM SAMPLING DENGAN ESTIMASI KONFIDENSI INTERVAL MENGGUNAKAN METODE BAYES ANALISIS QUICK COUNT METODE MULTISTAGE RANDOM SAMPLING DENGAN ESTIMASI KONFIDENSI INTERVAL MENGGUNAKAN METODE BAYES (Studi Kasus: Quick Count Pemilihan Presiden 9 Juli 2014 oleh Lembaga Survei Indonesia)

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam sebuah penelitian di bidang statistika, peneliti akan berhubungan dengan data pengamatan, baik data kualitatif atau data kuantitatif yang akan diproses

Lebih terperinci

Statistika (MMS-1403)

Statistika (MMS-1403) Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang

Lebih terperinci

APLIKASI QUICK COUNT UNTUK PILKADA DENGAN METODE SYSTEMATIC RANDOM SAMPLING BERBASIS SMS

APLIKASI QUICK COUNT UNTUK PILKADA DENGAN METODE SYSTEMATIC RANDOM SAMPLING BERBASIS SMS Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 203 APLIKASI QUICK COUNT UNTUK PILKADA DENGAN ETODE SYSTEATIC RANDO SAPLING BERBASIS SS Indra Fakultas Teknologi Informasi, Universitas Budi Luhur

Lebih terperinci

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY

Lebih terperinci

PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA

PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati

Lebih terperinci

APLIKASI STATISTIKA. Tri Indri Hardini

APLIKASI STATISTIKA. Tri Indri Hardini APLIKASI STATISTIKA Tri Indri Hardini ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Kegunaan Metode Sampling 1.2 Tahap-Tahap dalam Survei Sampel 1. Tujuan survei.

BAB I PENDAHULUAN 1.1 Kegunaan Metode Sampling 1.2 Tahap-Tahap dalam Survei Sampel 1. Tujuan survei. BAB I PENDAHULUAN 1.1 Kegunaan Metode Sampling Pengambilan sampel dari suatu survei telah menjadi sesuatu yang besar kegunaannya dalam kehidupan. Sebuah sampel terdiri sejumlah bola lampu dalam satu periode

Lebih terperinci

2-RP. C. Deskripsi CP secara umum KKNI Level 6

2-RP. C. Deskripsi CP secara umum KKNI Level 6 RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.3 : untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada 2. CP 15.1

Lebih terperinci

Jurnal Geodesi Undip Oktober 2013

Jurnal Geodesi Undip Oktober 2013 Aplikasi SIG Untuk Penentuan Daerah Quick Count Pemilihan Kepala Daerah (Studi Kasus : Pemilihan Walikota Cirebon 2013, Jawa Barat) Raden Putra 1), Andri Suprayogi, ST., MT 2), Ir. Sutomo Kahar, M.Si.

Lebih terperinci

PENDUGAAN PARAMETER REGRESI DENGAN BOOTSTRAP RESIDUAL UNTUK JUMLAH SAMPEL YANG BERVARIASI M a r zu k i, H i zi r S o f y a n Universitas Syiah Kuala marz_ukie@yahoo.com ABSTRAK Penelitian ini bertujuan

Lebih terperinci

STATISTIK DESKRIPTIF DAN STATISTIK INFERENSIAL

STATISTIK DESKRIPTIF DAN STATISTIK INFERENSIAL STATISTIK DESKRIPTIF DAN STATISTIK INFERENSIAL 22:35 GENERAL 2 comments Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dikumpulkan dari seluruh responden. Kegiatan dalam analisis

Lebih terperinci

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier

BAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah

Lebih terperinci

Estimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama

Estimasi 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 terperinci

PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA

PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

INFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF

INFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Estimasi reliabilitas adalah estimasi yang menggambarkan sebuah taksiran terhadap suatu komponen tertentu, dimana dan adalah variabel random yang independen dengan

Lebih terperinci

Saila Anillah ABSTRAK

Saila Anillah ABSTRAK PERTANGGUNGJAWABAN HUKUM LEMBAGA SURVEI ATAS HASIL PERHITUNGAN CEPAT PEMILIHAN CALON PRESIDEN DAN WAKIL PRESIDEN YANG DISIARKAN OLEH STASIUN TELEVISI DAN PENGAWASAN PEMERINTAH BERDASARKAN UNDANG-UNDANG

Lebih terperinci

Bab I PENDAHULUAN. Dewasa ini perkembangan komputer yang maju dapat dipergunakan manusia

Bab I PENDAHULUAN. Dewasa ini perkembangan komputer yang maju dapat dipergunakan manusia 1 Bab I PENDAHULUAN 1.1 Latar belakang Dewasa ini perkembangan komputer yang maju dapat dipergunakan manusia sebagai alat bantu untuk mempermudah dan mempercepat pekerjaannya. Fungsi komputer tersebut

Lebih terperinci

BAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa

BAB 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 terperinci

SISTEM INFORMASI MANAJEMEN WEBSITE QC.RiauPres

SISTEM INFORMASI MANAJEMEN WEBSITE QC.RiauPres MAKALAH SISTEM INFORMASI MANAJEMEN WEBSITE QC.RiauPres DI SUSUN OLEH SRI SISKA WIRDANIYATI 12611125 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA YOGYAKARTA

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Grafik pengendali merupakan alat baku untuk mengukur performa proses (Liu dan Tang, 1996). Hal ini dikembangkan pada tahun 1920 dan sekarang grafik pengendali menjadi

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 385-395 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI DIVIDEND PAYOUT RATIO

Lebih terperinci

Satriyo Eko Putranto. Teknik Informatika-Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, jalan nakula I 5-11, Semarang, 50131

Satriyo Eko Putranto. Teknik Informatika-Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, jalan nakula I 5-11, Semarang, 50131 RANCANG BANGUN PENGHITUNGAN SURAT SUARA / QUICK COUNT BERBASIS WEB UNTUK MEMPREDIKSI KEMENANGAN KANDIDAT DALAM PEMILIHAN UMUM Studi Kasus : Komisi Pemilihan Umum Provinsi Jawa Tengah Satriyo Eko Putranto

Lebih terperinci

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM Yuliyanti Karomah, Putriaji Hendikawati

Lebih terperinci

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract

ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT

STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT Studi Kasus: Beberapa Kurs Mata Uang Asing Terhadap Rupiah Rangga

Lebih terperinci

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

Pertemuan 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 terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Pengambilan sampel dari suatu populasi melalui metode survei sampel memberikan manfaat yang cukup besar dalam suatu penelitian. Survei sampel dilakukan

Lebih terperinci

UJI VALIDITAS DAN UJI RELIABILITAS MENGGUNAKAN METODE BOOTSTRAP PADA DATA KUISIONER TIPE YES/NO QUESTIONS

UJI VALIDITAS DAN UJI RELIABILITAS MENGGUNAKAN METODE BOOTSTRAP PADA DATA KUISIONER TIPE YES/NO QUESTIONS PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW UJI VALIDITAS DAN UJI RELIABILITAS MENGGUNAKAN METODE BOOTSTRAP PADA DATA KUISIONER TIPE YES/NO QUESTIONS Jesyca R. T. Muaja 1), Adi Setiawan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 1-10 Online di:

ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 1-10 Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS REGRESI NONPARAMETRIK KERNEL MENGGUNAKAN METODE JACKKNIFE

Lebih terperinci

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN

ESTIMASI 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 terperinci

INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF

INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan dalam statistika biasanya dirumuskan melalui variabel random yang menjadi perhatian, tetapi fungsi kepadatan probabilitas atau fungsi massa probabilitas

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB 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 terperinci

S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP

S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP Janse Oktaviana Fallo 1, Adi Setiawan 2, Bambang Susanto 3 1,2,3 Program Studi Matematika

Lebih terperinci

I. PENDAHULUAN. ini merupakan penjelmaan dari seluruh rakyat Indonesia. DPR dan DPRD dipilih oleh rakyat serta utusan daerah dan golongan

I. PENDAHULUAN. ini merupakan penjelmaan dari seluruh rakyat Indonesia. DPR dan DPRD dipilih oleh rakyat serta utusan daerah dan golongan BAB I I. PENDAHULUAN 1.1. Latar Belakang Dalam Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 disebutkan bahwa kedaulatan berada di tangan rakyat dan dilaksanakan sepenuhnya oleh Majelis Permusyawaratan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 1 \ BAB I PENDAHULUAN 1.1 Latar Belakang Informasi-informasi faktual yang diperoleh berdasarkan hasil observasi maupun penelitian sangatlah beragam. Informasi yang dirangkum sedemikian rupa disebut dengan

Lebih terperinci

MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES

MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas

Lebih terperinci

BAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan

BAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan 1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari-hari, adanya ketidakmampuan manusia untuk mengetahui fenomena yang akan terjadi pada periode mendatang akan mengakibatkan kurang tepatnya

Lebih terperinci

Bab 5 Distribusi Sampling

Bab 5 Distribusi Sampling Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Penggunaan uji t dan uji z untuk menguji perbedaan mean hanya dapat diterapkan pada dua variabel. Jika jumlah variabel yang diuji cukup besar atau lebih dari dua variabel,

Lebih terperinci

PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES Lingkaran Survei Indonesia Jumat, 11 April 2014

PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES Lingkaran Survei Indonesia Jumat, 11 April 2014 PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES 2014 Lingkaran Survei Indonesia Jumat, 11 April 2014 Kata Pengantar PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES 2014 Pemilu Legislatif 2014 telah selesai

Lebih terperinci

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Langkah-langkah Uji Hipotesis Jenis Uji Hipotesis satu populasi Uji Z Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability

Lebih terperinci

PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING

PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING PENGUKURAN VALUE AT RISK PADA PORTOFOLIO SAHAM DENGAN METODE SIMULASI BOOTSTRAPPING SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian

Lebih terperinci

ESTIMASI VARIANS DENGAN PENDEKATAN METODE RESCALED BOOTSTRAP

ESTIMASI VARIANS DENGAN PENDEKATAN METODE RESCALED BOOTSTRAP ESTIMASI VARIANS DENGAN PENDEKATAN METODE RESCALED BOOTSTRAP Sapta Hastho Ponco 1 *, Septiadi Padmadisastra 2, Gatot Riwi Setyanto 2 Mahasiswa Program Magister Statistika Terapan, Universitas Padjadjaran,

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Directional & Nondirectional test Langkah-langkah Uji Hipotesis Error dalam Uji hipotesis (Error Type I) Jenis Uji Hipotesis satu populasi

Lebih terperinci

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1. 11 BAB III UJI STATISTIK DAN SIMULASI 3.1 Interval Kepercayaan Sebuah interval kepercayaan terdiri dari berbagai nilai-nilai bersama-sama dengan persentase yang menentukan seberapa yakin bahwa parameter

Lebih terperinci

GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE

GENERALIZED 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 terperinci

PASKA MUNASLUB: Golkar Perlu Branding Baru? LSI DENNY JA Analis Survei Nasional, Mei 2016

PASKA MUNASLUB: Golkar Perlu Branding Baru? LSI DENNY JA Analis Survei Nasional, Mei 2016 PASKA MUNASLUB: Golkar Perlu Branding Baru? LSI DENNY JA Analis Survei Nasional, Mei 2016 Paska Munaslub : Golkar Perlu Branding Baru? Paska Munaslub dengan terpilihnya Setya Novanto (Ketum) dan Aburizal

Lebih terperinci

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang

Lebih terperinci