Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa Timur Menggunakan Bivariate Poisson Regression"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 Pemodelan Jumlah Kematan Ibu dan Jumlah Kematan a d Provns Jawa Tmur Menggunakan varate Posson Regresson Nna Fauzah Rachmah dan Purhad Jurusan Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Teknolog Sepuluh Nopember (ITS Jl. Aref Rahman Hakm, Surabaa Indonesa e-mal: purhad@statstka.ts.ac.d Abstrak Kasus kematan bu adalah kasus kematan perempuan pada saat haml atau kematan perempuan dalam kurun waktu har seak termnas kehamlan. Sedangkan kasus kematan ba adalah kasus kematan ba ang terad antara saat setelah ba lahr sampa ba belum berusa tepat satu tahun. Hngga tahun Provns Jawa Tmur belum mampu mencapa target MDGs penurunan kematan bu dan anak. Kasus umlah kematan bu dan umlah kematan ba merupakan dua hal ang salng berkorelas dan termasuk perstwa ang dkategorkan kedalam varabel dskrt dan berdstrbus posson oleh karena tu peneltan tentang umlah kematan bu dan ba telah banak dlakukan dengan menggunakan regres posson. Regres varat Posson adalah metode pemodelan terbak terhadap kasus umlah kematan bu dan ba karena dapat meregreskan sepasang count data ang berdstrbus posson dan salng berkorelas. Hasl dar peneltan n atu pada model bvarat posson untuk varabel umlah kematan bu varabel predktor ang sgnfkan mempengaruh adalah hana persentase tenaga kesehatan, sedangkan pada varabel umlah kematan ba varabel ang sgnfkan adalah persentase tenaga kesehatan, persentase persalnan oleh tenaga kesehatan, persentase bu haml melaksanakan program K, persentase rumah tangga ber- PHS, persentase bu haml mendapatkan tablet Fe, persentase wanta berstatus kawn dbawah tahun, dan persentase peserta K aktf. Kata Kunc Jumlah Kematan a, Jumlah Kematan Ibu, Korelas, Regres varat Posson. P I. PENDAHULUAN ENGERTIAN Mllenum Development Goals (MDGs adalah sebuah paradgma pembangunan global ang ddeklaraskan Konferens Tngkat Tngg Mlenum oleh 89 negara anggota Perserkatan angsa angsa (P d New York pada bulan September dan menghaslkan 8 tuuan pokok ang harus tercapa d tahun. Dar 8 tuuan pokok hasl MDGs tersebut terdapat tuuan pokok keempat dan kelma atu tentang kematan anak dan kesehatan bu ang merupakan ndkator utama deraat kesehatan masarakat d suatu negara, mash menad salah satu kendala terberat pembangunan global dar 89 negara anggota P. Angka Kematan Ibu (AKI adalah umlah kematan bu pada tahun tertentu dan daerah tertentu per. kelahran hdup. Jumlah kematan bu adalah umlah kematan perempuan pada saat haml atau kematan perempuan dalam kurun waktu har seak termnas kehamlan tanpa memandang lamana kehamlan atau tempat persalnan dan dsebabkan oleh kehamlanna atau pengelolaanna, bukan karena sebab-sebab lan sepet kecelakaan ataupun teratuh. Sedangkan Angka Kematan a (AK adalah umlah kematan ba pada tahun tertentu dan daerah tertentu per kelahran hdup. Jumlah kematan ba adalah umlah kematan ba ang terad antara saat setelah ba lahr sampa ba belum berusa tepat satu tahun []. Target MDGs tahun untuk Angka Kematan Ibu (AKI adalah kematan per. kelahran hdup. Sedangkan Target MDGs tahun untuk AK adalah kematan per. kelahran hdup. Jumlah kematan Ibu d Provns Jawa Tmur terus mengalam tren penngkatan dar tahun-ketahun. Sedangkan pada umlah kasus kematan ba, Provns Jawa Tmur adalah salah satu dar provns penumbang hampr persen dar total umlah kematan ba terbanak d Indonesa [] Kematan bu dan kematan ba merupakan dua hal ang salng berkorelas []. Hal n terad karena selama masa kandungan gz ang dperoleh ann dsalurkan dar tubuh bu melalu plasenta sehngga konds bu selama masa kehamlan akan berpengaruh pada ann dan ba ang akan dlahrkanna kelak. Peran bu uga sangat berpengaruh dalam merawat ba mula saat dlahrkan hngga berumur satu tahun []. Sehngga agar tndak lanut ang akan dberkan tepat guna, maka dperlukan adana suatu peneltan tentang umlah kematan bu dan umlah kematan ba dengan melbatkan faktor-faktor ang mempengaruh keduana secara bersamaan. varate Posson Regresson (PR adalah metode regres ang memodelkan sepasang count data ang memlk korelas tngg []. Peneltan sebelumna ang menggunakan metode PR []-[]. menghaslkan kesmpulan bahwa metode varate Posson Regresson dapat menghaslkan model terbak terhadap sepasang count data ang berdstrbus posson dan salng berkorelas. Dengan latar belakang ang telah dabarkan, maka pada peneltan kal n akan dterapkan pendekatan varate Posson Regresson untuk memodelkan umlah kematan bu dan umlah kematan ba d Provns Jawa Tmur tahun. Tuuan dar peneltan n adalah untuk mendapatkan karakterstk umlah kasus kematan bu dan umlah kematan ba d Provns Jawa Tmur pada tahun secara deskrptf, mendapatkan model dar varate Posson Regresson terhadap umlah kematan bu dan umlah kematan ba d Provns Jawa Tmur pada tahun, dan mendapatkan faktor ang berpengaruh secara sgnfkan pada umlah kematan bu dan umlah kematan ba d

2 JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 Provns Jawa Tmur pada tahun dengan pendekatan varate Posson Regresson. II. TINJAUAN PUSTAKA A. Statstka Deskrptf Pembuatan analsa deskrptf dlakukan terhadap seluruh varable peneltan ang terdr dar varabel respon dan varabel predktor. erkut n ang termasuk dalam ukuran pemusatan data adalah mean dan medan, sedangkan ang termasuk dalam ukuran penebaran data adalah varans dan standard devas.. Dstrbus Posson Dstrbus Posson merupakan suatu dstrbus ang dpergunakan untuk perstwa ang memlk probabltas keadanna kecl, dmana keadan tersebut tergantung pada nterval waktu tertentu atau dsuatu daerah tertentu dengan hasl pengamatan ang berupa varabel dskrt. C. Dstrbus Posson Unvarat Fungs probabltas varabel random dskrt ang berdstrbus posson dengan parameter λ adalah []: e f (!,,,,..., ang lanna nla mean dan varans dar dstrbus posson adalah sama, atu λ. D. Dstrbus Posson varat Msalkan,, merupakan varabel random ang masng-masng berdstrbus posson dengan parameter,. Kemudan dberkan varabel random sebaga, berkut: Y Y Varabel random Y dan Y secara bersama-sama berdstrbus bvarat posson dengan fungs probabltas bersamana berbentuk sepert pada persamaan berkut n e f (,, ( k k k mn(, (,,,,,... ( k ( k! ( k! k! ang lan E. Regres Unvarat Posson Regres Posson merupakan regres ang mengacu pada penggunaan data count berdstrbus posson. Regres posson menggambarkan adana hubungan antara varabel respon (Y ang berdstrbus posson dengan satu atau lebh varabel predktor ( [8]. erkut n dsakan model regres posson [9]: Posson ( ~ e ( Dengan λ = nla rata-rata umlah keadan ang terad dalam nterval waktu tertentu. x = varabel predktor ang dnotaskan sebaga berkut: x T x x x k β = parameter regres posson ang dnotaskan sebaga berkut: T x T k Penaksran parameter model regres posson dlakukan menggunakan metode Maxmum Lkelhood Estmaton (MLE, atu dengan memaksmumkan nla fungs lkelhood-na. Metode n dgunakan apabla dstrbus data dketahu. Fungs ln lkelhood dar dstrbus posson dtulskan sepert pada persamaan ( berkut []. n exp( L ( (! Untuk memaksmumkan fungs ln lkelhood, maka dgunakan metode teras numerk Newton Raphson. Penguan parameter model regres posson dlakukan dengan metode Maxmum Lkelhood Rato Test (MLRT dengan hpotess: H : β = β =... = β k = H : palng sedkt ada satu β, dengan =,,..., k L ( D ( ln ( L ( β ( Apabla ddapatkan hasl D ( β (, v maka tolak H sehngga langkah selanutna ang dlakukan adalah penguan parameter secara parsal Hpotess ang dgunakan adalah: H : β = H : β Statst u ang dgunakan adalah ht ( SE ( Daerah Krts tolak H ka ht (, α adalah tngkat / sgnfkan ang dgunakan. F. Regres varat Posson varate Posson Regresson (PR adalah metode ang dgunakan untuk memodelkan sepasang count data ang berdstrbus posson dan memlk korelas dengan beberapa varabel predctor []. Model regres bvarat posson adalah sepert pada persamaan ( berkut []. ( Y, Y ~ P (,, e T ;, ( Pada regres bvarat posson terdapat tga buah model dengan nla λ ang berbeda, atu:. Model dengan nla λ ang merupakan suatu konstanta.. Model dengan nla λ ang merupakan fungs dar varabel bebas, sehngga persamaanna adalah sebaga berkut: exp( x x (8 k k. Model dengan nla λ adalah nol dmana tdak terdapat kovaran dar kedua buah varabel tersebut. Estmas parameter untuk varate Posson Regresson adalah dengan menggunakan metode Maxmum Lkelhood Estmaton (MLE Fungs lkelhood dapat dtuls sepert pada persamaan (9 []. L,, n e mn(, (9 k k! k! k! Sama dengan regres unvarat posson, untuk memaksmumkan fungs ln lkelhood, maka dgunakan metode teras numerk Newton Raphson. Penguan parameter model regres posson dlakukan dengan metode Maxmum Lkelhood Rato Test (MLRT. Hpotess ang k k k

3 JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 dberkan dalam penguan parameter bvarate posson regresson adalah sebaga berkut: H : β = β =...= β k = H : Palng sedkt ada satu β l, dengan =, ; l=,,.., k Persamaan penguanna dnotaskan sepert pada persamaan (. L D β ln ln ( L D ( merupakan devans model regres bvarat posson dengan menggunakan pendekatan dar dstrbus Ch-Square dengan deraat bebas v, sehngga krtera penguanna adalah tolak H apabla D ( (, v. Apabla H dtolak maka langkah berkutna adalah melakukan penguan parameter secara parsal. Hpotess ang dgunakan adalah: H : β l = H : β l, dengan =, ; l =,,..., k Statstk u ang dgunakan adalah sepert pada persamaan (. ht ( SE ( H dtolak apabla nla dar ht lebh besar dar nla (α/ dmana α adalah sgnfkans ang dgunakan. G. Estmas Standard Error ootstrap Metode bootstrap dgunakan ka pada proses estmas tersebut nla parameterna ang dcar sangat sult untuk mencapa nla ang konvergen []. Estmas standar error ang dgunakan adalah sebaga berkut. Dmana: se ( ( b (. ( b se ( = banak replkas bootstrap untuk estmas standar error (antara - = nla estmas standar error bootstrap (. = nla rata-rata hasl estmas parameter ang ddefnskan dengan: ( b b (. ( ( b = nla estmas parameter bootstrap ke-b, untuk b =,,.., H. Krtera Kebakan Model Akake Informaton Crteron (AIC adalah krtera kesesuaan model dalam mengestmas model secara statstk. Nla AIC bergantung dengan nla devans dar model. Nla AIC drumuskan sebaga berkut: AIC ln L ( k ( Apabla nla AIC semakn kecl maka model ang dhaslkan akan menad semakn bak. I. U Korelas dan Multkolneartas Koefsen korelas merupakan ndkator dalam hubungan lnear antara varabel []. koefsen korelas untuk Y dan Y adalah sepert ang dtulskan pada persamaan ( []. Cov ( Y, Y Y ( Y var( Y var( Y Penguan korelas untuk varabel respon dlakukan dengan hpotess sebaga berkut: H : Tdak ada hubungan antara Y dan Y H : Terdapat hubungan antara Y dan Y Statstk U: t ht r n ( ( r Daerah krts tolak H adalah ka t ht > t (α/,n-. Multkolneartas adalah hubungan lnear ang terad dantara beberapa atau semua varabel penelas. Untuk mendeteks adana multkolneartas maka dgunakan u VIF. Apabla terdapat nla VIF (Varance Inflaton Factor maka menandakan adana korelas antar varabel ndependen. J. Kematan Ibu dan a Kematan bu adalah kematan perempuan pada saat haml atau kematan dalam kurun waktu har seak termnas kehamlan tanpa memandang lamana kehamlan atau tempat persalnan, akn kematan ang dsebabkan karena kehamlanna atau pengelolaanna, tetap bukan karena sebab-sebab lan sepert kecelakaan dan teratuh []. Untuk membantu pencapaan tuuan MDGs ke dan maka WHO mengembangkan konsep Four Pllars of Safe Motherhood untuk menggambarkan ruang lngkup upaa penelamatan bu dan ba. Kematan ba adalah kematan ang terad saat antara ba setelah dlahrkan sampa ba belum mencapa usa tepat tahun []. Secara gars besar dar ss penebabna, kematan ba terdr dar dua macam atu endogen dan eksogen. Kematan ba endogen atau kematan neonatal adalah kematan ba ang terad pada bulan pertama setelah dlahrkan dan pada umumna dsebabkan oleh faktor-faktor ang dbawah anak seak lahr dan dperoleh dar orang tuana pada saat konseps atau masa kehamlan. Kematan ba eksogen atau post neonatal adalah kematan ba ang terad setelah usa satu bulan sampa menelang usa satu tahun ang dsebabkan oleh faktor-faktor ang bertalan dengan pengaruh lngkungan luar. A. Sumber Data III. METODOLOGI PENELITIAN Data ang dgunakan dalam peneltan n merupakan data sekunder. Data berasal dar Profl Kesehatan Propns Jawa Tmur ang dpublkaskan oleh Dnas Kesehatan Jawa Tmur, dengan unt peneltan adalah kabupaten/kota d Jawa Tmur. Jumlah pengamatan adalah sebanak 8 kabupaten/kota ang terdr dar 9 kabupaten dan 9 kota.. Varabel Peneltan Varabel peneltan ang dgunakan dalam peneltan n terdr dar dua varabel respon (Y atu umlah kasus kematan bu dan umlah kasus kematan ba. Sedangkan varabel predktor ( dplh sebanak varabel berdasarkan ndkator program KIA dan Four Pllars of Safe Motherhood. erkut n dsakan Tabel ang bers varabel peneltan ang dgunakan.

4 JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-9 Kode Y Y Tabel. Varabel Peneltan Varabel Jumlah kasus kematan bu Jumlah kasus kematan ba Presentase tenaga kesehatan Persentase persalnan oleh tenaga kesehatan Tpe Varabel Dskrt Dskrt Kontnu Kontnu Persentase bu haml melaksanakan program K Kontnu Persentase rumah tangga ber-phs Kontnu Persentase bu haml mendapat tablet Fe Kontnu Persentase wanta berstatus kawn dbawah usa tahun Kontnu Persentase peserta K aktf Kontnu Struktur data untuk varabel peneltan n dtunukkan pada Tabel. Tabel. Struktur Data Peneltan Wlaah Y Y Y. Y..... Y. Y..... Y. Y Y.8 Y C. Langkah Analss. Membuat analsa deskrptf terhadap varabel respon dan varabel predktor.. Mengu korelas untuk varabel respon.. Mendeteks kasus multkolneartas dar varabel predktor dengan menggunakan krtera u VIF.. Mengestmas parameter model bvarate posson regresson dengan menggunakan Maxmum Lkelhood Estmaton (MLE dan selanutna mencar nla standard error dengan menggunakan metode bootstrap.. Melakukan penguan sgnfkans parameter untuk bvarate posson regresson.. Menentukan model terbak untuk bvarate posson regresson. Melakukan nterpretas model bvarate posson regresson ang ddapatkan 8. Membuat kesmpulan dar hasl analss. IV. HASIL DAN PEMAHASAN A. Statstka Deskrptf Varabel respon ang dgunakan dalam peneltan n adalah umlah kematan bu (Y dan umlah kematan ba (Y. erkut n dsakan Tabel ang bers gambaran secara deskrptf dar dua varabel respon tersebut d Provns Jawa Tmur tahun. Tabel. Statstka Deskrptf Varabel Respon Varabel Mean Varans Mnmum Maksmum Y,,,, Y, 98,,, erdasarkan Tabel, Gambar, dan Gambar dapat dperoleh nformas bahwa pada tahun rata-rata umlah kematan bu d Provns Jawa Tmur adalah mencapa umlah kematan dengan kasus kematan terbanak berumlah kematan d Kota Surabaa dan kasus kematan ang palng sedkt berumlah kematan d Kota Mookerto dan Kota Pasuruan. Jumlah kematan ba d Jawa Tmur memlk rata-rata kematan sebanak kemata. Kasus kematan ba terbanak atu mencapa kematan d Kabupaten Jember, sedangkan kasus kematan ba palng sedkt atu terad dkota Mookerto dengan umlah kematan ba sebanak kematan. Gambar. Peta Persebaran Jumlah Kasus Kematan Ibu d Provns Jawa Tmur Tahun Gambar. Peta Persebaran Jumlah Kasus Kematan a d Provns Jawa Tmur Tahun erkut n uga dsakan Tabel ang bers gambaran secara deskrptf dar varabel predktor ang dgunakan. Tabel. Statstka Deskrptf Varabel Predktor Varabel Mean Varans Mnmum Maksmum,8,,, 88,,, 98,98 8,,,, 8,9 8,, 8,9,,,8,,,,, 98, erdasarkan Tabel dlhat bahwa pada tahun d provns Jawa Tmur, persentase tenaga kesehatan terhadap umlah penduduk ( palng tngg adalah d Kota Mookerto atu sebesar, persen. Sedangkan persentase tenaga kesehatan palng rendah atu berada d Kabupaten Mookerto dengan persentase sebesar, persen. Persentase persalnan oleh tenaga kesehatan terhadap umlah penduduk ang ada pada masng-masng kabupaten/kota ( memlk varans sebesar, artna perbedaan pencapaan persentase persalnan oleh tenaga kesehatan d masng-masng kabupaten/kota cukup rendah. Untuk kabupaten/kota ang memlk tngkat persentase persalnan oleh tenaga kesehatan tertngg adalah Kabupaten angkalan dengan tngkat persentase persalnan oleh tenaga kesehatan sebesar 98,98 persen terhadap umlah penduduk ang ada, sedangkan kabupaten/kota ang memlk tngkat persentase persalnan oleh tenaga kesehatan terendah adalah

5 JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-98 Kota Surabaa dengan tngkat persentase sebesar, persen terhadap umlah penduduk ang ada.. Pemerksaan Korelas Varabel Respon Untuk melhat korelas antar varabel respon dapat dlhat dar deraat keeratan hubungan antar varabel respon. Dengan melakukan penguan hpotess sebaga berkut: H : Tdak ada hubungan antara Y dan Y H : Terdapat hubungan antara Y dan Y erdasarkan nla p-value sebesar, dengan tngkat kepercaaan sebesar 9% dapat dnatakan bahwa H dtolak ang artna terdapat hubungan ang sgnfkan antara Y dan Y. Tabel Koefsen Korelas Varabel Respon Jumlah Kematan Ibu Jumlah Kematan a Jumlah Kematan Ibu,89 Jumlah Kematan a,89 erdasarkan Tabel dapat dlhat bahwa nla deraat keeratan hubungan antara varabel umlah kematan bu dan umlah kematan ba adalah bernla,89, hal n menunukkan bahwa terdapat hubungan ang erat antara umlah kematan bu dan umlah kematan ba. C. Pemerksaan Multkolneartas Pada Varabel Predktor Terdapat cara untuk mengetahu adana multkolneartas pada varabel predktor ang dgunakan, atu dengan melhat nla koefsen korelas antar varabel predktor dan nla Varance Inflaton Factor (VIF pada masng-masng varabel predktor. Tabel. Nla Koefsen Korelas Antar varabel Predktor -,9 -,,, -,, -,,9,, -,,, -, -,9 -, -,9 -,9, -, -,8 Tabel menunukkan bahwa tdak terdapat nla koefsen korelas antar varabel predktor ang melebh nla ±,9 sehngga dapat dkatakan bahwa pada varabel predktor ang dgunakan tdak memlk adana korelas antar varabel ang bersfat multkolneartas. Selanutna dlhat nla VIF ang dmlk oleh masngmasng varabel predktor. Tabel menelaskan bahwa nla VIF ang dmlk pada tap-tap varabel predktor tdak ada ang memlk nla melebh angka, artna tdak terdapat kasus multkolneartas sehngga dapat berlanut pada estmas parameter model bvarate posson regresson. Tabel. Nla VIF Varabel Predktor Varabel Nla VIF,,,8,,,,9 D. Pemodelan Regres varat Posson Pada pemodelan kal n akan dlakukan pemodelan dengan nla λ adalah merupakan fungs dar varabel bebas. Terlebh dahulu dlakukan penguan serentak parameter model bvarate posson regresson (PR dengan melhat nla devans D ( β =,8 > htung (, ; =, maka tolak H, sehngga dkatakan palng sedkt ada satu parameter ang tdak sgnfkan dalam model. Selanutna dlakukan penguan parsal parameter model varate Posson regresson dan ddapatkan hasl sepert pada Tabel 8 dan Tabel 9 berkut n Tabel 8. Estmas Parameter Model PR pada Kematan Ibu dan Kematan a Kematan Ibu (λ Kematan a (λ Par Estmas SE Estmas SE Htung Htung,8,,,,8,99 -,, -, -,, -,98 -,. -, -,, -, -,, -, -,, -,88 -,, -,,,,,,,,,,,9,,,,,9,,,,8,, Sgnfkan dengan taraf sgnfkans % erdasarkan Tabel 8 dtunukkan bahwa model umlah kematan bu ( λ memlk nla htung kurang dar (α/ =,9 untuk semua varabel predktorna sehngga dapat delaskan bahwa semua varabel predktor tdak berpengaruh sgnfkan terhadap varabel respon. Sedangkan untuk model umlah kematan ba (λ seluruh varabel predktor ang dgunakan telah berpengaruh sgnfkan terhadap model karena memlk nla htung > (α/ =,9. Par Tabel 9. Estmas Parameter Model PR Pada λ Persamaan λ persamaan Estmas SE Htung,999,9,98 -,,89 -,9 -,8,8 -,,,,9,,,,,8,8 -,, -, -,, -,8 Sgnfkan dengan taraf sgnfkans % erdasarkan Tabel 9 dapat dkatakan bahwa pada model λ hana varabel tenaga kesehatan ( memlk pengaruh sgnfkan terhadap varabel respon karena memlk nla htung > (α/ =,9. Sehngga dapat dartkan bahwa varabel persentase tenaga kesehatan berpengaruh sgnfkan pada varabel umlah kematan bu dan umlah kematan ba. Model ang ddapatkan dar hasl penaksran parameter regres bvarat posson ang tersa pada Tabel 8 dan Tabel 9 dapat dperlhatkan dar persamaan berkut. exp(,8, x, x, x,9 x exp(,, x, x, x, x, x,8 x, x, x, x, x

6 JURNAL SAINS DAN SENI POMITS Vol., No., ( ISSN: -9 (-9 Prnt D-99 exp(,999, x, x, x,8 x, x, x, x erdasarkan hasl pemodelan tersebut maka pada model kematan bu (λ, setap penambahan % umlah tenaga kesehatan maka rata-rata umlah kasus kematan bu akan menurun sebesar exp(-,=,8 dar rata-rata umlah kasus kematan bu semula apabla varabel lan tdak dlbatkan dalam model. Pada model kematan ba (λ, akan terad penurunan rata-rata umlah kasus kematan ba sebesar exp(-,=,8 kal dar rata-rata umlah kematan ba semula, apabla umlah tenaga kesehatan mengalam penambahan % dan varabel lan tdak dkutsertakan dalam model. E. Krtera Kebakan Model Model bvarat posson ang ddapatkan tersebut memlk nla AIC sebesar 9,8. Nla AIC tersebut mash dkatakan besar karena pada kasus n asums untuk dstrbus posson bahwa nla mean sama dengan nla varan tdak terpenuh atau dalam kata lan mash terad kasus nla varan lebh besar dar pada nla mean (overdspers sehngga error model ang dberkan mash cukup besar. V. KESIMPULAN DAN SARAN Kesmpulan ang dapat dambl dar analss penetan n adalah pada tahun d Provns Jawa Tmur, rata-rata umlah kasus kematan bu adalah mencapa kematan dengan kasus kematan terbanak berumlah kematan bu atu d Kota Surabaa dan kasus kematan bu ang palng sedkt atu satu kematan d Kota Mookerto dan Kota Pasuruan. Sedangkan rata-rata kematan ba d Provns Jawa Tmur mencapa kematan dengan kasus kematan ba terbanak atu mencapa kematan d Kabupaten Jember, sedangkan kasus kematan ba palng sedkt atu terad dkota Mookerto dengan umlah kematan ba sebanak kematan. Varabel predktor ang sgnfkan mempengaruh umlah kematan bu (λ +λ adalah varabel persentase tenaga kesehatan, sedangkan pada umlah kematan ba (λ +λ varabel-varabel ang berpengaruh sgnfkan adalah persentase tenaga kesehatan, persentase persalnan oleh tenaga kesehatan, persentase bu haml melaksanakan program K, persentase rumah tangga ber-phs, persentase bu haml mendapatkan tablet Fe, persentase wanta berstatus kawn dbawah tahun, dan persentase peserta K aktf. Model bvarat posson ang dhaslkan memlk nla AIC ang mash besar atu 9,8 sehngga menebabkan error model ang dberkan mash cukup besar. Dalam upaa menurunkan umlah kematan bu dan umlah kematan ba, maka phak Dnas Kesehatan Provns Jawa Tmur sebakna lebh menekankan untuk menambah umlah tenaga kesehatan ang lebh berkualtas. Untuk peneltan selanutna tentang bvarate posson regresson, sebakna penelt melakukan penanganan terhadap adana kasus overdspers, sehngga model ang dberkan akan semakn bak. Selan tu sebakna penelt menambahkan faktor-faktor lan penebab kematan bu dan kematan ba. UCAPAN TERIMA KASIH Pertama, penuls ngn mengucapkan terma kash kepada peneda data peneltan atu Dnas Kesehatan Provns Jawa Tmur. Kedua, penuls uga mengucapkan terma kash kepada revewer ang telah memberkan krtkan dan masukan ang membangun bag perbakan urnal n dan kepada phak Jurusan Statstka ITS serta dosen pembmbng atu Dr. Purhad, M.Sc ang telah banak memberkan bantuan dan dukungan selama proses pengeraan urnal n. DAFTAR PUSTAKA [] The World Health Report, World Health Organzaton, WHO: Geneva (. [] adan Pusat Statstka Provns Jawa Tmur, and Pemerntah Daerah Provns Jawa Tmur, Indkator Ekonom dan Sosal Jawa Tmur Tahun. adan Pusat Statstka Provns Jawa Tmur: Surabaa (. [] MDG: Health And The Mllennum Development Goals, World Health Organzaton, WHO: Geneva (. [] E. Prtasar, Regres varat Posson Dalam Pemodelan umlah Kematan a Dan Jumlah Kematan Ibu d Provns Jawa Tmur, Tugas Akhr Program Sarana Jurusan Statstka, Insttut Teknolog Sepuluh Nopember, Surabaa (. [] D. Karls and I. Ntzoufras, varate Posson and Dagonal Inflated varate Posson Regresson Models n R, Journal of Statstcal Software, Vol. / ( -. [] N. T. Ratnasar, Pemodelan Faktor Yang Mempengaruh Jumlah HIV Dan AIDS d Provns Jawa Tmur Menggunakan Regres Posson varat, Tugas Akhr Program Sarana Jurusan Statstka, Insttut Teknolog Sepuluh Nopember, Surabaa (. [] A. M. Mood, I. Grabll, and D. oes, Introducton To The Theor Of Statstcs. New York: McGraw-Hll (9. [8] A. Agrest, Categorcal Data Analss. New York: John Wle & Sons, Inc (99. [9] R. H. Mers, Classcal and Modern Regresson wth Applcatons Second Edton. oston : PWS-KENT Publshng Compan (99. [] A. C. Cameron and P. K Trved, Regresson Analss of Count Data, New York: Cambrdge Unverst Press (998. [] (Journal Onlne Sources stle. D. Karls, Multvarate Posson Models. Avalable: [] R. Wnkelmann, Economc Analss of Count Data, ffth edton. erln: Sprnger (8. [] N. Draper and H. Smth, Analss Regres Terapan. Jakarta: Grameda (99. [] K. Kawamura, The Structure of varate Posson Dstrbuton,. Koda Mathematcal Semnar Reports, Vol. / (9 -.

Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013

Analisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013 JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prnt) Analss Faktor Rsko Kematan Ibu dan Kematan Bay dengan Pendekatan Regres Posson Bvarat d Provns Jawa mur ahun 03 D39 Ind Arkand dan Wwek

Lebih terperinci

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc. PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007

PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007 PEMODELAN GENERALIZED REGRESI POISSON PADA FAKOR-FAKOR YANG MEMPENGARUHI ANGKA KEMAIAN BAYI DI PROVINSI JAWA IMUR AHUN 007 Yayuk Lstan 1 dan Purhad 1 Mahasswa S1 Statstka IS, Dosen statstka IS 1 yayuk.yangce@gmal.com,

Lebih terperinci

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF

ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF Template Artkel Prosdng Sendka 017 ANALISIS PENGARUH IKLIM TERHADAP DEMAM BERDARAH (DBD) DI KABUPATEN SLEMAN MENGGUNAKAN REGRESI POISSON DAN REGRESI BINOMIAL NEGATIF Ummu Ftryan 1), Jaka Nugraha ) 1 Departemen

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION

PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION TUGAS AKHIR SS 4556 PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION Vresa Endra Marta NRP 34 030 063 Dosen Pembmbng :

Lebih terperinci

Rahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson.

Rahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson. Jurnal Sans Matematka dan Statstka, Vol. No. Jul 16 ISSN 46-454 Perbandngan Model Regres Generalzed Posson Dan Bnomal Negatf Untuk Mengatas Overdspers Pada Regres Posson (Stud Kasus: Penderta Flarass d

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan

Lebih terperinci

Analysis of Covariance (ANACOVA)

Analysis of Covariance (ANACOVA) Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada

Lebih terperinci

JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di: JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 361-368 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan APLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARAH DENGUE

ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARAH DENGUE Statstka, Vol., No., November ANALISIS REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION REGRESI POISSON PADA KASUS DEMAM BERDARA DENGUE Tan Wahyu Utam Program Stud Statstka, Fakultas Matematka dan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PUTUS SEKOLAH DI PROVINSI JAWA TIMUR MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION

FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PUTUS SEKOLAH DI PROVINSI JAWA TIMUR MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION TUGAS AKHIR SS 4556 FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PUTUS SEKOLAH DI PROVINSI JAWA TIMUR MENGGUNAKAN METODE GENERALIZED POISSON REGRESSION Tlawatul Qur an Rfa NRP 34 030 5 Dosen Pembmbng Ir. Mutah

Lebih terperinci

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

ANALISIS KOVARIANSI part 2

ANALISIS KOVARIANSI part 2 ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

Pemodelan Pengaruh Iklim Terhadap Angka Kejadian Demam Berdarah Dengue di Surabaya

Pemodelan Pengaruh Iklim Terhadap Angka Kejadian Demam Berdarah Dengue di Surabaya JURNAL SAINS DAN SENI IS Vol., (Sept, 0 ISSN: 30-98X D-9 Pemodelan Pengaruh Iklm erhadap Angka Kejadan Demam Berdarah Dengue d Surabaya Dan Rahayu K., Wwek Setya Wnahju, Adatul Mukarromah Jurusan Statstka,

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity

METODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity 37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

Matematika dan Statistika

Matematika dan Statistika ISSN 4-6669 Volume, Jun MAJALAH ILMIAH Matematka dan Statstka DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Maalah Ilmah Matematka dan Statstka Volume, Jun MODEL UNTUK DATA BERDISTRIBUSI

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons

Lebih terperinci

Bab 4. ANACOVA Analysis Of Covariance

Bab 4. ANACOVA Analysis Of Covariance Bab 4 ANACOVA Analss Of Covarance ANAVA vs ANREG ANAVA?? dgunakan untuk mengu perbandngan varabel tergantung () dtnau dar varabel bebas ANREG?? Dgunakan untuk mempredks varabel tergantung () melalu varabel

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)

Pemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR) JURNAL SAINS DAN SENI IS Vol., No., () (98X Prnt) D9 Pemodelan Jumlah Kasus Penyakt etanus Neonatorum d Jawa mur ahun dengan Geographcally Weghted ZeroInflated Posson Regresson (GWZIPR) Rath Kumala Puspa

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan

Lebih terperinci

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini

ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan

BAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan 35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan

Lebih terperinci

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,

BAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen, BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap

Lebih terperinci

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Pengeluaran Rumah Tangga untuk Konsumsi Susu di Jawa Timur dengan Menggunakan Regresi Tobit

Analisis Faktor-Faktor yang Mempengaruhi Pengeluaran Rumah Tangga untuk Konsumsi Susu di Jawa Timur dengan Menggunakan Regresi Tobit Analss Faktor-Faktor ang Mempengaruh Pengeluaran Rumah angga untuk Konsums Susu d Jawa mur dengan Menggunakan Regres obt Au Ftran, Dr. Purhad, M.Sc Mahasswa Statstka FMIPA- IS, Dosen Statstka FMIPA-IS

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

Seemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar

Seemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar Vol. 3, o., -5, Jul 6 Seemngl Unrelated Regresson Penderta Penakt DBD RS. Wahdn Sudrohusodo Dan RS. Stella ars akassar A n s a Abstrak Hubungan antar varabel adalah salah satu hal ang selalu menark dalam

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci

A. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA

A. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA 009 T u g a s a p l k a s S t a t s t k P a g e 1 A. Soal 1 yg dkerjakan seharan tad ttg regres tunggal MENGHITUNG REGRESI LINEAR SEDERHANA Persamaan umum regres lnear sederhana adalah : Ŷ = a + bx Contoh

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON

BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 2009 BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro

Lebih terperinci

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER

PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

Lebih terperinci

PEMODELAN VARIABEL-VARIABEL PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI TELUR ATAU SUSU DI KABUPATEN MAGELANG MENGGUNAKAN REGRESI TOBIT

PEMODELAN VARIABEL-VARIABEL PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI TELUR ATAU SUSU DI KABUPATEN MAGELANG MENGGUNAKAN REGRESI TOBIT ISSN: 339-54 JURNA GAUSSIAN, Volume 4, Nomor 4, Tahun 5, Halaman 65-76 One d: http://ejournal-s.undp.ac.d/nde.php/gaussan PEMODEAN VARIABE-VARIABE PENGEUARAN RUMAH TANGGA UNTUK KONSUMSI TEUR ATAU SUSU

Lebih terperinci

Regresi Linear Sederhana dan Korelasi

Regresi Linear Sederhana dan Korelasi Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar

Lebih terperinci

OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL

OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta

Lebih terperinci

Perbandingan Fase Bulan dan Jarak Bulan ke Bumi Pada Kejadian Erupsi Gunung Berapi di Indonesia dengan Menggunakan Uji Kruskal Wallis

Perbandingan Fase Bulan dan Jarak Bulan ke Bumi Pada Kejadian Erupsi Gunung Berapi di Indonesia dengan Menggunakan Uji Kruskal Wallis PROSIDING SNIPS 016 Perbandngan Fase Bulan dan Jarak Bulan ke Bum Pada Keadan Erups Gunung Berap d Indonesa dengan Menggunakan U Kruskal Walls Dwma Rndy Atka 1a dan RB. Farya Hakm b Departement of Statstcs

Lebih terperinci