BAB III METODOLOGI PENELITIAN. Data yang digunakan pada penelitian ini berupa data sekunder yang

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III METODOLOGI PENELITIAN. Data yang digunakan pada penelitian ini berupa data sekunder yang"

Transkripsi

1 BAB III METODOLOGI PENELITIAN 31 Jes a Sumber Data Data yag guaka aa eelta berua ata sekuer yag bersumber ar ublkas-ublkas BPS, yatu Data Prouk Domestk Regoal Bruto (PDRB) Provs Jawa Tmur Tahu , Data PDRB Kabuate/Kota se-jawa Tmur Tahu 010, Jawa Tmur Dalam Agka 011, Statstk Potes Desa Provs Jawa Tmur Tahu 008, Data Makro Ekoom a Sosal Provs Jawa Tmur Tahu a Hasl Surve Sosal Ekoom Nasoal Provs Jawa Tmur Tahu Metoe Aalss Metoe aalss yag guaka alam eelta aalah aalss ata ega bayak eubah (Multvarate), yatu Aalss Komoe Utama yag ragka ega Aalss Faktor Tujua keua aalss aalah utuk mereuks bayakya mes eubah yag salg berkorelas meja suatu set kombas ler baru yag tak salg berkorelas aka teta mash memertahaka sebaga besar keragama ata asl (orgal varable) Selajutya, sesua ega salah satu tujua eelta, kabuate/kota yag aa Provs Jawa Tmur klasfkaska berasarka kerja embaguaya Utuk tu, guaka Aalss Cluster Keseluruha roses aalss lakuka ega batua rogram SPSS 19

2 30 31 Aalss Komoe Utama Aalss Komoe Utama (AKU) guaka utuk megetahu aakah eelta layak utuk aalss lebh lajut alam hal Aalss Faktor, lhat ar la Kaser Meyer Olk (KMO) a uj Bartlett Aalss Komoe Utama (AKU) atau Prcal Comoet Aalyss (PCA) aalah suatu tekk meyusutka (reuks) ata maa tujua utamaya utuk megurag bayakya mes eubah yag salg berkorelas meja eubah-eubah baru {sebut Komoe Utama (KU)} yag tak berkorelas ega memertahaka sebayak mugk keragama alam hmua ata tersebut Artya ega mes yag lebh kecl haraka lebh muah melakuka eafsra atau terretas taa kehlaga bayak formas tetag ata Bayakya KU (eubah baru) yag terbetuk haraka semmal mugk, aka teta mamu meeragka keragama total yag maksmal Secara aljabar ler, komoe utama meruaka kombas-kombas ler a eubah acak X 1, X, X 3, X 4,, X Secara geometrs kombas ler meruaka sstem koorat baru yag aat ar rotas sstem semula ega X 1, X, X 3,, X sebaga sumbu koorat Sumbu baru tersebut meruaka arah ega varabltas maksmum a memberka kovaras yag lebh seerhaa Sebaga catata, alam Aalss Komoe Utama, asums oulas megkut strbus Normal Multvarate tak erluka Komoe utama yag betuk meruaka kombas lear ar eubaheubah asl, maa koefseya aalah vektor cr (ege vector) Vektor cr haslka ar akar cr (ege value) matrks kovara atau matrks korelas

3 31 Pegguaa matrks kovara atau matrks korelas tergatug ar kesamaa satua eubah-eubah yag aalss Aabla satuaya sama guaka matrks kovara, seag bla tak sama guaka matrks korelas Bla komoe utama turuka ar oulas ormal multvarate ega raom vektor ' X X a vektor mea μ ' 1,,, 1, X,, X P a matrks kovaras Σ ega akar cr (ege value) yatu 1 0 aat kombas ler komoe utama aalah: Y Y 1 ' e X 1 ' e X e 1 X e X e X e X e X e X 1 1 Y e X e X e X e X ' 1 1 (1) Y Maka: Vara e' e () Kovara Y,Yk e' ek, k = 1,,, (3) Syarat utuk membetuk komoe utama yag meruaka kombas lear ar eubah X agar memuya vara maksmum aalah ega memlh vektor cr (ege vector) yatu e e e ' Y e' ek maksmum a e' 1 e e seemka hgga vara 1,,, Komoe utama ertama aalah kombas lear e' 1 X memaksmumka var e' 1 X ega syarat e e 1 ' 1 1 yag

4 3 Komoe utama keua aalah kombas ler e' X yag memaksmumka var ( e' X) ega syarat e e 1 Komoe utama ke- aalah kombas ler var ( e' X) ega syarat ' 1 e ' e a kov e' X, e' X 0 e' X yag memaksmumka k utuk k < Atar komoe utama tersebut tak berkorelas a memuya varas yag sama ega akar cr ar Σ Akar cr ar matrks ragam eragam Σ meruaka vara ar komoe utama Y, sehgga matrks ragam eragam ar Y aalah: 1 0 Σ Total keragama eubah asal aka sama ega total keragama yag teragka oleh komoe utama yatu: j1 trσ vary 1 var X (4) j1 Peyusuta mes ar eubah asal lakuka ega megambl sejumlah kecl komoe yag mamu meeragka baga terbesar keragama ata Aabla komoe utama yag ambl sebayak q komoe, maa q <, maka roors ar keragama total yag bsa teragka oleh komoe utama ke- aalah: q 1 j1 j q 100% 100%, j 1,,3,, q atau (5)

5 33 Peurua komoe utama ar matrks korelas lakuka aabla ata suah terlebh ahulu trasformaska kealam betuk baku Z Trasformas lakuka terhaa ata yag satua egamataya tak sama Bla eubah yag amat ukuraya aa skala ega erbeaa yag sagat lebar atau satua ukuraya tak sama, maka eubah tersebut erlu bakuka (staarze) Peubah baku (Z) aat ar trasformas terhaa eubah asal alam matrks berkut: Z 1/ 1 V X μ (6) V 1/ aalah matrks smaga baku ega usur agoal utama aalah 1/ seagka usur laya aalah ol Nla haraa E (Z) = 0 a keragamaya 1 1 1/ 1/ aalah (Z) V V ρ Cov (7) Dega emka komoe utama ar Z aat tetuka ar vektor cr yag aat melalu matrks korelas eubah asal ρ Utuk mecar akar cr a meetuka vektor embobotya sama seert aa matrks Σ Semetara teras matrks korelas ρ aka sama ega jumlah eubah yag aka Peetaa bayakya KU utuk aat tafsrka ega bak aat lhat ar: 1 Proors keragama kumulatf ar KU Meurut Morrso (1990), bayakya KU yag lh suah cuku memaa aabla KU tersebut memuya ersetase keragama kumulatf tak kurag ar 75% ar total keragama ata Seagka Johso a Wcher (00) megsyaratka bahwa KU ega kos ersetase keragama

6 34 kumulatf sebesar 80-90%, aat meggambarka ata asalya Keragama total KU: Var (Y ) = Nla ar akar cr = (8) 1 Pemlha komoe utama yag guaka, asarka aa la akar crya Meurut Kaser (alam Ekara, 004), emlha KU berasarka eekata akar cr yag laya 1 AKU sergkal sajka alam taha ertegaha alam eelta yag lebh besar KU bsa meruaka masuka aa Aalss Faktor atau Aalss Cluster KU terlh selajutya guaka sebaga embetuk eubah alam Aalss Faktor Lagkah selajutya aalah melakuka eguja terhaa matrks korelas ar ata yag meja objek egamata Matrks korelas guaka utuk melhat keerata hubuga atara eubah yag satu ega eubah yag la Aa ua macam eguja yag aat lakuka terhaa matrks korelas, yatu: o Uj Bartlett Peguja lakuka utuk melhat aakah matrk korelasya buka meruaka suatu matrk ettas, jka matrk korelasya meruaka matrk ettas, maka tak aa korelas atareubah yag guaka Uj aka bla sebaga besar ar koefse korelas kurag ar 0,5 Lagkah-lagkahya aalah:

7 35 1 Hotess H o : Matrks korelas meruaka matrks ettas H 1 : Matrks korelas buka meruaka matrks ettas Statstk uj N 1 5 l R 6 (9) N = Jumlah observas = Jumlah eubah R = Determa ar matrks korelas 3 Keutusa Uj Bartlett aka meolak H 0 jka la obs, 1 / (10) o Uj Kaser Meyer Olk (KMO) Uj KMO guaka utuk megetahu aakah metoe earka samel yag guaka memeuh syarat atau tak Dsamg tu, uj KMO alam Aalss Faktor bergua utuk megetahu aakah ata yag guaka aat aalss lebh lajut atau tak ega Aalss Faktor Rumusa uj KMO aalah j KMO r j a r j j j j ; = 1,,, ; j = 1,,, (11) maa: r j = Koefsse korelas seerhaa atara eubah a j a j = Koefse korelas arsal atara eubah a j Aau elaa uj KMO ar matrk atareubah aalah sebaga berkut: 0,90<KMO<1,00 ; ata sagat bak utuk aalss faktor

8 36 0,80<KMO<0,90 ; ata bak utuk aalss faktor 0,70<KMO<0,80 ; ata agak bak utuk aalss faktor 0,60<KMO<0,70 ; ata lebh ar cuku utuk aalss faktor 0,50<KMO<0,60 ; ata cuku utuk aalss faktor KMO<0,50 ; ata tak layak utuk uj lebh lajut ega aalss faktor 3 Aalss Faktor Aalss faktor aalah suatu aalss ata utuk megetahu faktor-faktor yag oma alam mejelaska suatu masalah Meurut Johso a Wcher (00) yag maksu ega aalss faktor aalah: 1 Pegembaga ar AKU yag lebh tererc a telt Megecek kosstes ata terhaa struktur eubah Seagka keguaa ar Aalss Faktor (Surato, 004) aalah: 1 Utuk megetfkas mes yag measar (uerlyg mesos) atau faktor, yag mejelaska korelas atara suatu set varabel Utuk megetfkas suatu set varabel baru yag tak berkorelas (eeet) yag lebh sekt utuk meggatka suatu set varabel asl yag salg berkorelas 3 Utuk megetfkas suatu set varabel yag etg ar suatu set varabel yag bayak Aalss Faktor aa asarya bertujua utuk meaatka sejumlah kecl faktor/komoe utama yag memlk sfat berkut (Ekara, 004): 1 Mamu meeragka semaksmum mugk keragama ata

9 37 Teraatya kebebasa atarfaktor 3 Ta faktor aat terretaska sejelas-jelasya Perbeaa atara Aalss Faktor a Aalss Komoe Utama aalah: 1 Paa Aalss Komoe Utama, tujuaya aalah utuk memlh sejumlah eubah baru (yag sebut sebaga komoe utama) yag mejelaska total varas alam set ata sebesar besarya, Paa Aalss Faktor, tujua utamaya aalah memlh faktor-faktor yag aat mejelaska keterkata (Iterrelatosh) atar eubah asl Dega erkataa la, Aalss Faktor bertujua utuk mejelaska art eubaheubah alam set ata Paa Aalss Faktor erluka la estmas ar faktor-faktor bersama yag sebut ega skor faktor Berasarka skor faktor aa seta observas, kta aat meyataka utuk masg masg observas tgg reahya la skor faktorya Skor faktor tertetu meujukka etg takya eraa faktor-faktor tersebut bag observas tu Skor faktor bela egatf, ol a ostf, maa jka laya semak besar maka semak besarlah eraa faktor tersebut terhaa suatu ermasalaha aa observas yag kta telt Secara umum, moel Aalss Faktor aalah sebaga berkut : X 1-1 = 11 F F + 13 F m F m + 1 X - = 1 F 1 + F + 3 F m F m + X 3-3 = 31 F F + 33 F m F m +

10 38 X - = 1 F 1 + F + 3 F m F m + (1) Atau alam otas matrks, tulska X x1 - x1 = L xm F mx1 + x1 (13) maa : F j = Faktor Umum ; j = 1,, m; m< = Faktor Sesfk ; = 1,, = rata rata eubah ke j = loag utuk eubah ke aa faktor ke j L = Matrks faktor loag ega asums: 1 E(F) =0 Var (F) = E (FF') = I mxm 3 E () = 0 4 Var () = E(') = Cov (F') = E (F') =0, sehgga F a eeet Aau struktur kovara utuk moel aalah: 1 Cov (X) = LL' + ψ (14) Var (X ) = l 1 l l j Cov X Y l l l l l l 1, j 1 j1 j m jm Cov (X,F) = L (15) Cov (X 1,F j ) = l j

11 39 Moel (X-μ) = LF + ε aalah ler alam faktor bersama Baga ar Var (X ) yag aat teragka oleh faktor bersama sebut commualty ke- Seagka baga ar Var (X ) karea faktor sesfk sebut vara sesfk ke- l 1 l lm h (16) maa: h = commualty ψ = vara sesfk ke- Dalam raktek, matrks ragam eragam taksr ega matrks ragam eragam samel S a matrk korelas ρ eubah taksr ega matrks korelas R Dalam hal, aket rogarm SPSS/PC+ lagsug megguaka matrks korelas R sebaga matrks ragam eragam alam meghtug akar cr a vektor cr mauu aalss faktorya Faktor-faktor yag eroleh melalu metoe komoe utama aa umumya mash sult terretaska secara lagsug Utuk tu lakuka maulas ega cara merotas loag L ega megguaka metoe Rotas Tegak Lurus Varmax (Varmax Orthogoal Rotato) sesua ega sara beberaa ahl, karea rotas tegak lurus varmax lebh meekat keyataa bag yag la Rotas varmax aalah rotas yag memaksmalka faktor embobot, a megakbatka korelas varabel-varabel ega suatu faktor meekat satu, serta korelas ega faktor laya meekat ol, sehgga muah terretaska Dar rotas tersebut meghaslka matrks loag baru L *, yatu: L * (xq) = L (xq) T (qxq) (17)

12 40 maa T aalah matrks trasformas yag lh sehgga, T'T = TT' = I (18) Matrks trasformas T tetuka seemka serua hgga total keragama kuarat loag L, yatu: 4 q 1 j j V / (19) j 1 1 h 1 h meja maksmum, maa: V q 1 (keragama ar kuarat loag utuk faktor ke-j) h (komualtas, yatu jumlah varas ar suatu varable ke- 1 q yag aat jelaska oleh sejumlah m commo factors) Dar erumusa atas, rotas meruaka suatu uaya utuk meghaslka faktor embag baru yag lebh muah terretaska yatu ega megalka faktor embag awal ega matrks trasformas yag bersfat orthogoal, sehgga matrks korelasya tak aka berubah Dar merotas matrks loag ta meyebabka seta varabel asal memuya korelas yag tgg a faktor tertetu saja, seagka ega faktor la memuya korelas relatf reah sehgga aa akhrya seta faktor aka lebh muah terretaska 33 Aalss Cluster Aalss Cluster bertujua utuk memsahka obyek ke alam beberaa kelomok yag memuya sfat berbea atar kelomok yag satu ega yag la Dalam aalss ta-ta kelomok bersfat homoge atar aggota alam

13 41 kelomok atau varas obyek alam satu kelomok yag terbetuk sekecl mugk Aalss guaka utuk megelomoka vu (ut observas) ega eubah ke alam k kelomok Bla yag aka kelomoka berua obyek maka eekata ukura kemra basaya tujukka oleh ukura jarak Salah satu ukura kemra yag guaka aalah jarak euclea Jarak euclea atar ua obyek X = [X 1, X,, X P ] a Y j = [Y 1, Y,, Y P ] yag bermes aalah: D X, Y X1 Y1 X Y X P YP ' = X Y X Y (0) Sehgga aka eroleh matrk jarak sebaga berkut: D Semak kecl la D, maka semak besar kemra atara keua egamata tersebut Sebalkya bla D besar, semak besar ketakmra ar egamata tersebut Asums yag harus euh alam eeraa Aalss Cluster aalah: 1 Samel yag ambl harus aat mewakl oulas yag aa Dalam eelta, guaka ata oulas, sehgga asums tak erlu uj lag Multkolertas Multkolertas aalah kemugka aaya korelas atar eubah bebas

14 4 Sebakya tak aa atau seaaya aa, besar multkoleratas tersebut taklah tgg yatu kurag ar 0,8 (Gujarat, 004) Bla ata yag guaka alam Aalss Cluster aalah ata skor komoe ar hasl AKU, maka tak aka temuka lag aaya Multkolertas Taha selajutya alam Aalss Cluster aalah meetuka metoe egelomoka/klasfkas Teraat ua metoe yatu: 1 Metoe Kelomok Herark (Herarchcal Clusterg Methos) Metoe guaka bla bayakya kelomok yag gka belum ketahu Metoe alg bayak guaka karea embetuka kelomokya bersfat alamah Pegelomokaya sajka secara vsual berbetuk eogram yatu suatu baga yag meyajka bayakya kelomok terbesar hgga terkecl Cara meetuka bayakya kelomok yag teat asarka aa jumlah aggota kelomok yag relatf merata Proses egelomoka awal ega memaag seta obyek () sebaga sebuah kelomok, sehgga jumlah kelomok sebayak jumlah obyekya Dua obyek/kelomok yag alg mr (alam hal lhat ar jarak) aalah obyek yag ertama kal gabugka meja satu kelomok, sehgga jumlah kelomok meja -1 jarak kelomok baru ega kelomok sebelumya htug kembal Proseur ulag sama akhrya kemra berkurag, sehgga semua kelomok tergabug alam suatu kelomok tuggal Paa egelomoka Hrark teraat tga jes metoe, yatu:

15 43 (1) Metoe Pauta Tuggal (Sgle Lkage) Metoe lakuka ega memmumka jarak atara kelomok yag gabugka Jarak atar kelomok betuk ar vu-vu alam ua kelomok yag memuya jarak terkecl atau kemra terbesar Proses mula ega meetuka jarak terkecl alam D = { h } a gabugka obyekobyek, msal U a V, utuk memeroleh kelomok I atau {UV}, maka jarak atara {UV} a kelomok W yag la aalah: D (UV)W = m { UW, VW } (1) maa: UW aalah jarak terekat ar kelomok U a W VW aalah jarak terekat ar kelomok V a W () Metoe Pauta Legka (Comlete Lkage) Dalam metoe, jarak atar kelomok betuk ar vu-vu alam ua kelomok yag memuya jarak yag alg jauh Ja auta legka memastka bahwa semua vu alam suatu kelomok beraa alam jarak maksmum aa masg-masg kelomok yag la Pegelomoka mula ega mecar jarak aa D = { h } a eggabuga atara U a V utuk meaatka kelomok I (UV) Selajutya jarak atara (UV) a seta kelomok W htug ega: D (UV)W = max { UW, VW } () maa: UW aalah jarak kelomok yag alg jauh U a W VW aalah jarak kelomok yag alg jauh V a W

16 44 (3) Metoe Rataa Gru (Grou Average) Metoe lakuka ega memmumka rata-rata jarak atara semua asaga vu ar kelomok yag gabugka Proses egelomoka mula ega mecar jarak D = { h } utuk meaatka obyek yag terekat Kelomok hubugka utuk membetuk kelomok I atau (UV) Selajutya jarak atara (UV) ega kelomok W laya tetuka ega: U V (3) UV W WU WV U V U (4) Metoe Setro (Cetro) Ukura ketakmraya aalah: U V U V UV W WU WV U V U V UV (4) V (5) Mea Paa metoe jarak atara ua gerombol yag terbetuk aalah: UV W WU WV UV U (5) 4 (6) Ragam Mmum (Mmum Varace) Ukura ketakmra yag guaka alah: V UV W U V WU V W WV W UV (7) U V W maa: U = bayakya obyek alam gerombol U V = bayakya obyek alam gerombol V W = bayakya obyek alam gerombol W

17 45 Metoe No Herark Metoe guaka bla bayakya kelomok yag aka betuk telah ketahu lebh ahulu Sfat egelomokaya tak alamah karea telah koska utuk jumlah kelomok tertetu Proses egelomoka mula ega meetuka la k yag meruaka usat kelomok, ega cara raom ar ata Metoe o herark yag serg guaka aalah metoe K_Meas, yatu metoe yag bertujua megelomoka ata seemka hgga jarak tata ata ke usat kelomok alam satu kelomok mmum Aalss Cluster yag guaka alam eelta aalah metoe tak berherark (K-meas Clusterg) Bayakya gerombol (cluster) yag g betuk terlebh ahulu tetuka Dalam metoe asumska bahwa aalss terr ar vu a egukura X (,j) aalah la ar vu ke- alam varabel ke-j; = 1,,, a j = 1,,, Msal P (,K) aalah egelomoka yag meruaka hasl ar masg-masg vu yag alokaska ke alam sebuah gerombol (cluster) 1,,,K Rata-rata varabel ke-j alam gerombol (cluster) ke-l aka otaska ega X (l,j), a jumlah vu-vu yag termasuk alam gerombol (cluster) ke-l yataka ega (l) Dalam otas kta aat meamlka jarak atara vu ke- a gerombol ke-l sebaga berkut: X (, j) X ( l, j) 1 D(, l) ( ) (8) j1

18 46 ega komoe kesalaha ta-ta kelomok aat efska sebaga berkut: P, K) D, l( ) E ( (9) 1 maa l() aalah gerombol (cluster) yag terr vu ke-, a D[,l()] aalah jarak Euclea atara vu a rata-rata klaster yag terr ar vu Proseur utuk egelomoka aalah megkut lagkah-lagkah: mecar egelomoka ega komoe kesalaha E yag kecl ega meematka vu-vu ar satu kelomok ke kelomok laya sama tak terja eraha hasl vu alam ereuksa E Dalam melakuka Aalss Cluster, sebakya ola la matrks korelas ata asal amat terlebh ahulu Selajutya htug ersetase korelas seag (0,31-0,75) a besar (0,76-1,00) Jka ersetase korelas seag a besar berksar atara 10 hgga 80 erse, maka ata skor faktor aat memberka hasl yag lebh bak araa ata asal utuk roses eggerombola (Haaya alam Nabaho, 003) Kemua ar hasl Aalss Cluster tersebut, aat ketahu rata-rata mauu staar evas masg-masg kator aa ta kelomok Dalam eelta, kator-kator ar masg-masg kelomok kategorka meja lma tgkata yatu sagat reah, reah, seag, tgg atauu sagat tgg utuk meaatka formas yag lebh cermat Peetua tgkata kategor tersebut megacu aa eelta Abullah (008) ega batasa egkategora sebagamaa terlhat aa Tabel 31 Utuk memermuah elaa, masg-masg kategor koverska alam betuk agka

19 47 Tabel 31 Kategor, Nla Kovers a Nla Selag Skor Faktor Kategor Nla Kovers Nla Selag (1) () (3) Sagat Tgg 5 ( j + 1,5S j ) < SF Tgg 4 ( j + 0,5S j ) < SF ( j + 1,5S j ) Seag 3 ( j - 0,5S j ) < SF ( j + 0,5S j ) Reah ( j - 1,5S j ) < SF ( j - 0,5S j ) Sagat Reah 1 SF ( j - 1,5S j ) Sumber: Abullah, 008, olah maa: j = 1,,3, = bayakya kelomok j = rata-rata total eubah j = staar evas eubah j S j SF = skor faktor

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

DISTRIBUSI NORMAL MULTIVARIAT

DISTRIBUSI NORMAL MULTIVARIAT DISTRIBUSI NORMAL MULTIVARIAT 4.6 Meaksr Asums-asums Keormala Paa embahasa tekk-tekk statstk multvarat, aka bayak asumska bahwa seta vektor observas X berstrbus ormal multvarat. Dketahu ula aa saat ukura

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2)

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2) TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL Erma Kusuma Wat, Sgt Sugarto, Bustam emakusumawat7@yahooco Mahasswa Program S Matematka Dose Matematka, Jurusa Matematka Fakultas Matematka

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Penyelesaian Persamaan Differensial dengan Menggunakan Polinomial Lagrange Seri I (1 Dimensi) Syawaluddin H 1)

Penyelesaian Persamaan Differensial dengan Menggunakan Polinomial Lagrange Seri I (1 Dimensi) Syawaluddin H 1) Hutahaea Vol. No. Aprl 006 ural TEKNIK SIPIL Peyelesaa Persamaa Dfferesal ega Megguaka Polomal Lagrage Ser I ( Dmes Syawalu H Abstrak Paa paper sajka pegguaa polomal Lagrage utuk meyelesaka suatu persamaa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

Galeri Soal. Dirangkum Oleh: Anang Wibowo, S.Pd

Galeri Soal. Dirangkum Oleh: Anang Wibowo, S.Pd Galer Soal Dragkum Oleh: ag Wbowo, S.P www.matkzoe.worress.com Jauar Semoga sekt cotoh soal-soal aat membatu sswa alam memelajar Matematka khususya ab Statstka. Kam megusahaka agar soal-soal yag kam bahas

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

MENENTUKAN POLINOMIAL MINIMAL ATAS GF p YANG MEMBANGUN GF p. Nunung Andriani 1 dan Bambang Irawanto 2

MENENTUKAN POLINOMIAL MINIMAL ATAS GF p YANG MEMBANGUN GF p. Nunung Andriani 1 dan Bambang Irawanto 2 MENENTUKAN POLINOMIAL MINIMAL ATAS GF YANG MEMBANGUN GF Nuug Ara 1 a Bambag Irawato 1 Jurusa Matematka FMIPA UNDIP Jl Pro H Soearto SH Tembalag Semarag Abstract Let F s te el wth elemets eote by GF I E

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

Voltage Controlled Oscillator

Voltage Controlled Oscillator Vltage Ctrlle Oscllatr VCO aalah suatu slatr elektrk maa frekues keluaraya atur leh suatu tegaga put DC yag berka. Gambar berkut meujukka ragkaa asar ar VCO V DD L VCO ut D C Basc VCO Frekues slas tetuka

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 5528, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

FORMULA BINET DAN JUMLAH n SUKU PERTAMA PADA GENERALISASI BILANGAN FIBONACCI DENGAN METODE MATRIKS. Purnamayanti 1 Thresye 2 Na imah Hijriati 3

FORMULA BINET DAN JUMLAH n SUKU PERTAMA PADA GENERALISASI BILANGAN FIBONACCI DENGAN METODE MATRIKS. Purnamayanti 1 Thresye 2 Na imah Hijriati 3 Jural Matematka Mur a eraa ol 6 No Ju : 38-46 ORMULA BINE AN JUMLAH SUKU PERAMA PAA GENERALISASI BILANGAN IBONACCI ENGAN MEOE MARIKS Puramayat hresye Na mah Hrat 3 [] Alum Mahasswa PS Matematka MIPA Uverstas

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

BAB II KAJIAN LITERATUR

BAB II KAJIAN LITERATUR BAB II Kaja Lteratur 4 BAB II KAJIAN LITERATUR. Jarak Mahalaobs Megut artkel tetag jarak Mahalaobs dar htt://e.wkeda.org ada 8 Maret 008, jarak Mahalaobs adalah ukura jarak yag derkealka oleh Prasata Chadra

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci

Pembayaran pertama yang dilakukan pada setiap akhir tahun selama n tahun

Pembayaran pertama yang dilakukan pada setiap akhir tahun selama n tahun Husa Arfah, M.Sc : Autas Dasar Emal : husaarfah@uy.ac. ANUITAS DASAR 3. Peahulua Autas aalah seragkaa pembayara yag lakuka paa terval waktu yag sama (per tahu atau sebalkya). Pembayara utuk jagka waktu

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN REGRESI BAYES ROBUST PCA (STUDI KASUS : DATA GCM STASIUN AMBON)

PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN REGRESI BAYES ROBUST PCA (STUDI KASUS : DATA GCM STASIUN AMBON) Jural Barekeg Vol 6 No Hal 45 50 (0) PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN REGRESI BAYES ROBUST PCA (STUDI KASUS : DATA GCM STASIUN AMBON) FERRY KONDO LEMBANG Staf Jurusa Matematka, FMIPA,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci