PENDUGAAN PARAMETER REGRESI LOGISTIK BINER DENGAN SPREADSHEET SOLVER (ADD-IN MICROSOFT EXCEL)
|
|
- Sudirman Sanjaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENDUGAAN PARAMETER REGRESI LOGISTIK BINER Shaifudin Zuhdi, Dewi Retno Sari Saputro Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK. Model regresi logistik biner (MRLB) merupakan model regresi berganda dengan variabel terikatnya merupakan variabel biner (0 dan 1). Pendugaan parameter MRLB dapat menggunakan pendugaan maksimum likelihood (PML). Dengan PML diperoleh fungsi yang harus dioptimalkan sehingga pada akhirnya diperoleh estimator parameternya. Secara komputasi, penyelesaian secara analitik tidak menguntungkan, oleh karena itu diperlukan software pendukung yang salah satunya diantaranya dengan spreadsheet solver (add-in Microsoft Excel). Solver merupakan salah satu prosedur yang dipergunakan untuk menghitung nilai atau kombinasi beberapa nilai yang menghasilkan output paling optimal. Tujuan penulisan artikel ini adalah melakukan pendugaan parameter pada MRLB, menghitung statistik G, dan nilai kritis pengujian berdasar sebaran chi-square dengan spreadsheet solver. Spreadsheet solver memberikan kemudahan perhitungan untuk pendugaan parameter model regresi logistik biner menggunakan metode maksimum likelihood. Kata Kunci: regresi logistik biner, maksimum Likelihood, spreadsheet solver 1. PENDAHULUAN Model regresi merupakan salah satu model stokastik yang sering digunakan di dalam analisis data pengamatan bertujuan untuk melihat hubungan antara suatu variabel bebas dan satu atau lebih variabel terikatnya. Data yang digunakan pada model regresi dapat berupa data kontinu atau data diskret. Apabila peubah respon berskala kontinu dan menyebar normal maka disebut dengan model regresi normal atau klasik, sebaliknya apabila peubah respon berskala biner model regresinya disebut model regresi logistik (Ryan, 1997). Model regresi logistik merupakan model stokastik yang menggambarkan hubungan antara peubah prediktor dengan peubah respon yang mempunyai dua atau lebih kategori dengan peubah prediktor yang menggunakan skala kategorik maupun interval (Hosmer dan Lemeshow, Pendugaan parameter model regresi logistik tidak dapat menggunakan metode kuadrat terkecil (ordinary least square/ols) seperti halnya model regresi linear. Berdasarkan asumsi yang biasa digunakan untuk regresi linear (misalnya asumsi kenormalan atau kehomogenan varians), metode kuadrat terkecil menghasilkan estimasi parameter dengan sifat-sifat statistik yang diinginkan yakni tak bias dan memiliki varians minimum (Maharani dkk., 2007). Berbeda dengan estimasi model regresi linear, metode kuadrat terkecil tidak dapat diterapkan untuk model regresi logistik karena penduga parameter yang dihasilkan tidak lagi memiliki sifat-sifat statistik yang diinginkan yaitu asumsi homoskedastisitas yang tidak mungkin dipenuhi oleh distribusi Bernoulli. Hal ini
2 disebabkan karena variansi distribusi Bernoulli berubah-ubah bergantung pada nilai peluang suksesnya. Alternatif metode yang dapat digunakan adalah maksimum likelihood. Proses komputasi dari metode ini tidak sederhana sehingga diperlukan software pendukung, dan yang paling sederhana dengan memanfaatkan spreadsheet solver (add in Microsoft Excel). Solver merupakan salah satu prosedur yang tersedia pada add-in Microsoft Excel dan dapat dipergunakan untuk menghitung nilai atau kombinasi beberapa nilai yang menghasilkan output paling optimal (Dodson et al., 1998). Dengan prosedur ini, dapat dimasukkan fungsi dari satu atau beberapa sel pada spreadsheet Excel, kemudian diperoleh nilai di sel-sel tersebut yang dapat menghasilkan fungsi dengan nilai maksimum, minimum, atau yang paling mendekati nilai target. Konsep kerja solver add-in ini tidak secara analitik, namun dilakukan secara numerik dengan beberapa iterasi. Beberapa penelitian yang telah memanfaatkan spreadsheet solver adalah Setiawan (2010) dan Muhammad dkk. (2013) untuk mendapatkan output paling optimal dari suatu fungsi matematis/fungsi tujuan (linear maupun nonlinear) dengan kendala atau tidak dengan kendala dan hal itu memberikan kemudahan dalam hal komputasi. Sejalan dengan kelebihan dan kepraktisan pemanfaatan spreadsheet solver yang dinyatakan oleh Dodson et al. (1998) dan pemanfaatannya oleh Setiawan (2010) dan Muhammad dkk. (2013), pada artikel ini dilakukan pendugaan parameter model regresi logistik biner dengan memanfaatkan spreadsheet solver. 2. METODE PENELITIAN Penelitian ini merupakan penelitian terapan dengan terlebih dahulu melakukan penelusuran pustaka dan pengkajian terkait materi penelitian, selanjutnya diberikan ilustrasi pendugaan parameter dan pengujian parameternya dengan memanfaatkan spreadheet solver. Adapun materi yang dimaksudkan meliputi materi-materi model regresi logistik biner, estimasi parameter model regresi logistik biner, dan spreadheet solver. Berikut adalah langkah-langkah penggunaan solver. a. Melakukan pengumpulan data dan penentuan variabel bebas dan terikatnya (sumber data untuk ilustrasi website University of California ( b. Meng-input-kan nilai variabel respon dan variabel terikat pada sheet. c. Mengidentifikasi masalah yaitu estimasi parameter dan pengujian parameter. d. Setting solver add-ins. Pada tahap ini dilakukan pengaktifan solver add-ins, kemudian mengatur sel excel tempat penginputan data dan hasil perhitungan, penulisan formula serta setting pembatas model dan terakhir menampilkan hasil dengan menekan tombol solve. Seminar Nasional Matematika, Sains, dan Informatika Prosiding
3 e. Menyelesaikan masalah dengan pemanfaatan spreadsheet solver untuk memeperoleh estimasi parameter β (diperoleh fungsi likelihood yang maksimum dan memperoleh nilai statistik uji G). f. Menentukan nilai chi-square dengan solver add-ins statistik uji penolakan H o. 3. HASIL PENELITIAN DAN PEMBAHASAN Hasil dan pembahasan meliputi pembahasan analisis regresi logistik dan uji hipotesisnya serta pendugaan parameternya dengan solver Add-Ins, selengkapnya diuraikan seperti berikut. 3.1 Model Regresi Logistik Biner Model regresi logistik biner adalah suatu model yang menggambarkan hubungan antara beberapa variabel prediktor dengan sebuah variabel respon biner. Variabel respon pada model regresi logistik dikatakan biner karena terdiri dari dua kategori yaitu 0 dan 1 (Agresti, 2002). Model regresi logistik biner digunakan untuk memperoleh probabilitas terjadinya variabel prediktor dan dinyatakan sebagai ln ( π(x) 1 π(x) ) = β 0 + β 1 x 1 + β 2 x β i x i (1) dengan x i adalah variabel prediktor ke-i, π(x) adalah peluang yang bergantung pada variabel x i dan β i adalah parameter ke-i dengan i = 1, 2, 3,..., n. Parameter β i dapat diduga dengan pendugaan maksimum likelihood (PML) atau dengan iterasi Newton- Raphson. Pada penelitian ini estimasi parameter model regresi logistik biner menggunakan PML. Pendugaan parameternya dengan memaksimumkan fungsi likelihood. Karena Y bersifat biner, distribusi Bernoulli dapat digunakan untuk menyatakan distribusi Y. Dengan demikian fungsi likelihood dinyatakan sebagai dengan π(x i ) = exp(β 0+β 1 x 1 +β 2 x 2 + +β i x i ) 1+exp(β 0 +β 1 x 1 +β 2 x 2 + +β i x i ). n L(β) = π(x i ) y i(1 π(x i )) 1 y i i=1 (2) Persamaan (2) merupakan persamaan dengan fungsi nonlinear, untuk dapat melihat hubungan antara variabel respon dengan variabel prediktor diperlukan fungsi linear. Oleh karena itu, dilakukan transformasi logaritma pada persamaan (2) dan diperoleh n LL(β) = log(l(β)) = i=1 y i log π(x i ) + (1 y i )log(1 π(x i )). (3) Estimasi parameter β diperoleh dengan memaksimumkan LL(β). Yang perlu menjadi perhatian bahwa fungsi logaritma bersifat monoton naik sehingga jika fungsi log-likelihood mencapai maksimum, maka fungsi likelihood juga akan mencapai maksimum. Selanjutnya untuk mengetahui pengaruh dari variabel respon terhadap variabel prediktor dapat dilakukan uji signfikansi secara simultan (Hosmer & Lemeshow, 1989). Adapun hipotesisnya adalah H 0 : β 0 = β 1 = β 2 =... = β p = 0 (tidak ada pengaruh variabel Seminar Nasional Matematika, Sains, dan Informatika Prosiding
4 bebas secara simultan terhadap variabel terikat) dan H 1 : ada pengaruh variabel bebas secara simultan terhadap variabel terikat) dan statistik uji yang digunakan dinyatakan sebagai likelihood tanpa variabel bebas G = 2 log [ ] (4) likelihood dengan variabel bebas Statistik G mengikuti distribusi χ 2 dengan derajat bebas p dan statistik ujinya adalah H0 ditolak jika G > χ 2 (α,p). 3.2 Spreadsheet Solver (Add-Ins Microsoft Excel) Salah satu penggunaan komputer sebagai alat bantu dalam proses pengambilan keputusan adalah penggunaan berbagai jenis spreadsheet Solvers. Solver adalah sebuah spreadsheet optimizer dan goal-seeking yang merupakan program add-in dalam software microsoft excel (ME). Spreadsheet solver adalah Microsoft Excel add-in, program ini secara otomatis ter-install ketika ME di-install. Untuk menggunakannya dalam ME harus diaktifkan dahulu solver-nya ( Adapun langkah pengaktifannya dilakukan dengan klik pada File tab, klik Options, dan kemudian klik Add-Ins Category; dalam kotak Manage, klik Excel Add-ins, kemudian klik Go. Kotak dialog Add-Ins akan muncul ; pada kotak Add-Ins dilakukan cek list dan kemudian klik OK. Berikut adalah langkah-langkah penggunaan solver add-ins bersumber CTT=3). 1. Set target cell : target sel berisi kuantitas atau jumlah yang dioptimumkan yaitu nilai fungsi tujuan. Untuk menentukan letak target sel, klik pada sel yang telah ditentukan atau ketik nama selnya. 2. Equal to : menentukan arah optimasi, bila kasusnya biaya maka dipilih min, sedangkan apabila kasusnya keuntungan maka dipilih max. 3. By changing cells : kolom ini diisi dengan sel pada sheet dimana akan ditampilkan nilai variabel. Nilai variabel ini lah yang akan mengoptimumkan fungsi tujuan. 4. Subject to the constraints : menentukan kendala dengan mengklik tombol Add, kemudian memasukkan fungsi kendala dengan mengisi sel sebelah kiri, dipilih tanda = atau atau (sesuai fungsi pembatas/kendala), kemudian diisi sel sebelah kanan. Setelah seluruh kendala fungsional dimasukkan, ditekan tombol OK, dipastikan kembali bahwa telah dilakukan check list pembatas nonnegatif. 3.3 Pendugaan Parameter Model Regresi Logistik Biner dengan Spreadsheet Solver Ilustrasi penggunaan spreadsheet solver untuk menduga parameter model regresi logistik biner dan melakukan pengujian parameternya. Data ilustrasi bersumber dari website University of California ( masalah dengan data tersebut adalah Seminar Nasional Matematika, Sains, dan Informatika Prosiding
5 bagaimana variabel prediktor nilai menulis (writing/x 1 ), nilai membaca (reading/x 2 ), dan nilai matematika (mathematics/x 3 ) mempengaruhi seseorang memilih jenis kelas perkuliahan. Jenis data untuk variabel independen nilai menulis, membaca dan matematika adalah kuantitatif (skala data rasio) serta jenis data untuk variabel respon jenis kelas perkuliahan adalah kualitatif (skala data nominal yang terdiri atas: 1=berhasil, 2=tidak berhasil). Adapun variabel responnya menyatakan berhasil atau tidak berhasil masuk program studi tertentu dengan distribusi Bernoulli dengan tingkat peluang Dengan dasar paragraf 1, selanjutnya dilakukan penggunaan spreadsheet solver dengan langkah awal adalah menyiapkan worksheet berisi data dan formula (dalam hal ini fungsi) yang diperlukan. Nilai dugaan awal untuk b0, b1, b2, dan b3 dapat diisi secara acak. Sel b0 merupakan pendugaan nilai β 0, b1 merupakan pendugaan nilai β 1, b2 merupakan pendugaan nilai β 2, dan b3 merupakan pendugaan nilai β 3. Langkah selanjutnya, pada kolom p, dihitung nilai dugaan peluang Y=1 dengan memasukkan nilai b0, b1, b2, dan b3 dan X1, X2, dan X3 pada persamaan (1). Nilai LL model didapat dengan menggunakan persamaan (3) dengan nilai p berasal dari kolom p. Nilai LL awal menggunakan nilai proporsi pada data yang berhasil (Y = 1). Nilai LL awal dan LL model masing-masing dijumlahkan diletakkan pada sel terpisah. Pada ilustrasi ini, fungsi LL model pada sel G3 yang dimaksimumkan dengan mengubah-ubah nilai b0, b1, b2, dan b3 pada sel C1, C2, C3, dan C4. Pada Gambar 1 ditampilkan solver yang memuat kolom sel yang dioptimumkan, bentuk fungsi tujuan, dan sel yang ditentukan agar hasilnya optimum. Gambar 1. Kotak dialog Solver yang harus diisi oleh user untuk mendapatkan estimasi Pada saat nilai dugaan b0, b1, b2, dan b3 telah diperoleh, nilai LL model dan statistik uji G juga diperoleh. Pada penerapan ini diperoleh b0 = 0, b1 = 0, b2 = , b3 = 0, dan G = (ditunjukkan pada Gambar 3). Proses berikutnya adalah mendapatkan nilai kritis chi-square dengan taraf signifikansi tertentu (dalam hal ini dipergunakan nilai 0.05). Dalam penerapan ini nilai kritis diletakkan pada sel H5 dan tingkat kesalahan pengujian pada sel G5, dengan G5 adalah fungsi dari H5. Fungsi yang digunakan adalah CHIDIST, yakni fungsi yang menghasilkan peluang suatu Seminar Nasional Matematika, Sains, dan Informatika Prosiding
6 titik jatuh di sebelah kanan nilai tertentu pada sebaran chi-square. Solver kembali digunakan untuk mengarahkan nilai G5 mendekati nilai target tertentu, tampilan pada solver berdasarkan hal tersebut ditunjukkan pada Gambar 2. Gambar 2. Kotak dialog untuk mendapatkan nilai kritis Hasil akhir dari langkah-langkah yang dilakukan sebelumnya ditampilkan pada Gambar 3. Gambar 3 menunjukkan bahwa nilai statistik uji (G) adalah dan nilai tabel chi-square (χ 0.05(3) ) adalah (ditunjukkan pada sel H5). 2 Dengan demikian H 0 tidak ditolak karena G < χ 0.05(3), hal ini berarti variabel prediktor tidak memiliki pengaruh signifikan terhadap variabel terikat. Masih pada Gambar 3, peluang sukses bahwa seorang mahasiswa berhasil lulus pada mata kuliah matematika adalah 0.76 (ditunjukkan pada sel G1). Gambar 3. Hasil akhir pendugaan parameter dan pengujiannya 4. KESIMPULAN Spreadsheet solver memberikan kemudahan perhitungan untuk pendugaan parameter model regresi logistik biner menggunakan metode maksimum likelihood. DAFTAR PUSTAKA Agresti, A., Categorical Data Analysis, John Willey and Sons Inc., New Jersey, Seminar Nasional Matematika, Sains, dan Informatika Prosiding
7 Dodson, C.S, W. Prinzmetal, and A.P. Using Excel to estimate parameters from observed data: An example from source memory data. Behavior Research Methods, Instruments, & Computers 1998, 30 (3), Hosmer, D.W dan Lemeshow Applied Logistic Regression. Wiley and Sons. New York. Maharani, I.I, Hardiansyah, Bambang S. Aplikasi Regresi Logistik dalam Analisis Faktor Resiko Anemia Gizi pada Mahasiswa Baru IPB. Jurnal Gizi dan Pangan, Juli (2): Ryan, Thomas. P Modern Regression Methods. New York: John Wiley & Sons, Inc. Setiawan, E Penggunaan Solver sebagai Alat Bantu Kalibrasi Parameter Model Hujan Aliran. Journal Spektrum Sipil. Vol 1. No 1. Muhammad, C.H, Dwiyanto dan Z. Abidin. Optimalisasi Model Transshipment Di Pt. Primatexco Menggunakan Program Solver. Unnes. Journal Of Mathematics, Ujm 2(1) Seminar Nasional Matematika, Sains, dan Informatika Prosiding
Optimasi Pengalokasian Produksi Barang Jadi dengan Menggunakan Solver Add-Ins. Ratna Puspita Indah STMIK Duta Bangsa Surakarta ABSTRAK
Optimasi Pengalokasian Produksi Barang Jadi dengan Menggunakan Solver Add-Ins Ratna Puspita Indah STMIK Duta Bangsa Surakarta ABSTRAK Persoalan keuntungan yang tidak dikelola dengan baik seringkali menjadi
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciPEMANFAATAN EXCEL SOLVER DALAM PEMBELAJARAN PEMROGRAMAN LINEAR. Oleh : Himmawati Puji Lestari. Caturiyati. Jurusan Pendidikan Matematika FMIPA UNY
PEMANFAATAN EXCEL SOLVER DALAM PEMBELAJARAN PEMROGRAMAN LINEAR Oleh : Himmawati Puji Lestari Caturiyati Jurusan Pendidikan Matematika FMIPA UNY himmawatipl@yahoo.com wcaturiyati@yahoo.com Abstrak Dalam
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinci(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER
(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING
ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS RLOTG DENGAN METODE FISHER SCORING Aulia Nugrahani Putri, Purnami Widyaningsih, dan Dewi Retno Sari Saputro Program Studi Matematika
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciMISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK
MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK Mohammad Farhan Qudratullah Program Studi Matematika Fakultas Sains dan Teknologi Universitas
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciFungsi di atas sesuai dengan apa yang kita butuhkan di dalam proses penunjang keputusan pada studi kasus di bawah ini:
Menyelesaikan DSS sederhana dengan Microsoft Excel Solver merupakan salah satu fasilitas tambahan (add-id) pada excel yang digunakan untuk memecahkan persoalan-persoalan yang rumit, fasilitas solver memungkinkan
Lebih terperinciESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES
ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES Selpadina Indriyani 1, Raupong 2, Anisa 3 1 Mahasiswa Program Studi Statistika FMIPA Universitas Hasanuddin 2,3 Dosen Program
Lebih terperinciPENGGUNAAN SOLVER ADD-INS DALAM PENGALOKASIAN DISTRIBUSI BARANG DENGAN TOTAL BIAYA DISTRIBUSI MINIMUM
Jurnal Wira Ekonomi Mikroskil Volume 2, Nomor 01, April 2012 PENGGUNAAN SOLVER ADD-INS DALAM PENGALOKASIAN DISTRIBUSI BARANG DENGAN TOTAL BIAYA DISTRIBUSI MINIMUM Mbayak Ginting STIE Mikroskil Medan Jl.
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciFaktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) D-305 Faktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik Fatkhiyatur Rizki,
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciOPTIMASI KINERJA SIMPANG BERSINYAL DENGAN MENGGUNAKAN SPREADSHEET
OPTIMASI KINERJA SIMPANG BERSINYAL DENGAN MENGGUNAKAN SPREADSHEET Henny Sutjiono 1, Rudy Setiawan 2 ABSTRAK : Salah satu kendala dalam perhitungan kinerja simpang bersinyal baik secara manual maupun dengan
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciBAB III METODE PENELITIAN. Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini
digilib.uns.ac.id BAB III METODE PENELITIAN 3.1. Model Penelitian Berdasarkan permasalahan dan hipotesis penelitian, penelitian ini menggunakan metode deskriptif dengan pendekatan kuantitatif, tujuannya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI. Regresi Non-Parametrik Statistik nonparametrik disebut juga statistik bebas sebaran. Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi. Statistik nonparametrik
Lebih terperinciSem 5-4. Garis Besar Rencana Pembelajaran (GBRP)
Sem -. Garis Besar Rencana Pembelajaran (GBRP) Nama Matakuliah : Analisis Data Kategorik Kode MK/SKS : 309H203/3SKS Semester : Awal/ (Tahun III) Mata Kuliah Prasyarat : Metode Statistika, Komputasi Statistika
Lebih terperinciSaintia Matematika ISSN: Vol. 02, No. 04 (2014), pp
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 04 (2014), pp. 313 321. SUATU KAJIAN TENTANG PELAYANAN KESEHATAN DI PUSKESMAS PEMBANTU JATI UTOMO BINJAI Nida Elhaq, Pasukat Sembiring, Djakaria Sebayang
Lebih terperinciLangkah Penyelesaian. Linear Programming Dengan Solver Excel Taufiqurrahman 1
Linear Programming Dengan PROGRAM LINEAR: SOLUSI KOMPUTER Solusi Komputer Masalah program linear dapat diselesaikan dengan beberapa aplikasi perangkat lunak (software) komputer. Saat ini banyak aplikasi
Lebih terperinciBAB I PENDAHULUAN. yang perlu diketahui, yang disebut sebagai variabel. Variabel adalah sebuah
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus diketahui, hanya satu atau beberapa karakteristik populasi yang perlu diketahui, yang
Lebih terperinciMateri Komputer 2. Media Biaya Iklan Tiras. Sainstech Unisma Bekasi. Pertemuan 9 (Solver)
Pertemuan 9 (Solver) Memecahkan masalah masalah rumit dengan menggunakan Solver Penjelasan singkat : Dalam latihan sebelumnya pernah dilakukan perhitungan untuk menentukan variabel bebas dengan memasukkan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciGbr. b7 5. Nilai pada Cell B3 menjadi 0,00 dan nilai pada Cell A3 menjadi Ulangi proses tersebut untuk Cell B8 dan B9.
29 Gbr. b7 5. Nilai pada Cell B3 menjadi 0,00 dan nilai pada Cell A3 menjadi -4.9434. 6. Ulangi proses tersebut untuk Cell B8 dan B9. C. METODE BISECTION Untuk menemukan akar dari f(x)=0.5x 3-4x-3 dengan
Lebih terperinciBAB IX SOLVER. Tujuan instruksional Khusus
BAB IX SOLVER Instruksi Tujuan instruksional Khusus Pokok Bahasan Pengajaran Setelah mengikuti kuliah ini, mahasiswa akan mengetahui tentang analisa optimalisasi dengan adanya kendala sehingga solusi yang
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan kemajuan ilmu pengetahuan dan teknologi mendorong masyarakat untuk semakin memperlihatkan derajat kesehatan demi peningkatan kualitas hidup yang lebih
Lebih terperinciCCR314 - Riset Operasional Materi #4 Ganjil 2015/2016 CCR314 RISET OPERASIONAL
Materi #4 CCR314 RISET OPERASIONAL Solusi Komputer 2 Masalah program linear (liner programming/lp) dapat diselesaikan dengan beberapa aplikasi perangkat lunak (software) komputer. Saat ini banyak aplikasi
Lebih terperinciMAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY
MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI
Lebih terperinciPengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc
Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc Statistika Statistika Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi,
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 615-624 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI KEIKUTSERTAAN KELUARGA BERENCANA (KB)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Radang paru paru adalah sebuah penyakit pada paru paru dimana pulmonary alveolus yang bertanggung jawab menyerap oksigen dari atmosfer meradang dan terisi cairan. Berdasarkan
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinci1 BAB I 2 PENDAHULUAN. sangat diperlukan dalam kehidupan sehari-hari. Begitu pula dalam penelitian
1 BAB I 2 PENDAHULUAN A. Latar Belakang Masalah Statistika merupakan salah satu disiplin ilmu yang penerapannya hampir di semua aspek kehidupan. Hal ini menunjukkan bahwa peranan statistika sangat diperlukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciANALISIS KETERGANTUNGAN ANTARA CAPAIAN PENGUASAAN KONSEP DASAR DENGAN KETUNTASAN PEMAHAMAN MATERI PENCACAHAN DALAM MATEMATIKA DISKRET
ANALISIS KETERGANTUNGAN ANTARA CAPAIAN PENGUASAAN KONSEP DASAR DENGAN KETUNTASAN PEMAHAMAN MATERI PENCACAHAN DALAM MATEMATIKA DISKRET LUH PUTU IDA HARINI 1, I GEDE SANTI ASTAWA 2, I GUSTI AYU MADE SRINADI
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciTaufiqur Rachman 1
PROGRAM LINEAR: SOLUSI KOMPUTER Solusi Komputer Masalah program linear dapat diselesaikan dengan beberapa aplikasi perangkat lunak (software) komputer. Saat ini banyak aplikasi perangkat lunak dengan kapasitas
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 997-005 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PERBANDINGAN METODE KLASIFIKASI REGRESI LOGISTIK BINER DAN RADIAL
Lebih terperinciUji statistik multivariat digunakan untuk menguji
132 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 133 BAB 6 ANALISIS MULTIVARIAT Uji statistik multivariat digunakan untuk menguji
Lebih terperinci(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo
PERBANDINGAN REGRESI MODEL LOGISTIK BINER DENGAN REGRESI MODEL PROBIT TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI SIKAP SISWA SMP PADA MATA PELAJARAN MATEMATIKA (Studi Kasus Siswa SMP Kelas VIII di SMPN 1
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Menurut Hosmer dan Lemeshow (2000) tujuan melakukan analisis data kategori menggunakan regresi logistik adalah mendapatkan model terbaik dan sederhana untuk
Lebih terperinciponsel, purposive sampling, regresi logistik politomus
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO
Lebih terperinciStatistik Uji Kruskal-Wallis
Statistik Uji Kruskal-Wallis Author: Junaidi Junaidi Statistik Kruskal Wallis adalah salah satu peralatan statistika non-parametrik dalam kelompok prosedur untuk sampel independen. Prosedur ini digunakan
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciRegresi Logistik Binomial, Model untuk Toksisitas Logam Berat Timbal Pb terhadap Larva Udang Vannamae
Regresi Logistik Binomial, Model untuk Toksisitas Logam Berat Timbal Pb terhadap Larva Udang Vannamae Dwi Haryo Ismunarti Jurusan Ilmu Kelautan Fakultas Perikanan dan Ilmu Kelautan UNDIP email : dwiharyois@gmail.com
Lebih terperinciPolres Tapanuli Selatan merupakan bagian dari Kepolisian Republik Indonesia yang melayani di bidang pemeliharan dan keamanan, ketertiban
Saintia Matematika Vol. 1, No. 5 (2013), pp. 435 444. ANALISA TINGKAT KEPUASAN MASYARAKAT TERHADAP PROSES PELAYANAN PEMBUATAN SIM (SURAT IZIN MENGEMUDI) DI SATLANTAS POLRES TAPANULI SELATAN Lisna Astria,
Lebih terperinciAzzakiy Fiddarain ABSTRACT
IDENTIFIKASI TITIK HIGH LEVERAGE PADA MODEL REGRESI LOGISTIK DENGAN METODE ROBUST LOGISTIC DIAGNOSTIC Azzakiy Fiddarain Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)
PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciIII. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu :
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Salah satu yang mempengaruhi kualitas penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Dalam
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 405-416 Online di: http://ejournal-s1undipacid/indexphp/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK
Lebih terperinciStatistik Deskriptif dengan Microsoft Office Excel
Statistik Deskriptif dengan Microsoft Office Excel Junaidi, Junaidi I. Prosedur Statistik Deskriptif pada Excel Statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan atau menggambarkan
Lebih terperinciPEMANFAATAN SOLVER EXCEL UNTUK OPTIMASI PENJADWALAN MATA PELAJARAN
PEMANFAATAN SOLVER EXCEL UNTUK OPTIMASI PENJADWALAN MATA PELAJARAN Erika Eka Santi Dosen Universitas Muhammadiyah Ponorogo Email : erikapmatumpo@gmail.com ABSTRAK Penyusunan jadwal pelajaran merupakan
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun
Lebih terperinciANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)
Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciMengolah Database dengan Excel
Mengolah Database dengan Excel Pengertian Database Database terdiri dari sekumpulan record, sedangkan record terdiri atas sekumpulan field (data) yang membentuk satu kesatuan dan masing-masing field (data)
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI LOG-LOGISTIK ABSTRAK
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 83-92 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI LOG-LOGISTIK Ibnu
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian berada di wilayah Kabupaten Banyumas yang masuk
BAB III METODE PENELITIAN 3.1. Lokasi Penelitian Lokasi penelitian berada di wilayah Kabupaten Banyumas yang masuk Daerah Irigasi Banjaran meliputi Kecamatan Purwokerto Barat, Kecamatan Purwokerto Selatan,
Lebih terperinciMAKALAH UJI PERLUASAN MEDIAN
MAKALAH UJI PERLUASAN MEDIAN Disusun untuk Memenuhi Tugas Mata Kuliah Pengolahan Data Penelitian Dosen Pengampu : Dr. Nur Karomah Dwidayati, M.Si. Oleh: Sulis Rinawati (0401516042) Retno Indarwati (0401516049)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciANALISIS TINGKAT STRESS WANITA KARIR DALAM PERAN GANDANYA DENGAN REGRESI LOGISTIK ORDINAL
ANALISIS TINGKAT STRESS WANITA KARIR DALAM PERAN GANDANYA DENGAN REGRESI LOGISTIK ORDINAL (Studi Kasus pada Tenaga Kerja Wanita di RS. Mardi Rahayu Kudus) Nova 1, Dwi Ispriyanti 2 1 Alumni Mahasiswa Prodi
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciBAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciBAB III LANDASAN TEORI. A. Regresi
BAB III LANDASAN TEORI A. Regresi 1. Pengertian Regresi Regeresi adalah alat yang berfungsi untuk membantu memperkirakan nilai suatu varibel yang tidak diketahui dari satu atau beberapa variabel yang tidak
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperincifungsi keanggotaan dinyatakan sebagai berikut:
LAMPIRAN 74 Lampiran 1 Fungsi Keanggotaan Bahan Baku Beras Ketan Berikut ini merupakan fungsi keanggotaan bahan baku beras ketan 1) Misal bilangan fuzzy menyatakan bahan baku beras ketan yang dibutuhkan
Lebih terperinciBAB III METODOLOGI PENELITIAN. sampai dengan bulan mei tahun 2014.
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian 1. Waktu penelitian dilakukan dengan mengambil data statistic penerimaan offer untuk okupasi high rise building dari bulan januari sampai dengan
Lebih terperinciCHI-SQUARE: GOODNESS OF FIT TEST
Modul CHI-SQUARE: GOODNESS OF FIT TEST Pengantar Chi Square adalah salah satu alat analisis yang paling sering digunakan pada statistik, dengan tujuan untuk Uji Homogenitas, Uji Independensi dan Uji Goodness
Lebih terperinciMOCH. FAUZI PEMBIMBING : MUHAMMAD SJAHID AKBAR
Faktor-faktor yang Mempengaruhi Peranan Ibu Rumah Tangga Nelayan Terhadap Pemenuhan Kebutuhan Rumah Tangga di Kelurahan Tebul Bangkalan dengan Metode Regresi Logistik Biner MOCH. FAUZI 1307 030 056 PEMBIMBING
Lebih terperinci