ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA"

Transkripsi

1 ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA Citra Elok Mgahardiyai, da Dstri Susilaigrum Mahasiswa Jurusa Statistika FMIPA-ITS ( Dos Jurusa Statistika FMIPA-ITS ABSTRAK Kadaa gizi balita di Idosia blum sluruhya mmuhi kritria baik, salah satuya adalah di kcamata Bulak Surabaya. Stadart pilaia status gizi di Idosia mgguaka atura WHO-NCHS, mlalui ilai Zscor yag mrupaka salah satu idikator atropomtri yaitu pgukura brat bada brdasarka umur (BB/U. Plitia ii brtuua utuk mgtahui karaktristik ibu da balita laya srta mtuka faktorfaktor yag mmpgaruhi status gizi balita laya di Kcamata Bulak Surabaya. Mtod yag diguaka adalah statistik dskriptif da aalisis rgrsi logistik ordial. Hasil aalisis yag dilakuka muukka bahwa karaktrstik ibu balita laya di kcamata Bulak Surabaya 66% brpdidika tidak tamat SMP, 67% usia ibu mikah 0 tahu da 55% dari ibu yag mlahirka dga usia 0 tahu. Sdagka karaktristik balita di kcamata Bulak Surabaya sbagia bsar balita status giziya ormal yaitu sbsar 58.7%, 5% rumah tagga laya trgolog kluarga bsar da 6% brpghasila Rp ,-. Apabila dilihat dari saraa saitasi, 7%. rumah tagga laya saraa saitasiya blum baik. Sbagia bsar balita balita dibri ASI < tahu da tidak diimuisasi scara lgkap yaitu sbsar 63% da 60%. Mayoritas balita diasuh sdiri olh ibu dikaraka ibu balita brprofsi sbagai ibu rumah tagga da sbagia bsar dibri asupa makaa yag mmuhi mpat shat lima smpura yaitu sbsar 80%. Status gizi balita laya scara sigifika (α 0% dipgaruhi faktorfaktor: pdidika ibu, klgkapa imuisasi, da pghasila rumah tagga. Kata-kata kuci : status gizi balita, statistik diskriptif, rgrsi logistik ordial. Pdahulua Kadaa gizi balita di ldosia sampai saat ii blum sluruhya mmuhi kritria baik. Kadaa trsbut dapat ditmui di bbrapa darah di Idosia salah satuya adalah Surabaya, khususya kcamata Bulak Surabaya. Brdasarka ktraga yag diprolh dari pihak pusksmas Kra yag brlokasi di kcamata Bulak myataka bahwa kodisi gizi balita di wilayah trsbut masih ditmuka balita dga status gizi kurag trutama bagi para warga pdatag. Status gizi kurag mrupaka suatu masalah yag sampai saat ii masih blum dapat diatasi. Masalah trsbut mucul akibat masalah ktahaa paga di tigkat rumah tagga yaitu kmampua rumah tagga utuk mmuhi kbutuha paga sluruh aggota kluarga dalam umlah yag cukup da baik mutuya (Ikhwasyah, 00. Ktrlambata dalam pmbria gizi yag baik aka mgakibatka gagal tumbuh pada bailta. Prtumbuha mausia dwasa, trgatug pada kodisi gizi da kshata swaktu balita. Bgitu uga dga prtumbuha otak, utuk mtuka tigkat kcrdasa dittuka olh prtumbuha pada waktu balita. Olh kara itu usaha-usaha pigkata gizi dituuka pada balita da ibu hamil. Faktor faktor yag dapat mmpgaruhi status gizi trdiri dari faktor-faktor yag brkaita dga ibu da faktor-faktor yag brkaita dga balita. Faktor-faktor yag brkaita dga ibu adalah usia ibu mikah, usia ibu prtama mlahirka, da pdidika ibu (Suhardo, 003. Sdagka faktor-faktor yag brkaita dga balita adalah pyakit yag srig didrita olh balita, frkusi trsrag pyakit, saraa saitasi (Ikhwasyah, 00, umlah aggota kluarga, pmbria ASI, klgkapa imuisasi, pola asuh balita (Suhardo, 003, pghasila rumah tagga (Ditg, 989, frkusi pmbria maka pokok, da asupa makaa (Almatsir, 004. Pybab masalah gizi pada balita scara lagsug dipgaruhi olh kcukupa asupa makaa da kodisi kshata. Kdua masalah trsbut trkait dga status koomi, playaa kshata da pgaruh pola asuh balita yag tidak mmadai. Olh kara itu masalah gizi harus dipcahka scara trpadu mlalui pdkata kluarga dga pra masyarakat (Faar dkk, 00. Di kcamata Bulak trdapat mpat kluraha yag brpduduk laya yaitu

2 kluraha : Kra, Sukolilo, Kdug Cowk, da Bulak dga umlah total laya sbayak 794 orag. Brdasarka iformasi yag diprolh dari pusksmas Kra, bahwa balita kurag gizi masih ditmuka di darah ii. Olh kara itu plitia ii mgagkat prmasalaha da mcari hubuga atar faktorfaktor yag mmpgaruhi status gizi balita kluarga laya di kcamata Bulak Surabaya yag diaalisis dga mgguaka aalisis rgrsi logistik.. Tiaua Pustaka Pada tiaua pustaka aka dilaska mgai pilaia status gigi da mtodmtod statistik yag diguaka pada plitia ii. Statistik Dskriptif Statistik dskriptif mrupaka mtod statistik yag mrigkas, myaika, da mdskripsika data dalam btuk yag mudah dibaca shigga mmbrika kmudaha dalam mmbrika iformasi (Walpol, 995. Statistik dskriptif myaika data dalam tabl, grafik, ukura pmusata data, da pybara data (Astuti da Iriawa, 006. Aalisis Rgrsi Logistik Ordial Aalisis rgrsi logistik ordial mrupaka salah satu mtod statistik yag mggambarka hubuga atara suatu variabl rspo (Y dga lbih dari satu variabl prdiktor (X dimaa variabl rspo lbih dari dua katgori da skala pgukura brsifat tigkata (Hosmr da Lmshow, 000. Modl rgrsi logistik adalah sbagai brikut. g π (. g Pluag kumulatif didfiisika sbagai brikut. p xp α + β k xik Y k xi p (. xp α + β k xik k dga, i,, 3,..., Brikut fugsi distribusi logistik umum x F x ( (.3 x x Cumulativ logit modls didapatka dga mmbadigka pluag kumulatif yaitu pluag kurag dari atau sama dga katgori rspo k- pada p variabl prdiktor yag diyataka dalam vktor x i. Brikut formulasi cumulativ logit modls Y xi Logit Y x log (.4 i Y > xi Jika trdapat katogori rspo dimaa 0,,, maka ilai pluag utuk tiap katgori rspo sbagai brikut. g φ g( x g g( x φ g g( x ( + ( + φ0 φ( x φ g Modl proposioal odds isbah pada kadia Y utuk x x da x x adalah Y x xp( β ' β / Y > x 0 + x Y x / Y > x xp( β 0 + x ' β xp (x -x (.8 Mtod kmugkia ilai maksimum (Maximum Liklihood Estimator mrupaka mtod yag diguaka utuk maksir paramtr-paramtr modl rgrsi logistik dga dga mmbrika ilai stimasi β dga mmaksimumka fugsi Liklihood (Agrsti, 00. Brikut fugsi Liklihood utuk sampl dga sampl radom y i y i y i [ φ 0 ( x i x i x i ] 0 φ ( ( l ( β φ i dga, i,,...,j (.9 Dari prsamaa di atas didapatka fugsi l- Liklihood sbagai brikut. N y0i l[ φ ( xi ] y i l[ φ ( x i ] i + y l[ φ ( x ] L( β 0 i i + + Maksimum l-liklihood diprolh dga mdfrsialka L(β trhadap β da myamaka dga ol. Maximum Liklihood Estimator (MLE mrupaka mtod utuk mgstimasi varias da kovarias dari taksira β yag diprolh dari turua kdua fugsi l- Liklihood. Utuk mdapatka ilai trsbut diguaka mtod itrasi Nwto Raphso (Agrsti, 00. Formulasi itrasi Nwto β β ( t+ ( t ( t ( t Raphso adalah ( H q (.5 (.6 (.7 (.0 (.

3 Murut Hosmr da Lamshow (989, modl yag tlah diprolh prlu diui ksigifikasiya, dga mlakuka pguia statistik. Pguia yag dilakuka adalah a Ui Srtak Ui srtak dilakuka utuk mmriksa kbrartia kofisi β scara ksluruha. Hipotsis : H 0 : β β... β 0 H : Miimal ada satu β 0,,,..., p Statistik Ui : G log [ ] y0i yi yi φ 0 ( xi φ ( xi φ ( xi i 0 0 dimaa, 0 y0 i, y i, y i i i i, da ktraga : 0 : bayakya ilai obsrvasi yag Y0 : bayakya ilai obsrvasi yag Y : bayakya ilai obsrvasi yag Y : bayakya obsrvasi H 0 ditolak pada tigkat sigifika sbsar α bila ilai p-valu < α atau ilai G > χ.,db α (. b Ui Parsial Ui parsial diguaka utuk mmriksa kmakaa kofisi β scara idividu. Hipotsis : H 0 : β 0,,,... p H : β 0 ˆ β Statistik Ui : W ~ N(0, (.3 SEˆ( ˆ β H 0 ditolak apabila W > Z α / atau ilai p-valu <α, dimaa Z muukka ilai variabl radom pada tabl distribusi ormal stadart. Murut Hosmr da Lamshow (989, trdapat statistik ui yag diguaka utuk mgui kssuaia modl rgrsi logistik adalah Goodss of Fit dga hipotsis sbagai brikut. H 0 : Modl cukup mmuhi H : Modl tidak mmuhi J ( y m φ Statistik Ui : χ (.4 m φ ( φ dga, J,, 3,, dimaa, y variabl rspo k-, m bayakya obsrvasi yag mmiliki ilai φ φ pluag kumulatif Darah kritis : Tolak H 0 ika χ hitug > χ (J- Murut Walpol (995, ui idpdsi dilakuka utuk mgtahui ada atau tidakya hubuga atara variabl rspo dga variabl prdiktor. Pguia trsbut dilakuka dga mgguaka ui Chi-squar. Hipotsis: H 0 : Tidak ada hubuga atara variabl prdiktor dga variabl rspo H : Ada hubuga atara variabl prdiktor dga variabl rspo rk ( oi i Statistik Ui : χ (.5 i dimaa, (total baris k i (total kolom k i (.6 total obsrvasi ktraga : r bayak baris k bayak kolom o i frkusi obsrvasi baris k-i kolom k- i frkusi harapa baris k-i kolom k- db draat bbas (r- (k- Darah kritis : Tolak H 0 ika χ hitug > i χ (db,α Pilaia Status Gizi Murut Dirktorat Gizi Masyarakat Dpartm Kshata RI (999, pilaia status gizi balita di Idosia dihitug dga mgguaka Zscor dga klasifikasi brat bada murut umur (BB/U. Scara trprici Zscor dirumuska sbagai brikut. Bila ilai ril brat bada skarag ilai mdia, maka (BB Md Zscor S (.7 d uppr. Bila ilai ril brat bada skarag < ilai mdia, maka (BB Md Zscor (.8 S d lowr 3

4 Umur (Bl dimaa, BB adalah brat bada ril, Md adalah mdia baku WHO-NCHS da Sd adalah stadart dviasi baku WHO-NCHS. Tabl. Baku Brat Bada Brdasarka Umur WHO-NCHS Laki-Laki Mdia SD Lowr SD Uppr Umur (Bl Prmpua Mdia SD Lowr SD Uppr Sumbr: Dpks RI dalam Faar dkk, Mtodologi Plitia Data pada plitia ii mrupaka data primr yag diprolh dga mlakuka survi trhadap balita kluarga laya di kcamata Bulak Surabaya. Pgambila data dilaksaaka pada bula Jui 009 dga mlakuka wawacara lagsug trhadap kluarga laya utuk mmprolh iformasi yag dibutuhka m lalui prtayaa-prtayaa dalam kuisior. Kragka samplig yag diguaka adalah umlah balita kluarga laya di kcamata Bulak Surabaya. Di kcamata Bulak trdapat mpat kluraha yag brpduduk laya yaitu kluraha : Kra, Sukolilo, Kdug Cowk, da Bulak. Mtod samplig yag diguaka pada plitia ii adalah samplig acak sdrhaa dga ukura sampl yag diamati mlalui Prsamaa 3. (Cochra, 977. NPQ ( N D + PQ (3. dga, B D z α dimaa, N total balita laya di kcamata Bulak P proporsi balita kurag gizi Q -P B batas ksalaha paksira z -α/ ilai baku ormal pada taraf yata α Brdasarka iformasi yag diprolh dari pusksmas Kra, di kcamata Bulak trcatat 66 balita dga proporsi balita yag gizi kurag adalah sbsar 8%. Dga mgguaka batas ksalaha sbsar 5%, α 0.05 da z α/.96, maka umlah sampl yag diambil adalah sbsar balita. a. Variabl Rspo Variabl yag brpra sbagai variabl rspo (Y adalah status gizi balita brskala data ordial. Pgkodiga status gizi balita didasari pada ilai Zscor. Brdasarka iformasi dari pihak Pusksmas Kra, tidak ditmuka balita laya di kcamata Bulak yag brstatus gizi buruk, shigga dalam hal ii status gizi balita laya mmakai kritria sbagai brikut. Gizi lbih 0 dga kritria Zscor > Gizi ormal dga kritria - < Zscor Gizi kurag dga kritria -3 < Zscor - b. Variabl Prdiktor Variabl prdiktor (X yag diguaka pada plitia ii trdiri dari variabl yag brkaita dga ibu da variabl yag brkaita dga balita. Tabl 3. Variabl Yag Brkaita Dga Ibu Variabl Katgori Usia ibu mikah (X X 0, ika usia ibu mikah 0 tahu X, ika usia ibu mikah >0 tahu Usia ibu mlahirka (X X 0, ika usia ibu prtama mlahirka 0 tahu X, ika usia ibu prtama mlahirka > 0 tahu Pdidika ibu (X 3 X 3 0, ika ibu tidak tamat SMP X 3, ika ibu tamat SMP Tabl 3. Variabl Yag Brkaita Dga Balita Variabl Kritria Katgori Pyakit yag srig didrita (X 4. Batuk pilk. Dmam 3. Slulit 4. Alrgi 5. Asma 6. Epilpsi X 4 0, ika balita mdrita pyakit cukup brat yaitu pilpsi da asma X 4, ika balita mdrita pyakit riga yaitu batuk pilk, slulit, alrgi da dmam 4

5 Lauta Tabl 3. Variabl Kritria Katgori Pyakit yag srig didrita (X 4 Frkusi trsrag pyakit dalam bula (X 5 Klgkapa imuisasi (X 6. Batuk pilk. Dmam 3. Slulit 4. Alrgi 5. Asma 6. Epilpsi. Tidak prah. - kali 3. > kali. BCG. Hpatitis B 3. DPT 4. Polio 5. Campak Pghasila (X 7. Rp > Rp Jumlah aggota kluarga (X 8 Saraa saitasi (X 9. 4 orag. > 4 orag. Mmiliki toilt. Sumbr air brsih 3. Mmiliki tmpat sampah 4. Mmiliki Saptic Tak X 4 0, ika balita mdrita pyakit cukup brat yaitu pilpsi da asma X 4, ika balita mdrita pyakit riga yaitu batuk pilk, slulit, alrgi da dmam X 5 0, ika frkusi tr-srag pyakit kali X 5, ika frkusi tr-srag pyakit > kali X 6 0, ika imuisasi tidak lgkap yaitu diimuisasi dga salah satu dari klima vaksi trsbut atau blum diimuisasi X 6, ika imuisasi lgkap yaitu balita tlah diimuisasi dga klima vaksi trsbut X 7 0, ika pghasila Rp X 7, ika pghasila > Rp X8 0, ika kluarga kcil atau umlah aggota kluarga dalam satu rumah maksimal mpat orag X 8, ika kluarga bsar atau umlah aggota kluarga dalam satu rumah lbih dari mpat orag X 9 0, ika saitasi blum baik yaitu haya mmuhi salah satu dari kmpat kritria trsbut X 9, ika saitasi sudah baik, ika tlah mmuhi kmpat kritria trsbut Pmbria ASI (X 0. < tahu X 0 0, ika pmbria ASI < tahu. tahu X 0, ika pmbria ASI tahu Asupa makaa (X Frkusi pmbria makaa pokok (X. Karbohidrat. Sayur-sayura 3. Buah-buaha 4. Lauk-pauk 5. Susu. kali. > kali Pola asuh balita (X 3. Diasuh sdiri. Diasuh olh orag lai Aalisis Data Utuk mawab tuua, brikut aalisis data yag diguaka utuk mgtahui faktorfaktor yag mmpgaruhi status gizi balita laya sbagai brikut : a Mtuka ilai variabl rspo dga mgguaka idikator status gizi balita. Status gizi balita di Surabaya diukur dga mgguaka atro-pomtri brat bada murut umur (Dirktorat Gizi Masyarakat Dpks RI, 999. b Mlakuka aalisis dskriptif dga mgguaka tabulasi silag trhadap variabl rspo dga variabl prdiktor utuk mgtahui karaktristik ibu da balita. X 0, ika asupa makaa tidak mmuhi 4 shat 5 smpura yaitu haya m-muhi salah satu dari k-5 kritria trsbut X, ika asupa makaa mmuhi 4 shat 5 smpur yaitu tlah mmuhi k-5 kritria trsbut X 0, ika frkusi maka kali X, ika frkusi maka > kali X 3 0, ika balita diasuh olh orag lai yaitu diasuh olh saudara atau ttagga pada saat oragtua balita prgi bkra X 3, ika balita diasuh sdiri, yaitu diasuh olh oragtua 5 c Mlakuka ui idpdsi utuk mgtahui hubuga atara variabl rspo dga variabl prdiktor d Mgui sigifikasi variabl prdiktor yag brpgaruh trhadap variabl dpd dari modl rgrsi logistik ordial brgada dga mgguaka ui srtak. Mlakuka pmiliha variabl prdiktor yag tidak sigifika trhadap modl rgrsi logistik ordial brgada utuk dikluarka dari modl. Jika trdapat lbih dari satu variabl yag tidak sigifika maka pmiliha modl dilakuka scara brtahap, yaitu satu prsatu dimulai dari ilai p_valu yag trbsar dga mgguaka ui parsial shigga didapatka modl tuggal.

6 Hal ii trus dilakuka sampai smua variabl prdiktor sigifika shigga diprolh modl yag trbaik. f Mmbtuk modl rgrsi logistik ordial dga sluruh variabl prdiktor yag sigifika. 4. Aalisis Da Pmbahasa Dari hasil survi yag dilakuka di kcamata Bulak Surabaya trhadap 09 balita tryata trdapat 30 balita brstatus gizi kurag. Lagkah prtama yag harus dilakuka trlbih dahulu adalah ilai variabl rspo yag dittuka dga mgguaka Zscor brdasarka atropomtri BB/U kmudia dilautka dga aalisis dskriptif da aalisis rgrsi logistik. Ptua Nilai Variabl Rspo (Y Nilai variabl rspo dittuka dga mgguaka idikator status gizi balita. Ptua status gizi balita didasarka pada ilai Zscor, sdagka ilai Zscor ii ssuai dga atura baku brat bada murut umur brdasarka WHO-NCHS. Utuk pgamata prtama adalah balita prmpua brusia 36 bula dga brat bada (BB 7. kg. Murut Tabl Baku Brat Bada Brdasarka Umur WHO-NCHS, usia 36 bula mdiaya (Md 3.9, kara BB > Md maka mgguaka stadart dviasi uppr yaitu.6. Nilai Zscor brdasarka Prsamaa (.7 diprolh sbsar.06, tryata Zscor > da pilaia status gizi brdasarka idks BB/U, balita trsbut masuk dalam katgori gizi lbih. Bgitu slautya ptua status gizi utuk balita yag lai. Karaktristik Ibu Balita Nlaya Kcamata Bulak Surabaya Utuk mgtahui karaktristik ibu balita laya di kcamata Bulak Surabaya, maka dilakuka tabulasi silag atara variabl karaktristik ibu dga status gizi balita. Hasil tabulasi silag disaika pada Tabl 4. Tabl 4. Tabulasi Silag Variabl Karaktristik Ibu dga Status Gizi Balita. Variabl Katgori Status Gizi Balita Total Lbih (% Normal (% Kurag (% Usia ibu 0 tahu mlahirka > 0 tahu Pdidika ibu (% Total Tidak tamat SMP Tamat SMP Total Dilihat dari usia ibu mlahirka, 55% ibu mlahirka pada usia 0 tahu da 45% ibu mlahirka diusia diatas 0 tahu. Tigkat pdidika rdah dapat mdorog waita kluarga laya utuk mikah diusia muda. Kbayaka orag tua laya lbih mmilih aak prmpuaya mikah pada usia muda daripada harus mgyam pdidika dikaraka miimya pghasila orag tua. Pada umumya ibu yag tidak tamat SMP, sbagaia bsar haya mmpuh di tigkat skolah dasar saa. Tabl 4. muukka bahwa sbagia bsar ibu balita di kcamata Bulak tidak tamat SMP yaitu sbsar 66%, sdagka 34% ibu balita yag pdidika trakhirya tamat SMP. Alasa yag mybabka rdahya pdidika ibu yaitu faktor biaya pdidika yag smaki mahal da kuragya ksadara aka ptigya pdidika. Karaktristik Balita Nlaya Kcamata Bulak Surabaya Karaktristik balita laya di kcamata Bulak Surabaya, disaika dalam tabulasi silag atara variabl karaktristik balita dga status gizi balita. 6

7 Tabl 4. Tabulasi Silag Variabl Klgkapa Imuisasi vs Status Gizi Balita Variabl Katgori Status Gizi Balita Total Lbih Normal Kurag (% (% (% (% Klgkapa Tidak lgkap imuisasi Lgkap Total Di kcamata Bulak masih bayak ditmuka balita kluarga laya yag tidak diimuisasi scara lgkap. Tabl 4. muukka bahwa 40% balita sudah diimuisasi scara lgkap da 60% balita yag blum diimuisasi scara lgkap, hal ii srigkali disbabka kodisi kshata balita itu sdiri. Balita trsbut diimuisasi dalam kdaaa kurag shat aka brdampak kurag baik bagi kshata, olh kara itu balita tidak diiimuisasi utuk smtara waktu sampai kodisi kshataya sudah bar-bar mmbaik. Disampig itu ada alasa lai yag mybabka balita tidak diimuisasi scara lgkap yaitu sikap ibu yag mgsampigka imuisasi, kuragya pgtahua da ksadara ibu trhadap ptigya imuisasi pada balita. Tabl 4.3 Tabulasi Silag Variabl Pghasila vs Status Gizi Balita Variabl Katgori Status Gizi Balita Total Lbih Normal Kurag (% (% (% (% Pghasila Rp , > Rp , Total Tabl 4.3 muukka bahwa 6% laya mmpuyai pghasila Rp ,00 dalam satu bula. Sdagka 39% laya brpghasila lbih dari Rp ,00 prbula. Pghasila rumah tagga laya bragam. Hal ii tidak lpas dari pgaruh pkraa laya slai mcari ika di laut trdapat bbrapa laya yag mcari tambaha pghasila dga mmbuka kios-kios makaa, da madi pmadu wisata di tmpat pariwisata Patai Kra. Namu ada bbrapa rumah tagga mmiliki pghasila di bawah upah miimum rgioal, agar dapat brtaha hidup mrka aka mmita batua kpada aggota rumah tagga lai utuk madi tumpua prkoomia. Ui Idpdsi atara Variabl Rspo Variabl Prdiktor dga Variabl Prdiktor Hipotsis: H 0 : Tidak ada hubuga atara variabl prdiktor dga variabl rspo H : Ada hubuga atara variabl prdiktor dga variabl rspo Tolak H 0 apabila p_valu < α (α 0% Tabl 4.4 Ui Idpdsi Atara Variabl Rspo Dga Variabl Prdiktor Variabl Y dga Chi-Squar Parso P_valu Kputusa Ksimpula X tolak H 0 dpd X trima H 0 idpd X tolak H 0 dpd X trima H 0 idpd X tolak H 0 dpd X tolak H 0 dpd X trima H 0 idpd X tolak H 0 dpd X trima H 0 idpd X tolak H 0 dpd X trima H 0 idpd Catata : sigifika pada α 0% 7

8 Brdasarka Tabl 4.4 diktahui bahwa variabl yag salig dpd adalah Y dga X, Y dga X 3, Y dga X 6, Y dga X 7, Y dga X 9, da Y dga X. Shigga variabl yag diguaka pada plitia ii adalah variabl : usia ibu mikah (X, pdidika ibu (X 3, klgkapa imuisasi (X 6, pghasila (X 7, saraa saitasi (X 9, da frkusi pmbria makaa pokok (X. Aalisis Rgsi Logistik Ordial Utuk mgtahui faktor-faktor yag mmpgaruhi status gizi balita, maka dilakuka ui srtak da ui parsial. Modl Rgrsi Ordial Scara Brgada Hipotsis : H 0 : β β... β 6 0 H : Miimal ada satu β 0,,,..., 6 Statistik Ui : G Pguia dga liklihood ratio tst muukka bahwa ilai G da ilai p-valu sbsar 0.00 < α0% maka tolak H 0 artiya trdapat satu atau lbih variabl bbas yag brpgaruh scara sigifika trhadap status gizi balita. Hasil pguia scara srtak dapat dilihat pada Tabl 4.5. Tabl 4.5 Rgrsi Logistik Ordial Brgada Variabl Estimasi B Wald P_valu Cost (0 Cost ( Usia ibu mikah (X X ( Pdidika ibu ( X 3 X 3 ( Klgkapa imuisasi ( X 6 X 6 ( Pghasila (X 7 X 7 ( Saraa saitasi ( X X ( Frkusi pmbria makaa pokok (X X ( Catata : sigifika pada α 0% Odds Rasio Tabl 4.5 muukka bahwa H 0 ditolak apabila ilai sigifikasi smua paramtr variabl idpd yag masuk modl lbih kcil dari α0%, artiya bahwa palig tidak ada satu paramtr variabl idpd tidak sama dga ol. Variabl idpd yag sigifika yag scara brsama-sama mmpgaruhi status gizi adalah pdidika ibu (X 3, klgkapa imuisasi (X 6, da pghasila (X 7. Brdasarka hasil stimasi paramtr modl rgrsi logistik brgada, maka dapat dibtuk modl logit utuk status gizi ormal (logit da modl logit utuk status gizi kurag (logit. Logit : g ( x (Pdidika ibu tidak tamat SMP +.0 (Imuisasi tidak lgkap.053 (Pghasila Rp Logit : g ( x (Pdidika ibu tidak tamat SMP +.0 (Imuisasi tidak lgkap.053 (Pghasila Rp Modl rgrsi logistik adalah sbagai brikut. xp( X3(0 +.0X6(0.053X7(0 Y xi xp( X3(0 +.0X6(0.053X7(0 xp( X3(0 +.0 X6(0.053X7(0 Y xi xp( X3(0 +.0 X6(0.053X7(0 Brdasarka hasil prhituga, ilai odds rasio utuk variabl pdidika ibu (X 3 adalah sbsar.59 artiya pdidika ibu tidak tamat SMP brsiko aka mmiliki balita brstatus gizi kurag sbsar.59 kali dibadig yag brgizi ormal atau lbih pada ibu yag tamat SMP. Nilai odds rasio utuk variabl klgkapa imuisasi (X 7 adalah sbsar.78 mmbrika arti bahwa balita yag imuisasiya 8

9 tidak lgkap mmiliki rsiko brstatus gizi kurag sbsar.78 kali dibadig yag brgizi ormal atau lbih pada balita yag imuisasiya lgkap. Sdagka ilai odds rasio utuk variabl pghasila adalah sbsar.87, hal ii dapat diartika bahwa oragtua balita yag brpghasila Rp ,- brsiko aka mmiliki balita brstatus gizi kurag sbsar.87 kali dibadig balita yag brgizi ormal atau lbih pada oragtua balita yag brpghasila lbih dari Rp ,-. Pluag utuk masig-masig katgori status gizi; ormal φ (, kurag φ (, da x x lbih φ0 diprolh brdasarka Prsamaa (.5, (.6,da (.7. Adapu hasil prhitugaya adalah φ ( x 0.45, φ 0.5, da φ Dari hasil pluag di atas dapat di-simpulka bahwa ika sorag balita mmiliki ibu yag pdidikaya tidak tamat SMP dga pghasila oragtua Rp ,-, da balita trsbut tidak diimuisasi lgkap brpluag utuk brstatus gizi kurag sbsar 0.5 da brpluag utuk brstatus gizi ormal atau lbih sbsar Modl Rgrsi Ordial Scara Idividu Hipotsis : H 0 : β 0,,, 3 H : β 0 Pada Tabl 4.6 dituukka bahwa variabl yag sigifika trhadap status gizi balita laya adalah variabl pdidika ibu (X 3, klgkapa imuisasi (X 6, da pghasila (X 7. Brdasarka hasil stimasi paramtr pada Tabl 4.6 maka modl logit utuk status gizi lbih (logit da modl logit utuk status gizi ormal (logit sbagai brikut. Tabl 4.6 Rgrsi Logistik Ordial Idividu Odds Variabl Estimasi B Wald P_valu Rasio Cost (0 Cost ( Pdidika ibu ( X 3 X 3 (0 Cost (0 Cost ( Klgkapa imuisasi ( X 6 X 6 (0 Cost (0 Cost ( Pghasila ( X 7 X 7 ( Catata : sigifika pada α 0% Pdidika ibu Logit : g (x (Pdidika tidak tamat SMP Logit : g (x (Pdidika tidak tamat SMP Modl rgrsi logistik adalah xp ( Pdidikaibu tidak tamatsmp Y xi xp ( Pdidikaibu tidak tamatsmp xp ( Pdidika ibu tidak tamat SMP Y xi xp ( Pdidika ibu tidak tamat SMP 9 Nilai odds rasio sbsar.7 mmbrika arti bahwa ibu yag pdidikaya tidak tamat SMP brsiko aka mmpuyai balita brstatus gizi kurag sbsar.7 kali dibadigka dga ibu yag tamat SMP yag mmiliki balita brgizi ormal atau lbih. Pluag utuk masig-masig katgori status gizi; ormal φ ( x, kurag φ, da lbih φ0 diprolh brdasarka Prsamaa (.5, (.6, da (.7. Hasil prhituga pluag adalah φ ( x 0.37, φ 0.54, da φ ( 0 x Brdasarka hasil prhituga ilai pluag maka dapat disimpulka bahwa, ibu yag pdidikaya tidak tamat SMP br-

10 pluag mmiliki balita brstatus gizi kurag sbsar 0.54 da brpluag mmiliki balita brstatus gizi ormal atau lbih sbsar Klgkapa imuisasi Logit : g (x (Imuisasi tidak lgkap Logit : g (x (Imuisasi tidak lgkap Modl rgrsi logistik adalah sbagai brikut. xp ( Imuisasi tidak lgkap Y xi xp ( Imuisasi tidak lgkap xp ( Imuisasi tidak lgkap Y xi xp ( Imuisasi tidak lgkap Nilai odds rasio sbsar.66 mmbrika arti bahwa balita yag imuisasiya tidak lgkap brsiko aka brstatus gizi kurag sbsar.66 kali dibadig yag brgizi ormal atau lbih pada balita yag imuisasiya lgkap. Dga pluag masig-masig katgori status gizi; φ ( x 0.4, φ 0.5, da φ maka dapat disimpulka bahwa balita yag imuisasiya tidak lgkap brpluag utuk gizi kurag adalah 0.5 da brpluag utuk brstatus gizi ormal atau lbih adalah sbsar Pghasila Logit : g (x (Pghasila Rp ,- Logit : g (x (Pghasila Rp ,- Modl rgrsi logistik adalah xp ( Pghasila Rp ,- Y xi xp ( Pghasila Rp ,- xp ( Pghasila Rp ,- Y xi xp ( Pghasila Rp ,- Nilai odds rasio sbsar 3.8 dapat diartika bahwa oragtua balita yag brpghasila Rp ,- brsiko aka mmiliki balita brstatus gizi kurag sbsar 3.8 kali dibadig balita yag brgizi ormal atau lbih pada oragtua balita yag brpghasila lbih dari Rp ,-. Adapu pluag masig-masig katgori status gizi adalah φ ( x 0.3, φ 0.6, da φ Brdasarka hasil prhituga ilai pluag maka dapat disimpulka bahwa ika oragtua balita yag brpghasila Rp ,- brpluag utuk mmiliki balita brstatus gizi kurag sbsar 0.6 da brpluag mmpuyai balita yag brstatus gizi ormal atau lbih sbsar Ui Kssuaia Modl Rgrsi Logistik Hipotsis : H 0 : Modl cukup mmuhi H : Modl tidak mmuhi Statistik Ui : χ χ (tabl Brdasarka hasil prhituga dapat diktahui bahwa ilai χ hitug < χ (tabl da ilai p-valu sbsar 0.85>α0% maka trima H 0 artiya modl cukup mmuhi shigga tidak ada prbdaa atara hasil obsrvasi dga kmugkia hasil prdiksi modl. 5. Ksimpula Brdasarka hasil aalisis da pmbahasa dapat diambil ksimpula sbagai brikut.. Karaktrstik ibu balita laya di kcamata Bulak Surabaya 66% brpdidika tidak tamat SMP, 67% usia ibu mikah 0 tahu da 55% dari ibu balita yag mahirka dga usia 0 tahu. Sdagka karaktristik balita di kcamata Bulak Surabaya adalah sbagia bsar balita status giziya ormal yaitu sbsar 58.7%, 5% rumah tagga laya tr-golog kluarga bsar da 6% laya dalam satu bula brpghasila Rp ,-. Apabila dilihat dari saraa saitasi, 7% rumah tagga laya saraa saitasiya blum baik, sbagia bsar balita dibri ASI kurag dari tahu da imuisasiya tidak lgkap yaitu sbsar 63% da 60%. Mayoritas balita diasuh sdiri olh ibu dikaraka ibu balita brprofsi sbagai ibu rumah tagga da sbagia bsar dibri asupa makaa yag mmuhi mpat shat lima smpura yaitu sbsar 80%.. Faktor-faktor yag mmpgaruhi status gizi balita laya di kcamata Bulak Surabaya pada tigkat sigifikasi 0% adalah pdidika ibu, klgkapa imuisasi, da pghasila.

11 3 Pluag sorag ibu yag brpdidika tidak tamat SMP aka mmiliki balita brstatus gizi kurag sbsar 0.54, sdagka aka mmiliki balita brstatus gizi ormal atau lbih sbsar Brdasarka klgkapa imuisasi yag dibrika pada balita, balita yag imuisasiya tidak lgkap brpluag utuk brstatus gizi kurag adalah sbsar 0.5, sdagka pluag brstatus gizi ormal atau lbih adalah sbsar Apabila dilihat dari pghasila, oragtua balita yag brpghasila dlam satu bula Rp ,- brpluag utuk mmiliki balita brstatus gizi kurag sbsar 0.6, sdagka yag brstatus gizi ormal atau lbih sbsar Daftar Pustaka Agrsti, A. 00. Catgorical Data Aalysis. Nw York : Joh Wily ad Sos. USA Almatsir, S Prisip Dasar Ilmu Gizi. Jakarta : Gramdia Pustaka Utama. Astuti, S, da Iriawa, N Mgolah Data Statistik dga Mudah Mgguaka Miitab 4. Yogyakarta : Prbit Adi Offst. Cochra, G. William Samplig Tqiqus. Nw York : Joh & So s, Ic. Ditg, R. D Kaia Plitia Gizi. Jakarta : Mdiyatama Saraa Prkasa. Dumadias, A Aplikasi Atropomtri Sbagai Alat Ukur Status Gizi. Bogor: Puslitbag Gizi Bogor. Faar, I., Bakri, B., da Supariasa, I. 00. Pilaia Status Gizi. Jakarta : Prbit Buku Kdoktra EGC. Hosmr da Lmshow Applid Logistic Rgrssio. Joh Wily ad Sos. USA. Ikata Doktr Aak Idosia Imuisasi Pada Bayi da Balita. (taggal akss 0 Oktobr 009. Ikhwasyah. 00. Profil Rvitalisasi Posyadu. (taggal akss Sptmbr 009. Suhardo Prcaaa Paga da Gizi. Jakarta : Bumi Aksara. Walpol, Roald E Pgatar Statistika. Jakarta : Gramdia Pustaka Utama.

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA Vol. 5, No., Desember 009: 4-44 ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA Destri Susilaigrum da Citra Elok Megahardiyai

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

Lebih terperinci

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila

Lebih terperinci

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73 67, 1/ (16), 67-73 STUDI OPARASI IPLEENTASI URIULU PADA PEBELAJARAN ASELERASI DAN PEBELAJARAN REGULER (ajia pada las XI CI+BI IPA da las XI IPA di SAN 1 Padag) Yssi Rifmasari STIP Adzkia Padag Email :

Lebih terperinci

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria BAB II LANDASAN EORI Pada bab ii aka dibahas tori tori pdukug yag aka diguaka pada bab slajutya, atara lai modl matmatika, modl pidmik SIR klasik, ilai ig, prsamaaa difrsial, sistm prsamaa difrsial, titik

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT

PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT PENERIMAAN APLIKASI KAMUS ISTILAH AKUNTANSI PADA SMARTPHONE DENGAN METODE UTAUT Qoriai Widayati 1, Fbriyati Pajaita 2 Dos Uivrsitas Bia Darma 1, Dos Uivrsitas Bia Darma 2 Jala Jdral Ahmad Yai No.12 Palmbag

Lebih terperinci

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

Lebih terperinci

Transformasi Fourier Waktu Diskrit

Transformasi Fourier Waktu Diskrit Praktikum Isyarat da Sistm Topik 5 Trasformasi ourir Waktu Diskrit Tuua Mahasiswa dapat mtuka da mgguaka trasformasi ourir waktu diskrit dalam aalisa suatu sistm LTI Mahasiswa dapat mgguaka MATLAB sbagai

Lebih terperinci

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK PERLUASAN METDE NEWTN DENGAN PENDEKATAN PARABLIK Abdul Rahma, Supriadi Putra, Bustami Mahasiswa Program Studi S Matmatika Dos JurusaMatmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau Kampus

Lebih terperinci

Analisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino

Analisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika

Lebih terperinci

Penerapan Balanced Scorecard pada Pengukuran Kinerja Lembaga Pendidikan

Penerapan Balanced Scorecard pada Pengukuran Kinerja Lembaga Pendidikan Prapa Balacd Scorcard pada Pgukura Kirja Lmbaga Pdidika Nasir Widha Styato Program Studi Tkik Idustri Fakultas Tkik Uivrsitas Brawijaya Jala MT. Haryoo 167, Malag 65145, Idosia azzyr_li@ub.ac.id Arif Rahma

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

Hartono Guntur *) *) Staf Pengajar Jurusan Teknik Sipil STTR Cepu. Jl. Kampus Ronggolawe Blok B No. 1. Mentul Cepu

Hartono Guntur *) *) Staf Pengajar Jurusan Teknik Sipil STTR Cepu. Jl. Kampus Ronggolawe Blok B No. 1. Mentul Cepu 10 Aalisa Ssitivitas ggua Trhadap gmbaga Trasportasi Krta Api Sbagai Altratif Trasportasi atai Utara Jawa ( Rut : Smarag Surabaya ) Hartoo Gutur *) *) Staf gajar Jurusa Tkik Sipil STTR Cpu Jl. Kampus Roggolaw

Lebih terperinci

TINJAUAN PUSTAKA PENDAHULUAN

TINJAUAN PUSTAKA PENDAHULUAN PEDAHULUA Latar Blakag Dalam bidag didika, kgiata ilaia atau valuasi hasil blajar srta didik mruaka salah satu tugas tig yag harus dilakuka olh didik. Evaluasi hasil blajar srta didik dilakuka utuk mgtahui

Lebih terperinci

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol No Juli 6 ISSN 6-5 Mtod Itrasi Tiga Lagkah dga rd Kovrgsi Eam utuk Mlsaika Prsamaa Noliar M Ari da M M Niam Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari

Lebih terperinci

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear Smiar asioal Tkologi Iormasi Komuikasi da Idustri STIKI 9 ISS Pritd : 9- Fakultas Sais da Tkologi UI Sulta Sari Kasim Riau ISS li : 9-6 Pkabaru 8-9 Mi Mtod Itrasi rd Kovrgsi Eam Utuk Plsaia Prsamaa oliar

Lebih terperinci

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal

Modifikasi Metode Bahgat tanpa Turunan Kedua dengan Orde Konvergensi Optimal Smiar Nasioal Tkologi Iformasi, Komuikasi da Idustri (SNTIKI 9 ISSN (Pritd : 79-77 Fakultas Sais da Tkologi, UIN Sulta Syarif Kasim Riau ISSN (Oli : 79-406 Pkabaru, -9 Mi 07 Modifikasi Mtod Bahgat tapa

Lebih terperinci

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra METODE SENT-MIDPOINT NEWTON UNTUK MENYELESIKN PERSMN NONLINER Supriadi Putra sputra@uri.ac.id Laboratorium Komputasi Jurusa Matmatika Fakultas Matmatika da Ilmu Pgtahua lam Uivrsitas Riau Kampus Biawidya

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

UNDERSTADING THE POLICY MAKING ASSOCIATED WITH THE DECREE OF THE MINISTRY OF EDUCATION AND CULTURE NUMBER 107/U/2001

UNDERSTADING THE POLICY MAKING ASSOCIATED WITH THE DECREE OF THE MINISTRY OF EDUCATION AND CULTURE NUMBER 107/U/2001 EAHAAN ENGABIL KEBIJAKAN TERHADA SK ENDIKNAS NOOR 107/U/2001 UNDERSTADING THE OLICY AKING ASSOCIATED WITH THE DECREE OF THE INISTRY OF EDUCATION AND CULTURE NUBER 107/U/2001 Ida alati Sajati Sri Kuriati

Lebih terperinci

PENGARUH PERIKLANAN KOMERSIL DENGAN KONSEP AIDA TERHADAP KEPUTUSAN PEMBELIAN PADA MEDIA RADIO RADIKA 100,3 FM MAJALENGKA

PENGARUH PERIKLANAN KOMERSIL DENGAN KONSEP AIDA TERHADAP KEPUTUSAN PEMBELIAN PADA MEDIA RADIO RADIKA 100,3 FM MAJALENGKA PENGAUH PEIKLANAN KOMESIL DENGAN KONSEP AIDA TEHADAP KEPUTUSAN PEMBELIAN PADA MEDIA ADIO ADIKA 100,3 FM MAJALENGKA Olh :. NENY KUSUMADEWI *) Email : kusumadwi.y@gmail.com ABSTAK Plitia ii brtujua utuk

Lebih terperinci

Analisis Faktor Faktor Yang Mempengaruhi Kemampuan. : Pemecahan Masalah, Soal Cerita Matematika

Analisis Faktor Faktor Yang Mempengaruhi Kemampuan. : Pemecahan Masalah, Soal Cerita Matematika Kartika Hadayai Z Aalisis Faktor Faktor Yag Mmpgaruhi Kmampua PmcahaMasalah Soal Crita Matmatika Kartika Hadayai Z Prodi Pdidika Matmatika PPs Uivrsitas Ngri Mda Email: kartikahadayaiasthaas@yahoo.com

Lebih terperinci

JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print) 54

JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print) 54 JURNAL TEKNIK ITS Vol. 5, No., (06) ISSN: 337-3539 (30-97 Pri 54 Pracaga Kotrolr PID-Fuzzy utuk Sistm Pgatura Cascad Lvl da Flow pada Basic Procss Rig 38-00 Dwi Arki Pritadi, Joko Susila, Eka Iskadar Jurusa

Lebih terperinci

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN Supriadi Putra Jurusa Matmatika Fakultas Matmatika da Ilmu Pgtahua Alam Uivrsitas Riau, Pkabaru ABSTRAT This articl discusss a simpl modiicatio

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter

Modifikasi Metode Iterasi Dua Langkah dengan Satu Parameter Smiar Nasioal Tkologi Iormasi, Komuikasi da Idustri SNTIKI 9 ISSN Pritd : 79-77 Fakultas Sais da Tkologi, UIN Sulta Sari Kasim Riau ISSN Oli : 79-406 Pkabaru, 8-9 Mi 07 Modiikasi Mtod Itrasi Dua Lagkah

Lebih terperinci

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga)

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga) INTEGRA FOURIER DISUSUN OEH : Klompok III (Tiga). Maruah (7 6). Yusi Oktavia (7 45 ) 3. Widya Elvi AS (7 45) 4. Azar Saarudi (7 454) 5. Irmaati (7 455) Mata Kuliah Dos Pgasuh Klas : Matmatika ajuta : Fadli,

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA

KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA Vol. 9. No. Jural Sais Tkologi da Idustri KONVERGENSI MODIFIKASI METODE NEWTON GANDA DENGAN MENGGUNAKAN KELENGKUNGAN KURVA Yuslita Muda Wartoo Novi Maulaa Laboratorium Matmatika Trapa Jurusa Matmatika

Lebih terperinci

Modifikasi Metode Newton-Steffensen Bebas Turunan

Modifikasi Metode Newton-Steffensen Bebas Turunan Smiar Nasioal Tkologi Iormasi Komuikasi da Idustri SNTIKI 7 ISSN :08-990 Pkabaru Novmbr 0 Modiikasi Mtod Nto-Sts Bbas Turua M. Niam M.Y Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau

Lebih terperinci

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Vol. 9. No., 0 Jural Sais, Tkologi da Idustri METODE ITERASI BARU UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Supriadi Putra, Ria Kuriawati, Asmara Karma sputra@uri.ac.id Laboratorium Matmatika Trapa Jurusa

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh Jural Sais Matmatika da Statistika Vol. No. Juli 0 ISSN 0- Modiikasi Varia Mtod Nwto dga rd Kovrgsi Tujuh Wartoo Ria Rasla Jurusa Matmatika Fakultas Sais da Tkologi UIN Sulta Sari Kasim Riau Jl. HR. Sobratas

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465)

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465) = DATA DAN METODE PENELITIAN Data Peelitia Data yag diguaka dalam peelitia ii adalah data primer hasil yag diperoleh melalui peyebara kuisioer da metode wawacara sebagai data pelegkap. Pegumpula data dilaksaaka

Lebih terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya SEMINAR TUGAS AKHIR POLA HUBUNGAN ANTARA STATUS GIZI BALITA DAN FAKTOR- FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KESEJAHTERAAN KELUARGA PADA KELUARGA NELAYAN DI SURABAYA TIMUR Oleh : Rindyanita Rizky K.

Lebih terperinci

KONVERGENSI MODIFIKASI METODE POTRA - PTAK DENGAN MENGGUNAKAN KELENGKUNGAN KURVA TUGAS AKHIR

KONVERGENSI MODIFIKASI METODE POTRA - PTAK DENGAN MENGGUNAKAN KELENGKUNGAN KURVA TUGAS AKHIR KNVERGENSI MDIFIKASI METDE PTRA - PTAK DENGAN MENGGUNAKAN KELENGKUNGAN KURVA TUGAS AKHIR Diajuka sbagai Salah Satu Sarat utuk Mmprolh Glar Sarjaa Sais pada Jurusa Matmatika lh: YUZI ANDRI SUHARYN 0800086

Lebih terperinci

KLASIFIKASI ACUTE CORONARY SYNDROME DENGAN NILAI LIPID PROFILE RSUD dr. ZAINOEL ABIDIN BANDA ACEH

KLASIFIKASI ACUTE CORONARY SYNDROME DENGAN NILAI LIPID PROFILE RSUD dr. ZAINOEL ABIDIN BANDA ACEH KLASIFIKASI ACUTE CORONARY SYNDROME DENGAN NILAI LIPID PROFILE RSUD dr. ZAINOEL ABIDIN BANDA ACEH THE ACUTE CORONARY SYNDROME CLASSIFICATION BETWEEN LIPID PROFILE VALUES IN RSUD dr. ZAINOEL ABIDIN BANDA

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear Jural Sais Matmatika da Statistika Vol o Jauari ISS - prit/iss - oli Mtod Itrasi Tiga Lagkah Bbas Turua rd Kovrgsi Dlapa utuk Mlsaika Prsamaa oliar M Muhaiir L L ada Jurusa Matmatika Fakultas Sais da Tkologi

Lebih terperinci

Sudaryatno Sudirham ing Utari. Mengenal Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1)

Sudaryatno Sudirham ing Utari. Mengenal Sudaryatno S & Ning Utari, Mengenal Sifat-Sifat Material (1) Sudaryato Sudirham ig Utari Mgal Sifat-Sifat Matrial () - Sudaryato S & Nig Utari, Mgal Sifat-Sifat Matrial () BAB Sifat-Sifat Thrmal Sjumlah rgi bisa ditambahka k dalam matrial mlalui pmaasa, mda listrik,

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes

Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes Jural gmbaga Tkologi Iformasi da Ilmu Komputr -ISSN: -X Vol., No., Oktobr, hlm. - http://j-ptiik.ub.ac.id Klasifikasi Brita Twittr Mgguaka Mtod Improvd Naïv Bays Budi Kuriawa, Mochammad Ali auzi, Agus

Lebih terperinci

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER

PENALA NADA ALAT MUSIK MENGGUNAKAN ALIHRAGAM FOURIER PENL ND L MUSIK MENGGUNKN LIHRGM OURIER Olh : di Kuria (L57) Jurusa kik Elktro akultas kik Uivrsitas Dipogoro Jl. Pro. H Sudarto S. H., mbalag, Smarag -mail : Katrosid@Yahoo.com bstrak - Mlalui pristiwa

Lebih terperinci

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah

Penyelesaian Persamaan Nonlinear Menggunakan Metode Iterasi Tiga Langkah Smiar Nasioal Tkologi Iormasi, Komuikasi da Idustri SNTIKI ISSN Pritd : -1 Fakultas Sais da Tkologi, UIN Sulta Sari Kasim Riau ISSN li : -0 Pkabaru, 1-1 Mi 01 Plsaia Prsamaa Noliar Mgguaka Mtod Itrasi

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik

Lebih terperinci

Perencanaan Optimal Sistem Kontrol AVR (Automatic Voltage Regulator) Untuk Memperbaiki Kestabilan Tegangan Dengan Menggunakan Algoritma Genetik

Perencanaan Optimal Sistem Kontrol AVR (Automatic Voltage Regulator) Untuk Memperbaiki Kestabilan Tegangan Dengan Menggunakan Algoritma Genetik Abstrak Prcaaa Optimal Sistm Kotrol A (Automatic oltag gulator) Utuk Mmprbaiki Kstabila Tgaga Dga Mgguaka Algoritma Gtik Makalah Tugas Akhir Disusu Olh : driyato NW LF30437 Jurusa Tkik lktro Fakultas Tkik

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

KAJIAN KERAKTERISTIK DAN POLA PERJALANAN PENUMPANG ANGKUTAN UMUM PERKOTAAN (Studi Kasus: Angkutan Perkotaan Yogyakarta)

KAJIAN KERAKTERISTIK DAN POLA PERJALANAN PENUMPANG ANGKUTAN UMUM PERKOTAAN (Studi Kasus: Angkutan Perkotaan Yogyakarta) KAJIAN KERAKTERISTIK DAN POLA PERJALANAN PENUMPANG ANGKUTAN UMUM PERKOTAAN (Studi Kasus: Agkuta Prkotaa Yogyakarta) Nidyo Cahyo Krsato Staf Pgajar Jurusa Tkik Sipil Fakultas Tkik Uivrsitas Jaabadra Yogyakarta

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah

Lebih terperinci

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

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

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi, BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep

Lebih terperinci

Kata Kunci : CHAID, IPM, regresi logistik ordinal.

Kata Kunci : CHAID, IPM, regresi logistik ordinal. ANALISIS CHAID DAN REGRESI LOGISTIK ORDINAL PADA INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Liaa Yuita Sari, Sri Sulistijowati Hadajai, da Satoso Budiwiyoo Program Studi Matematika FMIPA UNS ABSTRAK.

Lebih terperinci

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE))

Kalkulus 2. Persamaan Differensial Biasa (Ordinary Differential Equations (ODE)) Kalkulus Prsamaa Diffrsial Biasa Ordiar Diffrtial Equatios ODE Dhoi Hartato S.T. M.T. M.Sc. Prodi Tkik Kimia Fakultas Tkik Uivrsitas Ngri Smarag Prsamaa Diffrsial Biasa Prsamaa Diffrsial adalah Prsamaa

Lebih terperinci

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS

STUDI TERHADAP SEBARAN STASIONER PADA SISTEM BONUS MALUS SWISS STUDI TERHDP SEBRN STSIONER PD SISTEM BONUS MLUS SWISS Olh : RENSY ERMWTY G PROGRM STUDI MTEMTIK FKULTS MTEMTIK DN ILMU PENGETHUN LM INSTITUT PERTNIN BOGOR BSTRK RENSY ERMWTY Studi Trhadap Sbara Stasior

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA.

MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE TIGA. MDIFIKASI METDE NEWTN DENGAN KEKNVERGENAN RDE TIGA Fby Satrya HP ), Agusi ), Musraii ) bysatrya@ymail.om ) Mahasiswa Program Studi S Matmatia ) Dos Matmatia, Jurusa Matmatia Faultas Matmatia da Ilmu Pgtahua

Lebih terperinci

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR KATA PENGANTAR 00 Pmbahasa UTS Kalkulus II Sbagaia bsar mahasiswa mgagga bahwa Mata Kuliah yag brhubuga dga mghitug yag salah satuya Kalkulus adalah susah, rumit da mmusigka. Alhasil jala kluar yag ditmuh

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

Jurnal Gradien Vol. 11 No. 2 Juli 2015 :

Jurnal Gradien Vol. 11 No. 2 Juli 2015 : Jural Gradie Vol. 11 No. 2 Juli 2015 : 1096-1100 Aalisis Tigkat Uag Kuliah Tuggal dega Megguaka Regresi Logistik Ordial (Studi Kasus Jurusa Matematika FMIPA Uiversitas Begkulu Tahu Ajara 2013-2015) Etis

Lebih terperinci

BAB V METODOLOGI PENELITIAN

BAB V METODOLOGI PENELITIAN BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis

Lebih terperinci

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volum 4, Nomor 4, Tahu 015, Halama 97-936 Ol d: http://joural-s1.udp.ac.d/dx.php/gaussa ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM MENGGUNAKAN MODEL REGRESI

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL PENGEMBANGAN METODE ITEASI DUA DAN TIGA LANGKAH DENGAN ODE KONVEGENSI OPTIMAL Supriadi Putra M.Si* Dr. Sasudhuha M.S urusa Matatika FMIPA Uivrsitas iau *sputra@uri.a.id ABSTAK Dala akalah ii disajika dua

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang

IV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam

Lebih terperinci

APLIKASI RESIDU KOMPLEKS PADA PERSAMAAN DIFERENSIAL HOMOGEN CAUCHY- EULER ORDE DUA SKRIPSI. Oleh: YUDIA ISMAIL SYAFITRI NIM:

APLIKASI RESIDU KOMPLEKS PADA PERSAMAAN DIFERENSIAL HOMOGEN CAUCHY- EULER ORDE DUA SKRIPSI. Oleh: YUDIA ISMAIL SYAFITRI NIM: APLIKASI RESIDU KOMPLEKS PADA PERSAMAAN DIFERENSIAL HOMOGEN CAUCHY- EULER ORDE DUA SKRIPSI Olh: YUDIA ISMAIL SYAFITRI NIM: 4547 UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG FAKULTAS SAINS DAN

Lebih terperinci

ANALISIS REGRESI DAN KORELASI SEDERHANA

ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug

Lebih terperinci

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n PROSS INFRNSI PADA MODL LOGIT Oleh: Agus Rusgiyoo Program Studi Statistika FMIPA UNDIP Abstracts Let { 3 L } rereset the resose o a omial radom variable o Beroulli distributio with P[ ] P[ ] where is a

Lebih terperinci

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA

PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB dan GEOGEBRA Bidag Kajia : Pdidika Matmatika PEMBELAJARAN KONVERGENSI BARISAN BILANGAN DAN FUNGSI REAL DENGAN MATLAB da GEOGEBRA H.A. Parhusip Program Studi Matmatika Fakultas Sais da Matmatika Uivrsitas Krist Satya

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK

FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK Oleh: Agista Dyah Prabawati (1308 100 026) Dosen Pembimbing: Dra. Destri Susilaningrum,

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

Perumusan Fungsi Green Sistem Osilator Harmonik dengan Menggunakan Metode Integral Lintasan (Path Integral)

Perumusan Fungsi Green Sistem Osilator Harmonik dengan Menggunakan Metode Integral Lintasan (Path Integral) Prumusa Fugsi Gr Sistm Osilator Harmoik dga Mgguaka Mtod Itgral Litasa (Path Itgral) Sutisa Abstrat: Th path itgral is a mthod that oft usd i th uatum problms alulatio. For xampl; th alulatio of uatum

Lebih terperinci

STATISTIKA MATEMATIKA I

STATISTIKA MATEMATIKA I STATISTIKA MATEMATIKA I Disusu Olh : (005005) PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN PENDIDIKAN (STKIP) PGRI SUMATERA BARAT 0 BAB I PELUANG. Ruag Sampl da Kjadia Ruag sampl atau

Lebih terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

Analisa Data Statistik. Ratih Setyaningrum, MT Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.

Lebih terperinci

ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS)

ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS) ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P0 JURUSAN SENEN LEBAK BULUS) Nincy Ayu Lstari 1 Nahdalina Fakultas Tknik Sipil Univrsitas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci