PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1."

Transkripsi

1 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: PEMULUSAN SEBARAN DATA MENGGUNAAN PENASIR ERNEL NADARAA-WATSON DAN LINIER LOAL UNTU ERNEL NORMAL Sudaro ) Program Stud Statstka FMIPA Udp dsga@gmal.com Abstrak Sebara data yag bebas dstrbus, peaksra fugs regresya megguaka regres oparametrk dega pedekata fugs mulus. Betuk dar fugs mulus tergatug dar parameterya. Utuk meaksr parameter da fugs mulusya dapat megguaka peaksr Nadaraya-Watso da erel Ler Lokal. Aka dbaas smulas metode kerel utuk meaksr la kurva mulus pada suatu la varable bebas, dega badwdt bervaras. Adapu kerel yag dpaka utuk pedekata yatu kerel ormal. Ig dketau sfat-sfat yag daslka pada fugs sus atau cosus dega peambaa gaggua berdstrbus ormal acak. ata kuc: Badwdt, erel, erel Nadaraya-Watso, erel Ler lokal. Pedaulua Dalam statstka sebara data sagat berart. Segga g dketau karakterstkya. Tetap terdapat sebara data yag tdak dketau fugs sebaraya atau bebas dstrbus. Utuk meetuka fugs regresya megguaka regres oparametrk. Dalam regres oparametrk dperluka suatu metode utuk medapatka fugs mulus tetap tdak sepert yag berparameter pada regres parametrk. Dalam Gree (99) dkataka bawa model regres oparametrk berupa: g( ) error dega g merupaka fugs mulus da adala vector pejelas. Dalam al dperluka cara utuk medapatka fugs mulus g tersebut. Utuk medapatka fugs mulus g, dapat megguaka metode kerel, yatu suatu fugs pemulus ubuga atar ttk dalam daera pembcaraa dega kosep sepert fugs destas peluag (Hardle, 99) da juga ole Wad da Joes [995]. Sedagka meurut Hardle (99) dkataka bawa utuk medapatka fugs mulus dapat megguaka tekk pemulus dega peragkat luak S. Ig dketau dalam meetuka fugs mulus atau taksra regres megguaka peragkat luak MATLAB. Aka dbaas kerel Nadaraya-Watso da ler lokal utuk beberapa parameter 97

2 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: pemulusya, agar ddapat karakterstk da la taksra fugs pada varabel bebas tertetu.. Metode erel erel merupaka sembarag fugs pemulusa yag mempuya sfat: () () ()d () () d (3) () d () Beberapa kerel yag basa dpaka dalam pembaasa adala: Tabel. Macam-macam erel erel Persamaa Bocar ( ) I( ) Gaussa / ( ) e Epaeckov ( ) 3 ( ) I( ) Trcube ( ) 7 ( ) I( ) dega I () jka jka Berkut dberka coto gambar kerel Gaussa da Epaeckov: 98

3 erel Gaussa erel Epaeckov PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: Sumbu - - Sumbu Gambar. erel Gaussa da Epaeckov erel dperguaka utuk pegambla rataa lokal. Msal terdapat pasaga data (, ),,(, ) da dgka medapatka rataa dar semua yag sesua dega dalam suatu jarak dar suatu ttk. Rataa lokal adala sama dega (5) l () dmaa l () (6) dega merupaka kerel. Jad kerel merupaka rataa terbobot secara lokal. erel aka dperguaka utuk peaksra dar sebara data yag bebas dstrbus. Metode pemulusa megguaka kerel dberka ole Wad da Joes [995]. Aka dtamplka klas metode pemulusa berdasar pada peaksr kerel, yag meetuka data dalam cara lokal. Cara dsebut peaksr kerel polomal lokal. Pertama ddefska peaksr secara umum da selajutya meamplka dua kasus kusus: peaksr kerel Nadaraya-Watso da peaksr kerel ler lokal. 99

4 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: Dega peaksr kerel polomal lokal, dapat dperole suatu taksra ŷ pada ttk dega meetuka derajat polomal d megguaka kuadrat terkecl terbobot. Dgka membobot ttk-ttk berdasarka pada jarakya dar. Ttk-ttk yag leb dekat teradap pusat data, sebakya mempuya bobot yag leb besar. Sedagka ttkttk yag leb jau jarakya dber bobot yag leb kecl. Utuk mewujudka, dperguaka bobot yag dperguaka utuk tgg fugs kerel yag berpusat pada. erel mempuya suatu badwdt atau parameter pemulus yag dyataka dega. Parameter pemulus aka megotrol derajat pegaru ttk-ttk pada peetua lokas. Jka kecl, maka kurva aka bergelombag. area taksra aka bergatug pada bobot dar ttk-ttk teradap kedekata dega. Dalam kasus, model aka dcoba meetuka la lokal dega meml la dar kecl ke besar dega melat perubaa grafkya. Dega cukup besar, aka dapat meetuka gars pada seluru kumpula data. Sekarag dberka gambara utuk peaksr kerel polomal lokal. Msal d meyataka derajat polomal yag dtetuka pada suatu ttk. Dperole peaksr y ˆ fˆ( ) dega meetuka polomal ) ( d ( ) d dega megguaka ttk-ttk, ) da meerapka prosedur kuadrat terkecl ( terbobot. Bobotya dberka ole fugs kerel (7) ( ). (8) Nla taksra pada ttk adala ˆ, dmaa ˆ dperole dega memmalka ( )(. (9) d ( ) d ( ) ) area ttk-ttk yag dperguaka utuk meaksr model tersebut adala semuaya berpusat d, maka taksra pada dperole dega megambl argume dalam model yatu sama dega ol. Dega demka, parameter yag terssa adala aya suku kosta ˆ. Jka kerel dpusatka pada varable acak. Sesua dega otas yag dbuat ole Wad da Joes [995] yag meujukka secara eksplst bawa pusat kerel pada ttk, g ddapat la taksra dar fugs. Prosedur kuadrat terkecl terbobot dega 5

5 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: megguaka otas matrks, sesua dega teor kuadrat terkecl terbobot baku (Draper da Smt, 98], ddapat: ˆ T W T W dega merupaka vektor respo berukura, ( ( ), ) d d da W adala matrks berukura dega bobotya sepajag dagoal. Bobot dberka dega () w ( ) ( ) () Bobot d atas dapat berla ol, tergatug dar kerel yag dperguaka. Peaksr ŷ fˆ() merupaka koefse tersep dar taksra lokal. Nlaya dperole dar f ˆ( ) T e ( W ) T T W () dmaa T e adala suatu vektor berdmes (d + ) dega satu dalam tempat pertama da ol pada tempat yag laya. 3. Peaksr erel Nadaraya-Watso da Ler Lokal 3. Peaksr erel Nadaraya-Watso Suatu peryataa secara eksplst ada blamaa d = da d =. Bla d berla ol, dcar fugs kosta secara lokal yag dberka ttk. Peaksr dkembagka secara terpsa ole Nadaraya [96] da Watso [96]. Jka dgabug medapatka Peaksr Nadaraya-Watso sepert yag dberka berkut : ( ) fˆ NW() (3) ( ) Peaksr utuk kasus racaga acak. Blamaa ttk racaga adala tetap, maka, dgat dega, tetap jka tdak demka peryataya adala sama [Wad da Joes, 995]. Berkut aka dbaas smulas dar sebara data fugs bometr (sus da coses) dega peambaa gaggua sebara acak berdstrbus ormal. Taksra fugs 5

6 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: regresya ddekat megguaka peaksr Nadaraya-Watso dega kerel ormal. Parameter pemulusya megambl la =,5;,5; ;. Utuk sebara fugs y s ().9 rad(sze( )) da taksraya dtamplka pada grafk berkut : =,5 =, = = Gambar. Grafk Fugs Sus dega Peaksr Nadaraya-Watso. Terlat bawa mak kecl la, fugs taksraya mak bergelombag. Sebalkya mak besar la, fugs taksraya mak meuju ler. Adapu asl taksraya pada suatu la da tertetu dtabelka d bawa : Tabel. Hasl taksra la,5,5,6,787,39,773 5,8,5387,5,688 5

7 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: ,783,783,5963,58 5,65,797,5399,359 Utuk sebara fugs y cos().5 rad(sze( )) da taksraya dtamplka pada grafk berkut : =,5 =, = = Gambar. Grafk fugs cosus dega peaksr Nadaraya-Watso. Terlat bawa mak kecl la, fugs taksraya mak bergelombag. Sebalkya mak besar la, fugs taksraya mak meuju ler. Adapu asl taksraya pada suatu la da tertetu dtabelka d bawa : Tabel 3. Hasl Taksra Nla,5,5,6,5897,78,665 53

8 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: ,8,78,5,98,387,3 -,9,77 5,6 -,577 -,5755,9 3. Peaksr erel Ler Lokal Jka g meetuka gars lurus pada suatu ttk, maka dapat megguaka peaksr ler lokal. Hal sesua dega kasus dmaa d =. Segga taksra dperole sebaga peyelesaa ˆ da dega memmalka: ( )( ( )) () Aka dberka rumus secara eksplst utuk peaksr kerel ler lokal d bawa : Dega {ˆ s ( ) sˆ ( )( )} ) f ˆ LL ( ) sˆ ( )ˆ s ( ) sˆ ( ), (5) ŝ (6) r r () ( ) ( ) Selajutya kasus racaga tetap dperole dega meggat varable acak dega ttk tetap. Utuk sebara fugs y s ().9 rad(sze( )) da taksraya dtamplka pada grafk berkut : ( 5

9 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: =,5 =, = = Gambar 3. Grafk Fugs Sus dega Peaksr erel Ler Lokal. Terlat bawa mak kecl la, fugs taksraya mak bergelombag. Sebalkya mak besar la, fugs taksraya mak mulus. Adapu asl taksraya pada suatu la da tertetu dtabelka d bawa : Tabel. Hasl Taksra Nla,5,5 5 -,77, ,33,,665,99,85,683,6,77,38,

10 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: , 6,33,5,356 Utuk sebara fugs y cos().5 rad(sze( )) da taksraya dtamplka pada grafk berkut : =,5 =, = = Gambar. Grafk Fugs Cosus dega Peaksr erel Ler Lokal. Terlat bawa mak kecl la, fugs taksraya mak bergelombag. Sebalkya mak besar la, fugs taksraya mak mulus. Adapu asl taksraya pada suatu la da tertetu dtabelka d bawa : Tabel 5. Hasl Taksra Nla,5,5,3,,8,83 56

11 PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: ,33,6536,,576,85,33,3, ,35 -,578 -,75 -,78. esmpula Sebara data yag bebas dstrbus, peaksra parameterya dapat megguaka peaksr Nadaraya-Watso da erel Ler Lokal. Utuk sebara data yag berupa fugs sus atau coses dega peambaa gaggua berdstrbus ormal acak ddapat asl bawa: Mak kecl la badwdt, mak bergelombag grafkya. Mak besar la badwdt, grafkya mak ler atau mulus. Utuk meetuka besarya la taksra pada suatu ttk dapat dega meml besarya la badwdt yag dkeedak. Daftar Pustaka Draper, N.R. ad Smt, H., (98) Appled Regresso Aalyss. d Edto, Jo Wley & Sos, New ork. Gree, P.J. ad Slverma, B.W., (99) Noparamertc Regresso ad Geeralzed Lear Models, Capma & Hall, Lodo. Hardle, W., (99) Appled oparametrc regresso, Cambrde Uversty Press, New ork. Hardle, W., (99) Smootg Tecques Wt Implemetato S, Sprger-Verlag New ork Ic., New ork. Martez, W.L. ad Martez, A.R., () Computatoal Statstcs Hadbook wt MATLAB, Capma & Hall, Florda. Moore, H., (7) MATLAB for Egeers, Pearso Pretce Hall, Ic., New Jersey. Nadaraya, E.A., (96) Teory of Probablty ad Its Applcato, : pp Scott, D.W., (99) Multvarate Desty Estmato: Teory, Practce ad Vsualzato, Jo Wley & Sos, New ork. Wad, M.P. ad Joes, M.C., (995) erel Smootg, Capma ad Hall, Lodo. Wasserma, L., (6) All of Noparametrc Statstcs, Sprger Scece+Busess Meda, Ic., New ork. Watso, G.S., (96) Smoot Regresso Aalyss, 6: pp

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

REGRESI LINEAR SEDERHANA

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

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

Bab II Teori Pendukung

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

Lebih terperinci

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS Prosdg SPMIPA. pp. 6-69. 6 ISBN : 979.74.47. PENENUAN MODEL KURVA PERUMBUHAN PADA ULANG RAMUS Sudaro Jurusa Matematka FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP embalag, Semarag Abstrak: Model kurva

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

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

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1 Itegras Metode Itegral Rema Metode Itegral Trapezoda Metode Itegral Smpso Itegras Permasalaa Itegras Pertuga tegral adala pertuga dasar yag dguaka dalam kalkulus, dalam bayak keperlua. Itegral secara det

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pertemuan VII IV. Titik Berat dan Momen Inersia

Pertemuan VII IV. Titik Berat dan Momen Inersia Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

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

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

Lebih terperinci

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation) Supart da Subaar Estmas Destas Mulus dega Metode Wavelet (Wavelet Method Smooth Desty Estmato) Oleh Supart ) da Subaar ) Let X Abstract =,,, be depedet observato data from a dstrbuto wth a ukow desty fucto

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb. JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa

Lebih terperinci

X, Y, yang diasumsikan mengikuti model :

X, Y, yang diasumsikan mengikuti model : PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lls Laome Jurusa Matematka FMIPA Uverstas Haluoleo Kedar 933 emal : ls@yaoo.com Abstrak Tulsa membaas model regres oarametrk utuk

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan JMP : Volume 7 Nomor, Ju 05, hal. - 0 REGRESI NONPARAMETRIK KERNEL ADJUSTED Novta Eka Chadra Uverstas Islam Darul Ulum Lamoga ovtaekachadra@gmal.com Sr Haryatm da Zulaela Jurusa Matematka FMIPA UGM ABSTRACT.

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

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

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

Lebih terperinci

PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS

PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS J. Pjar MIPA Vol. V No. September : 8-85 ISSN 97-7 PENDEATAN ESTIMATOR ERNEL UNTU ESTIMASI DENSITAS MULUS Lala Hayat Program Std Peddka Matematka PMIPA FIP Uverstas Mataram Jl. Majapat No. 6 Mataram 835

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR

PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR Eva Yat Sregar Dose Program Stud Peddka Matematka STKIP Tapaul Selata Jl. Suta Muammad Arf Kel. BatagAyum Jae Padagsdmpua

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN DATA INFLASI INDONESIA PADA SEKTOR TRANSPORTASI, KOMUNIKASI, DAN JASA KEUANGAN MENGGUNAKAN METODE KERNEL DAN SPLINE. Suparti 1 dan Tarno 2

PEMODELAN DATA INFLASI INDONESIA PADA SEKTOR TRANSPORTASI, KOMUNIKASI, DAN JASA KEUANGAN MENGGUNAKAN METODE KERNEL DAN SPLINE. Suparti 1 dan Tarno 2 Pemodela Data (Supart) PEMODELAN DATA INFLASI INDONESIA PADA SEKTOR TRANSPORTASI, KOMUNIKASI, DAN JASA KEUANGAN MENGGUNAKAN METODE KERNEL DAN SPLINE Supart 1 da Taro 2 1 Staf Jurusa Statstka FSM UNDIP,

Lebih terperinci

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

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

Lebih terperinci

Analisis Regresi. Oleh : Dewi Rachmatin

Analisis Regresi. Oleh : Dewi Rachmatin Aalss Regres Oleh : Dew Rachmat Pedahulua Dalam peelta basaya dguaka suatu model atau hubuga fugsoal atara peubah. Dega model kta berusaha memaham, meeragka, megedalka da kemuda mempredkska kelakua sstem

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

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

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

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

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

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

3 Departemen Statistika FMIPA IPB

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

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

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

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

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

Lebih terperinci

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI POLINOMIAL LOKAL

ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI POLINOMIAL LOKAL IdoMS Joural o Statstcs Vol., No. 1 (014), Page 65-78 ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI POLINOMIAL LOKAL Supart 1, Bud Warsto, Moc Abdul Mukd 3 1,,3 Staf Jurusa Statstka, FSM,

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

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

Lebih terperinci

PERBADINGAN BIAS ESTIMATOR KERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRIK

PERBADINGAN BIAS ESTIMATOR KERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRIK SAINTEBU Jural Sa da Tekolog PERBADINGAN BIAS ESTIMATOR ERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRI BIAS COMPARISON NADARAYA WATSON AND LOCALLY LINEAR ERNEL ESTIMATOR OF NONPARAMETRIC

Lebih terperinci

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

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

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

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

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat BAB II LANDASAN TEORI Pada Bab II aka dbahas dasar-dasar teor yag dguaka dalam peulsa skrps yatu megea data pael, beberapa betuk da sfat matrks, matrks parts, betuk ler da betuk kuadratk beserta ekspektasya,

Lebih terperinci

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA 030501061Y UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 009

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

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

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

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

Lebih terperinci

REGRESI SEDERHANA Regresi

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Korelasi dan Regresi

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

Lebih terperinci

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

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A ** MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka

Lebih terperinci

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

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

Lebih terperinci

ANALISIS DATA INFLASI DI INDONESIA PASCA KENAIKAN TDL DAN BBM TAHUN 2013 MENGGUNAKAN MODEL REGRESI KERNEL. Suparti 1

ANALISIS DATA INFLASI DI INDONESIA PASCA KENAIKAN TDL DAN BBM TAHUN 2013 MENGGUNAKAN MODEL REGRESI KERNEL. Suparti 1 Aalss Data (Supart) ANALISIS DATA INFLASI DI INDONESIA PASCA KENAIKAN TDL DAN BBM TAHUN 013 MENGGUNAKAN MODEL REGRESI KERNEL Supart 1 1 Staf Pegajar Jurusa Statstka Udp e-mal : supartsudargo@yaoo.co.d

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci