ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR"

Transkripsi

1 ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS ( ) Dosen Jurusan Statsta FMIPA-IS Abstra Salah satu ase entng esejahteraan adalah ualtas fs endudu yang daat dlhat dar derajat esehatan endudu. Kesehatan meruaan salah satu ase yang sangat entng dalam ehduan manusa arena menyangut ha-ha dasar warga negara yang mutla untu denuh. Berdasaran nla KICc fator-fator yang berengaruh terhada derajat esehatan adalah rosentase ersalnan yang dlauan oleh tenaga meds, dan rosentase munsas lenga. Dar hasl analss daat djelasan bahwa ja rosentase ersalnan yang dlauan oleh tenaga meds bertambah satu ersen maa anga ematan bay aan turun sebanya 0,377 ersen, begtu ula ja rosentase munsas lenga bertambah satu ersen aan berabat anga ematan bay berurang 0,45 ersen. Untu anga haraan hdu ja rosentase ersalnan yang dlauan oleh tenaga meds bertambah satu ersen maa anga haraan hdu aan menngat sebanya 0, ersen, begtu ula ja rosentase munsas lenga bertambah satu ersen aan berabat anga anga haraan hdu menngat sebesar 0,059 ersen. Sedangan, untu status gz buru, ja rosentase ersalnan yang dlauan oleh tenaga meds na satu ersen maa status gz buru aan berurang sebesar 0,06 ersen, begtu ula ja rosentase munsas lenga bertambah satu ersen aan berdama status gz buru menurun sebesar 0,07 ersen. Kata Kunc: Derajat Kesehatan, Anga Kematan Bay, Anga Haraan Hdu, Status Gz Buru. Pendahuluan Salah satu ase entng esejahteraan adalah ualtas fs endudu yang daat dlhat dar derajat esehatan endudu. Indator utama yang dgunaan untu melhat derajat esehatan endudu adalah anga ematan bay, anga haraan hdu, dan status gz buru balta. Oleh arena tu usaha untu menngatan dan memelhara mutu elayanan esehatan melalu emberdayaan sumber daya manusa secara berelanjutan dan sarana rasarana dalam bdang meds termasu etersedaan obat yang daat djangau oleh masyaraat erlu mendaat erhatan utama. Kesehatan meruaan salah satu ase yang sangat entng dalam ehduan manusa arena menyangut ha-ha dasar warga negara yang mutla untu denuh. Mengngat entngnya esehatan, duna nternasonal merumusannya e dalam Mllennum Develoment Goals (MDGs). MDGs terdr atas encaaan embangunan bdang esehatan, enddan, dan eonom. Ketganya meruaan ndator yang mencermnan sejauh mana negara mamu memenuh ha-ha dasar warga negara. Salah satu usaha emerntah untu mewujudan embangunan esehatan melalu encanangan Program Indonesa Sehat 00. ujuan dar Program Indonesa Sehat 00 adalah terctanya embangunan nasonal berwawasan esehatan, emandran masyaraat untu hdu sehat, memelhara, dan menngatan elayanan esehatan yang bermutu. Vs Indonesa Sehat 00 yang telah drumusan oleh Deatemen Kesehatan menyataan bahwa, gambaran masyaraat Indonesa dmasa dean yang ngn dcaa melalu embangunan esehatan adalah masyaraat, bangsa dan negara yang dtanda oleh endudunya hdu dalam lngungan dan dengan erlau yang sehat, meml emamuan untu menjangau elayanan esehatan yang

2 bermutu secara adl dan merata, serta meml derajat esehatan yang setngg-tnggnya dseluruh wlayah Reubl Indonesa. Peneltan mengena esehatan telah dlauan oleh Purwanngsh (006) yang menganalss mengena engelomoan wlayah Jawa mur berdasaran ndator derajat esehatan masyaraat dengan menggunaan analss elomo nonhrar untu memeroleh engelomoan wlayah Jawa mur menjad dua elomo yatu wlayah dengan derajat esehatan buru dan ba. alango (009) mengungaan bahwa fator-fator yang memengaruh derajat esehatan adalah adanya jamban dalam rumah, enggunaan ar bersh, adanya temat engelolaan lmbah, erlau hdu bersh dan sehat, emberan ASI eslusf, ersalnan dengan tenaga esehatan, dan tumbuh embang balta melalu elayanan esehatan. Berdasaran eneltan sebelumnya mengena esehatan maa nformas esehatan dalam bentu statst esehatan dgunaan sebaga bahan evaluas embangunan hususnya d bdang esehatan dan untu menyusun rencana erja d bdang esehatan yang erlu dlauan selanjutnya. Berdasaran eneltan yang telah dlauan sebelumnya mengena derajat esehatan, daat djadan teor untu menduung eneltan yang aan dlauan. Peneltan n menggunaan regres multvarat arena terdaat varabel reson lebh dar satu dan antara varabel reson salng meml hubungan antara satu dengan yang lan. Sehngga daat detahu varabel-varabel mana saja yang memengaruh anga ematan bay, anga haraan hdu, dan status gz buru Berdasaran uraan datas, maa rumusan masalah adalah bagamana gambaran esehatan masyaraat d seta abuaten/ota d Provns Jawa mur berdasaran fator-fator derajat esehatan d Provns Jawa mur dan Fator-fator aa saja yang memengaruh anga ematan bay, anga haraan hdu, dan status gz buru d Provns Jawa mur. ujuan yang ngn dcaa adalah untu mengetahu Mengetahu gambaran esehatan masyaraat d seta abuaten/ota d Provns Jawa mur berdasaran derajat esehatan d Provns Jawa mur dan menentuan fator-fator aa saja yang memengaruh anga ematan bay, anga haraan hdu, dan status gz buru d Provns Jawa mur. njauan Pustaa Analss Regres Salah satu tujuan dar Analss Regres adalah untu menentuan bentu hubungan antara varabel-varabel dar seumulan data dmana data tersebut bsa berbentu unvarat mauun multvarat. Model regres lnear terbag menjad dua, yatu model regres lnear sederhana aabla varabel bebas (deendent) dar model tersebut hanya dengaruh oleh satu varabel bebas, dengan model umum 0 + X + ε. Dan model regres lnear berganda aabla varabel bebas (deendent) dar model tersebut tdah hanya dengaruh oleh satu varabel bebas. Model umunya adalah + X + X + + X + ε 0 Analss Multvarat Analss multvarat adalah analss statsta yang denaan ada data yang terdr dar banya varabel dan antar varabel salng berorelas. Data Multvarat tda hanya terdr atas satu varabel saja melanan daat terdr atas lebh dar satu varabel. Msal data dar n engamatan ada varabel Sehngga daat dsusun matrs dengan n bars dan olom, dnotasan X seert berut (Morrson, 005): x x x x x x X xn x n xn

3 Analss Regres Multvarat Model regres multvarat adalah model regres dengan lebh dar satu varabel reson yang salng berorelas dan satu atau lebh varabel redtor (Johnson dan Wchern, 007; Rencher, 00). Msalan terdaat varabel reson berjumlah q yatu,,, q dan varabel redtor yatu X, X,, X, maa model lnear multvarat reson e-q adalah: + X X + ε q 0 0 0q + X + X q q X X + ε + ε q Model regres multvarat yang terdr dar q model lnear secara smultan daat dtunjuan bentu matrs ada Persamaan sebaga berut: ( nxq) Xn x ( + ) ( + ) x q + ( n x q) dengan E ( ( ) ) 0, dan Cov( ( ), ε ( ) ) σ I. Pengujan Kebebasan Antar Varabel Reson Varabel,,..., q dataan bersfat salng bebas (ndeendent) ja matrs orelas antar varabel membentu matrs denttas. Untu menguj ebebasan antar varabel n daar dlauan uj Bartlett Shercty berut (Morrson, 005): Hotess : H 0 : Antar varabel reson bersfat ndeendent H : Antar varabel reson bersfat deendent 5 Statst uj : q χ + htung n ln R 6 Dmana q adalah jumlah varabel reson dan ln R adalah nla nla determnan matr orelas dar masng-masng varabel reson. Gagal ola H 0 ja χ χ yang berart antar varabel bersfat ndeendent htung α ; q( q ) Kullbac s Informaton Crteron Corrected (KICc) Menurut Hafd dan Mhadr (006) rtera KICc (Kullbac s Informaton Crteron Corrected) meruaan ores dar metode KIC dan aan menghaslan model terba ja dgunaan ada samel ecl untu emlhan model lnear multvarat. Hafd dan Mhadr (006) menyataan bahwa besarnya KICc adalah ( ˆ d ) ( 3n q ) KICc n ln + q + n q dengan: d q + 0,5q( q + ) q jumlah varabel reson jumlah arameter n jumlah data ˆ enasr matrs varan-ovaran error Krtera emlhan model terba ja ddaatan nla KICc terecl yang berart seman ecl nla dar KICc maa seman ba model yang dgunaan Hubungan Antara Varabel Reson dan Varabel Predtor Pada regres lnear multvarat, uuran yang dgunaan untu menguur hubungan antara varabel reson dan redtor adalah Wl s Lambda. Uuran dnyataan dengan rumus sebaga berut: (Rencher, 00) η Λ dengan adalah nla Wl s lambda. Λ

4 Nla η Λ berada ada nterval 0 dan. Artnya, seman mendeat berart hubungan antara varabel reson dan varabel redtor seman erat. Karena nla melbatan nla dar Wl s Lambda yang mana nla Wl s Lambda memerhtungan antar varabel reson, hal tersebut daat dtunjuan dalam rumus Λ terdaat nla. Uj Hotess Pengujan n dlauan untu menguj aaah secara eseluruhan arameter tda sama dengan nol. Hotess yang dgunaan adalah sebaga berut: (Rencher, 00) H : 0 0 H : Palng sedt ada satu q q 0 η Λ Dengan 0 B B 0 0 0q q q Statst uj yang dgunaan adalah Wl s lamda Λ E E + H Bˆ X ny y Dmana y adalah vetor rata-rata dar matrs H 0 dtola ja Λhtung Λα, q,, n. Nla Λα, q,, n adalah nla tabel tts untu Wl s Lamda. Uj Asums Resdual IIDN Asums yang harus denuh dalam melauan emodelan regres multvarat adalah resdual meml matrs varan-ovaran yang homogen. Untu menguj syarat n daat dergunaan statst uj Box s M. (Rencher,00) Hotess H 0 : Σ Σ... Σ H : Mnmal ada satu Σ Σ untu j Statst uj: H 0 : Σ Σ... Σ H : Mnmal ada satu Σ Σ untu l Statst uj: u ( c ) ln M Dmana: v S l S ln M ool v l ln Sl vlln S ool l l v l j l

5 dengan + 3 c l vl 6( + )( ) vl l v l n l Asums Resdual ndeenden, dgunaan uj Bartlett Shercty. Varabel ε, ε,..., ε q dataan bersfat salng bebas (ndeendent) ja matrs orelas antar resdual membentu matrs denttas. Untu menguj ebebasan antar resdual daat dlauan uj Bartlett Shercty berut (Morrson, 005): Hotess : H 0 : Resdual bersfat ndeendent H : Resdual bersfat deendent 5 Statst uj : q χ + htung n ln R 6 Gagal ola H 0 ja χ χ yang berart antar resdual bersfat ndeenden htung q( q ) Asums yang harus denuh dalam emodelan regres lner multvarat adalah resdual yang meml dstrbus multvarat normal. Pemersaan dstrbus multvarat normal daat dlauan dengan cara membuat q-q lot dar nla d (Johnson & Wchern, 007). Hotess yang dgunaan adalah sebaga berut. H 0 : Resdual berdstrbus normal multvarat H : Resdual tda berdstrbus normal multvarat d ( ˆ ) S ( ˆ ),,,..., n Kesmulan adalah gagal tola H 0 atau data dataan berdstrbus normal multvarat ja ada sejumlah data yang meml nla d χ lebh dar 50%. Derajat Kesehatan Menurut Henr L Blum, enngatan derajat esehatan masyaraat yang daat duur dar tngat mortaltas dan morbdtas endudu yang dengaruh oleh emat fator enentu, yatu : fator-fator lngungan (45 ersen), erlau esehatan (30 ersen), elayanan esehatan (0 ersen) dan eenduduan/eturunan (5 ersen). Anga Kematan Bay Kematan bay adalah ematan yang terjad setelah bay lahr hdu hngga berumur urang dar satu tahun, sedangan anga ematan bay adalah jumlah ematan bay yang terjad setelah bay lahr hdu hngga berumur urang dar satu tahun dbag jumlah elahran dalan dengan suatu onstanta yatu 000 elahran (Dees, RI). Anga ematan Bay D daat dhtung dengan menggunaan rumus sebaga berut: AKB B Anga Haraan Hdu (AHH) Kemamuan untu bertahan hdu lebh lama atau rata-rata tahun hdu yang aan djalan oleh bay yang baru lahr ada suatu tahun tertentu yang duur dengan anga haraan hdu ada saat lahr (lfe exectacy at brth). Status Gz Status gz meruaan eadaan tubuh yang dabatan oleh esembangan antara asuan zat gz (ntae) dan jumlah yang dbutuhan tubuh untu berbaga fungs bologs termasu ertumbuhan fs, erembangan, atftas, emelharaan esehatan dan lannya. Untu mengetahu status gz balta dgunaan rumus sebaga berut: q,0,5

6 Nla Z-score ( Nla Penguuran Perorangan Nla Medan Acuan) Smangan Bau Poulas Acuan 3. Metodolog Peneltan Sumber Data Data yang dgunaan adalah meruaan data seunder dar hasl endataan Badan Pusat Statst (BPS) yatu Analsa Penyusunan Knerja Maro Eonom dan Sosal Jawa mur ahun 007, Profl Kesehatan Provns Jawa mur 007, serta Surve Sosal Eonom Nasonal (SUSENAS) tahun 007. Varabel Peneltan a. Varabel Reson Prosentase anga ematan bay Prosentase anga haraan hdu 3 Prosentase status gz buru b. Varabel Predtor Ase Perumahan dan Lngungan X Prosentase rumah tangga yang menggunaan jamban dengan tang set X Prosentase rumah yang menggunaan ar bersh untu mnum/masa (ar emasan, PAM, oma, sumur terlndung dan mata ar terlndung) Ase Perlau X 3 Prosentase eran atf masyaraat dalam osyandu urnama dan mandr. X 4 Prosentase rata-rata lamanya bay dber ASI Eslusf ada usa 0- tahun Ase Pelayanan Kesehatan X 5 Prosentase ersalnan yang dlauan oleh tenaga meds X 6 Prosentase Imunsas lenga yang mencau munsas BCG, DP, Polo, Cama, dan heatts Langah Analss Adaun langah analss yang dgunaan untu menjawab ermasalahan yatu :. Untu mencaa tujuan ertama yatu mengetahu gambaran onds esehatan masyaraat Jawa mur maa metode analss yang dgunaan adalah statst desrtf dengan menggunaan nla rata-rata, nla mnmum, dan masmum. Untu statst desrtf secara vsual dgunaan dagram batang dan scatter lot. Varabel yang dgunaan,, dan dar 38 abuaten/ota d Provns Jawa mur. 3. Untu mencaa tujuan edua yatu mengetahu fator-fator yang memengaruh derajat esehatan d Provns Jawa mur maa metode yang dgunaan untu mencaa tujuan n adalah menggunaan analss regres multvarat dengan varabel yang dgunaan adalah,, dan sebaga varabel reson dan X 3,X..., X sebaga varabel redtor. 6 Sedangan langah analss yang dlauan untu mencaa tujuan n adalah : a. Melauan engujan orelas antar varabel reson dengan menggunaan uj Bartlett est. Ja terbut varabel reson berorelas maa analss daat dlanjutan ada taha selanjutnya dengan metode multvarat, ja tda maa metode yang dgunaan adalah metode unvarat. b. Melauan emlhan model dengan menggunaan metode KICc berdasaran fator-fator yang memengaruh derajat esehatan d Provns Jawa mur. c. Melauan engujan estmas arameter model regres multvarat. d. Melauan engujan sgnfans arameter model regres multvarat e. Melauan engujan asums resdual IIDN (Iden, Indeenden, dan Dstrbus Normal). f. Mendaatan fator-fator yang berengaruh terhada anga ematan bay, anga haraan hdu, dan status gz buru d Provns Jawa mur dan esmulan.

7 4. Analss Data dan Pembahasan Statst Desrtf Varabel Reson Statst desrtf varabel reson yang dtelt, bertujuan untu mengetahu araterst dar masng-masng varabel reson. abel. Statst Desrtf Varabel Reson Varabel Rata-Rata Mnmal Masmal AKB (%) 46,85 36,8 64,56 AHH (%) 67,35 60, 7,5 Gz Buru (%),649,34 4,8 Berdasaran abel daat djelasan bahwa rosentase anga ematan bay terendah yatu sebesar 36,8 ersen terjad ada ota Bltar dan yang tertngg adalah sebesar 64,56 ersen terjad d Kabuaten Probolnggo. Untu rosentase anga haraan hdu rosentase yang alng ecl terjad d Kabuaten Probolnggo yatu sebesar 60, ersen dan yang tertngg terjad ada ota Bltar adalah sebesar 7,5 ersen. Sedangan, untu rosentase status gz buru terendah terjad ada Kabuaten Bltar yatu sebesar,34 ersen dan rosentase terbesar terjad d Kabuaten Pameasan yatu sebesar 4,8 ersen Statst Desrtf Varabel Reson Untu statst desrtf varabel reson daat dlhat ada rabel berut n: abel. Statst Desrtf Varabel Predtor Varabel Rata-Rata Mnmal Masmal Prosentase Jamban (X ) 5,66 0,93 9,35 Prosentase Ar (X ) 84,3 8 99,9 Prosentase Posyandu (X 3 ) 4,8,6 88, Prosentase ASI (X 4 ) 48,0 7,34 88,0 Prosentase Saln_Meds (X 5 ) 87,55 6,6 99,33 Prosentase Imunsas (X 6 ) 56,06 4,36 90,4 Dar abel datas, daat detahu rosentase rumah tangga yang menggunaan jamban dengan tang set terbesar yatu d ota Surabaya yatu sebesar 9,35 ersen dan terendah d Kabuaten Samang yatu sebesar,35 ersen. Untu enggunaan ar bersh untu mnum/masa yang terdr dar ar emasan, PAM, oma, sumur terlndung dan mata ar terlndung terbesar d ota Surabaya yatu sebesar 99,9 ersen dan terendah d Kabuaten Pactan yatu sebesar 8,0 ersen. Sedangan untu rosentase terbesar untu eran atf masyaraat dalam osyandu urnama dan mandr terdaat d Kabuaten Jember dengan tngat rosentase sebesar 88, ersen dan terendah terdaat d Kabuaten Pameasan dengan tngat rosentase sebesar,6 ersen. Untu rosentase rata-rata lamanya bay dber ASI Eslusf ada usa 0- tahun terbesar d Kabuaten Pactan yatu sebesar 88,0 ersen dan terecl terdaat d Kabuaten Ponorogo sebesar 7,34 ersen. Untu rosentase ersalnan yang dlauan oleh tenaga meds rosentase terbesar terdaat d Kota Kedr dengan nla rosentase 99,33 ersen sedangan yang terecl terdaat d Kabuaten Samang dengan nla rosentase sebesar 6,6 ersen. Sedangan untu rosentase munsas lenga yang mencau munsas BCG, DP, Polo, Cama, dan heatts rosentase terbesar dcaa oleh Kabuaten Jombang dengan nla rosentase sebesar 90,4 ersen dan rosentase terecl terdaat d Kabuaten Samang dengan nla rosentase sebesar 4,36 ersen.

8 Gambar Penyebaran Data Varabel Reson Dan Predtor Untu melhat enyebaran data dar seta varabel reson dan varabel redtor daat dlhat dar gambar scatter lot datas. Pada gambar tersebut terlhat semuanya meml ola menyebar atau dengan ata lan tda membentu ola tertentu. Untu melhat enyebaran data dar seta varabel reson dan varabel redtor daat dlhat dar gambar scatter lot yang daat dlhat ada Gambar datas ecenderungan dar semua data lnear atau tda membentu suatu ola tertentu, msalnya membentu ola corong atau membentu ola setengah lngaran. Sehngga dengan ata lan ola tersebut cenderung lnear Regres Multvarat Sebelum duj dengan menggunaan regres multvarat, dlauan engujan orelas terlebh dahulu terhada varabel reson aaah terdaat orelas atau tda. Ja tda terjad orelas maa analss dlanjutan dengan menggunaan regres unvarat, teta ja terdaat orelas antar varabel reson maa dlanjutan dengan menggunaan regres multvarat abel 3 Hubungan Antar Varabel Reson Varabel Reson AKB () AHH () Gz Buru (3) AKB () -0,77 0,53 AHH () -0,77-0,64 Gz Buru (3) 0,53-0,64 Nla orelas antara varabel reson daat dlhat ada abel 3 datas, Anga Kematan Bay (AKB) dan Anga Haraan Hdu (AHH) sebesar -0,77 hal n daat dartan bahwa antara anga ematan bay dan anga haraan hdu meml nla hubungan yang berbandng terbal, artnya ja anga ematan bay tngg maa anga haraan hdu yang rendah, sedangan untu nla orelas antara anga ematan bay dengan status gz buru yatu sebesar 0,53. In berbandng lurus, yang menandaan bahwa ja anga ematan bay tngg maa status gz buru juga mengalam enngatan. Sedangan nla orelas antara Anga Haraan Hdu dengan status gz buru adalah sebesar -0,64. In berart ja anga haraan hdu tngg maa status gz buru berurang. Ja menggunaan uj Bartlett Sercty haslnya daat dlhat sebaga berut dengan hotess: (Morrson, 005). H 0 : Antar varabel reson bersfat ndeendent H : Antar varabel reson bersfat deendent Statst ujnya adalah q + 5 χht n ln R 6 dmana q adalah jumlah varabel reson. Dengan memasuan nla determnan matr orelas dar masng-masng varabel reson deroleh nla χ untu etga varabel reson tersebut htung yatu sebesar 45,34. Karena nla χ untu etga varabel reson lebh besar dar htung

9 nla χ 0,05;3 sebesar 7,85 maa esmulannya tola H 0 atau antar varabel reson salng berorelas sehngga daat dgunaan analss regres multvarat. Dstrbus Normal Multvarat Varabel Reson Asums selanjutnya yang harus denuh dalam analss regres multvarat adalah varabel reson berdstrbus normal multvarat. Bentu hotessnya adalah: H 0 : Varabel reson berdstrbus normal multvarat H : Varabel reson tda berdstrbus normal multvarat Pemersaan dstrbus normal multvarat daat dlauan dengan cara membuat q-q lot dar nla d (Johnson & Wchern, 007). Ja hasl q-q lot nla menunjuan ada lebh 50 ersen yang meml nla d χ 3;0,5 d untu varabel reson maa eutusan yang dambl adalah gagal menola H 0. Hasl deroleh menunjuan bahwa nla d χ sebanya 55,6 ersen, sehngga daat dsmulan bahwa etga varabel reson berdstrbus normal multvarat. Pemlhan Model dengan Metode KICc Untu Varabel Predtor Langah awal untu emlhan model dengan menggunaan rtera KICc adalah membentu 63 macam model dengan memasuan satu ersatu varabel redtor, haslnya daat dlhat ada abel 4 dbawah n. abel 4 Pemlhan Varabel Predtor No Predtor KIC C No Predtor KIC C X 33,677 5 X 4 X 5 9,08 X 337,748 6 X 4 X 6 3,864 3 X 3 335,988 7 X 5 X 6 83,68 4 X 4 336,338 8 X X X 3 348,96 5 X 5 86,638 6 X 6 35,97 4 X X X 3 X 4 354,005 7 X X 34,4 8 X X 3 34,86 57 X X X 3 X 4 X 5 30,305 9 X X 4 34, X X X 3 X 4 X 6 344,576 0 X X 5 9,83 59 X X X 3 X 5 X 6 33,487 X X 6 3,79 60 X X X 4 X 5 X 6 309,65 X 3 X 4 34,8 6 X X 3 X 4 X 5 X 6 3,839 3 X 3 X 5 95,33 6 X X 3 X 4 X 5 X 6 308,36 4 X 3 X 6 34, X X X 3 X 4 X 5 X 6 3,34 Dar 63 model regres multvarat ddaatan fator yang berengaruh terhada Prosentase anga ematan bay ( ), Prosentase anga haraan hdu ( ), dan Prosentase status gz buru ( 3 ) dengan menggunaan rtera deroleh nla mnmum KICc sebesar 83,68 yatu varabel X 5 dan X 6 yatu varabel rosentase ersalnan yang dlauan oleh tenaga meds dan rosentase munsas lenga yang mencau munsas BCG, DP, olo, cama, dan heatts. Estmas Parameter Berdasaran nla KIC C yang masu dalam model ddaatan varabel X 5 dan X 6 yang masu dalam model, maa selanjutnya dlauan engujan sgnfans arameter yang dlanjutan dengan engujan estmas arameter tersebut. Hasl estmas arameter dsajan dalam abel 5 3;0,5

10 abel 5 Estmas Parameter Varabel Reson Parameter B t Sg. Intercet 89,947,96 0 Anga Kematan Bay ( ) X 5-0,377-3,933 0 X 6-0,45 -,359 0,04 Intercet 45,605 3,957 0 Anga Haraan Hdu ( ) X 5 0, 8,34 0 X 6 0,059 3,653 0,00 Intercet 5,894 6,085 0 Gz Buru ( 3 ) X 5-0,06 -,035 0,049 X 6-0,07 -,06 0,047 Model regres multvarat untu masng-masng varabel reson Anga Haraan Hdu ( ), Anga Kematan Bay ( ), dan Status Gz Buru ( 3 ) masng-masng adalah sebaga berut: AKB 89,947 0,377 X 5 0,45 X 6 AHH 45, , X 5 + 0,059 X 6 Gz Buru 5,894 0,06 X 5 0,07 X 6 Sehngga, berdasaran model datas daat dsmulan bahwa yang memengaruh anga ematan bay, anga haraan hdu, dan status gz buru adalah rosentase ersalnan yang dlauan oleh tenaga meds dan rosentase munsas lenga. Dan besarnya hubungan antara varabel reson dan varabel redtor deroleh nla η Λ 0,63 0, 837. In daat dataan bahwa model daat menjelasan nformas data sebesar 83,7 ersen. Pengujan Sgnfans Parameter Hotess yang dgunaan untu menguj arameter model untu masng-masng reson adalah : H 0 : H : Palng sedt ada satu 0 Statst uj yang dgunaan adalah E Λ E + H ˆ X q ny y 0,79 5,3,5 77,6 704,06 9,44 5,333,47 7,963 3,077 3,077 8,434 0,63 704,057 9,44 40,66 67,84 67,84 7,936 Melalu engujan hotess detahu bahwa nla Wl s Lamda adalah 0,673. Karena nla Wl s Lamda urang dar Λ 0,05,3,6, 3 sebesar 0,40 maa esmulannya adalah tola H 0 yang berart secara serenta multvarat, alng tda ada satu arameter yang sgnfan berengaruh terhada model atau terhada anga ematan bay, anga haraan hdu, dan status gz buru. a) Varabel rosentase ersalnan yang dlauan oleh tenaga meds H 0 : H : Palng sedt ada satu q 0

11 b) Varabel rosentase munsas lenga yang mencau munsas BCG, DP, olo, cama, dan heatts H 0 : 0 n H : Palng sedt ada satu 0 q Statst uj yang dgunaan adalah Wl s Lambda, hasl dsajan ada abel dbawah abel 6 Uj sgnfans arameter Parameter Wl's Lambda P_value Intercet 0,03 0,000 X 5 0,686 0,000 X 6 0,3 0,005 Berdasaran abel 6 datas, ddaatan nformas bahwa dengan menggunaan uj Wl s Lambda ternyata nla dar Wl s Lambda dar varabel X 5 yatu rosentase ersalnan yang dlauan oleh tenaga meds sebesar 0,686 dengan nla P value sebesar 0,000 dan nla Wl s Lambda dar varabel X 6 rosentase munsas lenga yang mencau munsas BCG, DP, Polo, Cama, dan heatts yatu sebesar 0,3 dan nla P value sebesar 0,005. Berdasaran nla dar Wl s Lambda tabel Λ 0,05,3,, 3 yatu 0,779 yang berart Λhtung > Λtabel sehngga daat dsmulan bahwa varabel X 5 dan X 6 dalam model berengaruh terhada varabelvarabel reson secara multvarat. Asums Resdual Ident Asums selanjutnya yang harus denuh dalam emodelan secara multvarat adalah matrs varans ovaran resdual homogen. Pengujan dlauan terhada nla dar resual dengan hotess sebaga berut: H 0 : 3 H : Mnmal ada satu Σ Σ untu j χ j Nla statst uj Box s-m adalah,87 lebh ecl dar χ ( ) ( + ),06 χ yatu sebesar tabel dengan nla P value sebesar 0,508. Nla n lebh besar dar 0,05, sehngga daat dsmulan matrs varans-ovaran resdual homogen Asums Resdual Salng Bebas (Indeenden) Selan asums matr varan-ovaran homogen, asums resdual salng bebas juga harus denuh. Pengujan asums n dlauan dengan uj Bartlett Sercty (Morrson, 005). Bentu hotessnya adalah H 0 : Resdual bersfat ndeendent H : Resdual bersfat deendent Statst ujnya adalah q + 5 χht n ln R 6 Dengan memasuan nla determnan matr orelas dar resdual deroleh nla χ htung untu resdual tersebut. Sehngga deroleh nla χ htung 6,57. Karena nla χhtung untu resdual lebh ecl dar nla χ 0,05;3 sebesar 7,85, maa esmulannya gagal menola H 0 atau nla resdual salng bebas sehngga model regres multvarat dar etga varabel reson tersebut daat dgunaan.

12 Asums Resdual Salng Bebas (Indeenden) Salah satu asums model regres multvarat adalah matrs resdual berdstrbus normal multvarat. Bentu hotessnya adalah: H 0 : Resdual berdstrbus normal multvarat H : Resdual tda berdstrbus normal multvarat Ja hasl q-q lot nla d untu resdual menunjuan ada lebh 50 ersen yang meml nla d χ maa eutusan yang dambl adalah gagal menola H 0. Hasl 3;0,5 menunjuan bahwa d χ sebanya 63,6 ersen, sehngga daat dsmulan bahwa 3;0,5 resdual telah berdstrbus normal multvarat. 5. Kesmulan dan Saran Kesmulan Prosentase anga ematan bay terendah yatu sebesar 36,8 ersen terjad ada ota Bltar dan tertngg sebesar 64,56 ersen terjad d Kabuaten Probolnggo. Untu rosentase anga haraan hdu rosentase yang alng ecl terjad d Kabuaten Probolnggo yatu sebesar 60, ersen, dan tertngg terjad ada ota Bltar sebesar 7,5 ersen. Sedangan, untu rosentase status gz buru terendah terjad ada Kabuaten Bltar yatu sebesar,34 ersen dan rosentase terbesar terjad d Kabuaten Pameasan yatu sebesar 4,8 ersen. Fator-fator yang memengaruh anga haraan hdu, anga ematan bay, dan status gz buru adalah rosentase ersalnan yang dlauan oleh tenaga meds dan rosentase munsas lenga yang melut munsas BCG, DP, Polo, Cama, dan Heatts. Dengan model sebaga berut: AKB 89,947 0,377 X 5 0,45 X 6 AHH 45, , X 5 + 0,059 X 6 Gz Buru 5,894 0,06 X 5 0,07 X 6 Dan besarnya hubungan antara varabel reson dan varabel redtor deroleh nlaη Λ 0,63 0, 837. In daat dataan bahwa model daat menjelasan nformas data sebesar 83,7 ersen. Saran Untu emerntah lebh dfousan ada ersalnan tenaga meds dan emberan munsas ada bay untu menean anga ematan bay dan status gz buru serta menngatan anga haraan hdu d rovns Jawa mur. Untu eneltan selanjutnya daat dgunaan fator-fator lan yang berengaruh dengan tda meleasan fator-fator yang berengaruh 6. Daftar Pustaa Badan Pusat Statst Jawa mur. (008). Analsa Penyusunan Knerja Maro Eonom dan Sosal Jawa mur ahun 008. Badan Pusat Statst Provns Jawa mur, Surabaya Badan Pusat Statst Jawa mur. (008). Jawa mur Dalam Anga 008. Badan Pusat Statst Provns Jawa mur, Surabaya Badan Pusat Statst Jawa mur. (008). Laoran Eseutf Kesehatan Provns Jawa mur 007. Badan Pusat Statst Provns Jawa mur, Surabaya Deartemen Kesehatan RI (003), Indator Sehat Indonesa 00 dan Pedoman Penetaan Indator Provns Sehat dan Kabuaten/Kota Sehat, Keutusan Menter Kesehatan No.0/Menes/SK/VIII/003, Deartemen Kesehatan RI, Jaarta Draer, N, & Smth, H. (99).Analss Regres eraan.jaarta: Grameda

13 Hafd, B. dan Mhadr, A. (006), A Corrected Aae Crteron Based on Kullbac s Symmetrc Dvergence : Alcaton n me Seres, Multle and Multvarate Regresson, Comutatonal Statstcs and Data Analyss 50, hal Johnson, R.A., & Wchern, D.(007). Aled Multvarat Statstcal Analyss.New Jersey: Prentce Hall Marnce, D. (006). Klasfas Status Gz Balta Dengan Pendeatan Analss Dsrmnan Boostra. ugas Ahr da Dublasan, Insttut enolog Seuluh Noember, Surabaya Maserul. (00). Analss Statst Status Gz Balta d Provns Jawa mur. ugas Ahr da Dublasan, Insttut enolog Seuluh Noember, Surabaya Morrson, D.F. (005), Multvarat Statstcal Methods, Fourth Edton, he Wharton School Unversty of Pennsylvana Pramasta, F. (005). Fator-Fator yang Memengaruh Anga Kematan Bay d Wlayah Jawa mur ahun 00. ugas Ahr da Dublasan, Insttut enolog Seuluh November, Surabaya Purwanngsh, H. (006).Analss Pengelomoan Wlayah Jawa mur Berdasaran Indatorndator Derajat Kesehatan Masyaraat. ugas Ahr da Dublasan, Insttut enolog Seuluh November, Surabaya Rencher, A.R., (00). Methods Of Multvarat Analyss Second Edton. John Wley & Sons, Inc. New or. Rstrn.(000). Peneraan Model Uaya Penngatan Utlsas Polndes d Daerah erencl.jogjaarta : PPK. alango, L,P. (009). Pemodelan Persamaan Strutural dengan Maxmum Lelhood dan Bootstra ada Derajat Kesehatan D Provns Sulawes Selatan. ess da Dublasan, Insttut enolog Seuluh Noember, Surabaya Walole, R. E. (995). Ilmu Peluang dan Statsta Untu Insnyur dan Ilmuwan. Bandung: tbress

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-199

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-199 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337350 (3098X Prnt) D99 Pengaruh Karakterstk Sosal Ekonom terhada Angka Haraan Hdu dan Angka Kematan Bay d Kabuaten/Kota Provns Jawa Tmur Menggunakan Analss Regres

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression JURNAL SAINS DAN SENI POMIS Vol., No., (3) 337-35 (3-98 Prnt) D-48 Pemodelan Baya Langsung Proyek Perusahaan Jasa Konstruks P. dengan Multvarate Regresson Sulstanngrum, Irhamah, dan Muhammad Mashur Jurusan

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3) Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu

Lebih terperinci

I DEWA AYU MADE ISTRI WULANDARI

I DEWA AYU MADE ISTRI WULANDARI I DEWA AYU MADE ISTRI WULANDARI 1310 100 009 1 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERSENTASE PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR MENGGUNAKAN REGRESI NONPARAMETRIK BIRESPON

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-30

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-30 JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Prnt) D-30 Analss Faktor-Faktor yang Memengaruh Persentase Penduduk Mskn dan Pengeluaran Perkata Makanan d Jawa Tmur menggunakan Regres

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN: ANALISIS ANGKA KEMATIAN IBU MENGGUNAKAN MODEL REGRESI BINOMIAL NEGATIF (Stud kasus : Angka Kematan Ibu d Provns Jawa Tmur Tahun 011) M. Al Ma sum 1, Suart, Dw Isryant 3 1 Mahasswa Jurusan Statstka FSM

Lebih terperinci

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

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

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

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/

Lebih terperinci

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

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

Lebih terperinci

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL -6 98:. eguh d. AAR UADRA ESEMBLE ALMA FILER (A-EnF PADA ESIMASI POSISI ROBO MOBIL. eguh, Subchan,*,. endro, A. Erna, S.P. Dd 2, dan M. omarudn 3 Insttut enolog Seuluh oember 2 Polten Eletrna eger Surabaya

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

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

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion 7 Otmum Smlex.(Ruslan et al.) Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron ) Ruslan,

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation) Otmas Bobot Portofolo dan Estmas VaR * (Portfolo Weghted Otmzaton and VaR Estmaton) Suono, Subanar & Ded Rosad 3 Jurusan Matemata FMIPA UNPAD Bandung, e-mal : fsuono@yahoo.com Jurusan Matemata FMIPA UGM

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

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

Lebih terperinci

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR Rosy Riskiyanti 1308.100.508 Dosen Pembimbing Ir. Sri Pingit Wulandari, M.Si Latar Belakang

Lebih terperinci

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

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

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

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

Lebih terperinci

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

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

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

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

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

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci