KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST
|
|
- Teguh Salim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KONSISTENSI KOEFISIEN DETERINASI SEBAGAI UKURAN KESESUAIAN ODEL PADA REGRESI ROBUST Harm Sugart Ad egawar Jurusa Statstka FIPA Uverstas Terbuka ABSTRACT I statstcs, the coeffcet of determato ca be used to assess the sutablty of a model wth the data. If there are outlers the data, the coeffcet of determato obtaed by the method s ot cosstet. The purpose of ths study was to compare the coeffcet of determato of regresso les obtaed by the, the ad the LS methods as a measure of the sutablty model. The result showed that whe the data cotas o-outler, the LS method s as cosstet as the ad the methods cocerg the coeffcet of determatos. Whe the data cota outlers, the LS method s more cosstet tha the ad the methods. Ths result was based o real data wth 9.% outlers. Keywords: LS estmator, estmator, outler data, robust regresso, The Cosstecy of Coeffcet of Determato ABSTRAK Dalam statstk, koefse determas dapat dguaka utuk mela kesesuaa model dega data. Jka ada outler pada data, koefse determas yag dperoleh dega metode tdak kosste. Tujua dar peelta adalah utuk membadgka koefse determas dar gars regres yag dperoleh melalu metode, da metode LS sebaga ukura model kesesuaa. Hasl peelta meujukka bahwa ketka data tdak megadug-outler, metode LS adalah kosste, serupa dega metode da metode terkat dega koefse determas. Ketka data megadug outler, metode LS lebh kosste darpada metode da metode. Hasl berdasarka ujcoba pada data yata dega outler 9,%. Kata kuc: data outler, kosstes koefse determas, LS estmator, estmator, regres robust Sebelum melakuka feres parameter model regres, daggap perlu utuk megetahu apakah model yag dperoleh sudah sesua dega data yag ada. Ketdaksesuaa model regres yag dbagu dapat juga dsebabka karea data tdak memeuh asums, msalya data megadug pecla (outler), yatu pegamata dega ssaa yag cukup besar. Peolaka begtu saja suatu pecla bukalah prosedur yag bjaksaa, karea adakalaya pegamata pecla memberka formas yag cukup berart, msalya karea pecla mucul dar kombas keadaa yag tdak basa yag mugk saja sagat petg da perlu dseldk lebh lajut. Pegamata pecla dapat merupaka pegamata yag berpegaruh, artya pegamata yag
2 Jural atematka, Sas, da Tekolog, Volume 3 Nomor, September, 65-7 dapat mempegaruh hasl pedugaa koefse regres, sehgga tdaka membuag pegamata yag berpegaruh aka megubah secara berart persamaa regres serta kesmpulaya (Draper & Smth, 98). eurut yers (99), keberadaa pegamata yag berpegaruh dapat dperksa dega melhat perbedaa dugaa peubah tak bebas terbakuka (DFFITS) yag drumuska sebaga: ( DFFITS) yˆ yˆ, dega ˆ s h yˆ y la pedugaa y,, la pedugaa y tapa pegamata ke-, s dugaa smpaga baku tapa pegamata ke- da h usur ke- dar dagoal matrks top. Jka p meyataka bayakya parameter da meyataka bayakya pegamata, maka suatu pegamata aka merupaka pegamata berpegaruh dalam persamaa regres apabla mempuya la DFFITS ( p ). Ada beberapa ukura yag dapat dperguaka utuk megetahu apakah model yag dperoleh sudah sesua dega data, dataraya adalah koefse determas, basaya dyataka dega R yag meujukka propors varas varabel depede yag djelaska oleh varas varabel depede. Sela memberka peaksr parameter,,,..., p yag bersfat tak bas lear terbak dar model regres y x x... pxp,,,...,, metode (ordary least square) memberka ukura R JKR JKS JKT JKT y ˆ y ( y y) R yag sagat dperluka dalam pemodela, yak: dega JKR meyataka jumlah kuadrat regres, JKS meyataka jumlah kuadrat ssaa, da JKT meyataka jumlah kuadrat total. Koefse determas berla R. Apabla terdapat asums yag tdak dpeuh, khususya jka dalam data terdapat pecla, maka patut dcoba metode yag bersfat tdak sestf terhadap pelaggara asums-asums, yak regres robust. Beberapa metode pedugaa/peaksra koefse gars regres yag bersfat robust telah dkembagka, dataraya adalah metode pedugaa parameter regres berdasarka pada peduga (maxmum lkelhood estmators) da peduga LS (least meda of square estmators). eurut Staudte da Sheather (99), jka hubuga lear atara satu peubah respos dega peubah-peubah bebasya dmodelka sebaga: y x dega x meyataka bars ke- dar matrks racaga X, meyataka parameter model da meyataka suku galat. Nla y ˆ da ssaa ( e ) masg-masg ddefska sebaga yˆ x da e ˆ y y y x. Peduga utuk model dega p parameter ( ˆ ) dperoleh dega cara memmumka fugs koveks x, e yak: m x, m ˆ e x, y x persamaa: ˆ atau mecar peyelesaa dar x x, y x, dega x, e x, e utuk berbaga fugs koveks x, e yag dapat dturuka da memeuh x,. Peduga ˆ yag dperoleh buka merupaka skala varat, yatu jka ssaaya e ˆ y x dgadaka dega suatu 66
3 Sugart, Kosstes Koefse Determas kostata aka dperoleh peyelesaa yag tdak sama sepert sebelumya. Skala varat dapat e dperoleh dega megguaka la sebaga peggat e da adalah faktor skala yag juga perlu dduga, sehgga persamaa yag ada mejad: e ˆ y x,, ˆ x x x x x y x w dega fugs pembobot e ˆ x, y x w w x, yag berla atara da. Secara umum fugs pembobot e y ˆ x ( x ) e drumuska sebaga w w x, dega adalah fluece e ( x ) fucto, ( x ) adalah suatu fugs yag tdak dketahu da tergatug pada x melalu la leverage. Nla pembobot w merupaka kombas la leverage da studetzed resdual melalu DFFITS yag dperoleh dega memlh fugs Huber yag berbetuk: e c, jka c e e e ( ), jka c e c, jka c da meetuka la ( h ( ) ) x serta ˆ s ( ). Fugs Huber da fugs pembobot Huber h w masg-masg dapat dgambar sepert Gambar da Gambar. Secara sgkat la pembobot y ˆ / x e p w dyataka dalam betuk: w x,, m w x,. Dega DFFITS y ˆ x w x dapat dtulska dalam betuk matrks demka persamaa XWX XWY yag dkeal sebaga persamaa ormal kuadrat terkecl tertmbag dega W adalah matrks dagoal yag bers pembobot. Solus persamaa ormal tersebut aka memberka dugaa utuk yatu ˆ X WX X WY da peduga- utuk dperoleh dega cara melakuka teras sampa dperoleh suatu hasl yag koverge. Cara basa dkeal sebaga metode kuadrat terkecl tertmbag secara teratf (teratvely reweghted least square). 67
4 Jural atematka, Sas, da Tekolog, Volume 3 Nomor, September, 65-7 e/ w(e/ c - c - c c e/ - c c e/ Gambar. Fugs Huber Berdasarka pembobot w da ˆ dega persamaa: X DX X DX X DX p Gambar. Fugs Pembobot Huber, matrks varas-kovaras utuk ˆ yak dapat ddekat dega D meyataka matrks e dagoal yag eleme-eleme dagoalya adalah da D meyataka matrks v( x ) dagoal dega eleme-eleme dagoalya w e (Staudte & Sheather,99). aroa, dkk (6) megusulka koefse determas dapat dhtug dega rumus y ˆ x ˆ sebaga berkut: R dega ˆ merupaka peaksr utuk E( y ) yak y ˆ ˆ y solus dar m, serta ˆ da ˆ masg-masg adalah peaksr utuk da ˆ yag dperoleh berdasarka fugs. etode la yag bersfat robust utuk peaksra koefse gars regres adalah metode LS (least meda square). etode mempuya keutuga utuk megurag pegaruh dar ssaa. eurut Rousseeuw da Leroy (3), peduga LS dperoleh dega mecar model regres yag memmumka meda dar h kuadrat ssaa ( e ) atau ddefska sebaga ˆ arg m meda e e y x ;,,...,. dega LS Ukura sebara dar galat dapat dtaksr dega cara meetuka dulu la awal 5,486 ( ˆ s meda e LS ). Faktor, 486 dguaka karea ( p) (,75) meda z merupaka peaksr kosste utuk jka z berdstrbus N,. Selajutya (,75) la awal s dguaka utuk meetuka pembobot jka e s, 5 w jka e s,5 w utuk setap pegamata, yatu: 68
5 Sugart, Kosstes Koefse Determas sebaga: Berdasarka pembobot ˆ w e w p w, maka la akhr taksra utuk regres LS ddefska da koefse determas utuk metode LS adalah: ˆ med e med y x LS RLS mad( y ) Rousseeuw da Leroy (3) med y med y j j Pada peelta pedahulua dperoleh hasl bahwa utuk data yag tdak megadug pecla, metode regres robust dega peduga LS kurag efse dbadg metode, sedagka utuk data yag megadug pecla, metode regres robust dega peduga LS lebh efse dbadg metode (Sugart & egawar, ). Jka koefse determas utuk model dhtug berdasarka metode, metode, da metode LS maka dharapka dperoleh formas yag lebh detl tetag hubuga yag ada d atara varabel depede da varabel depede dalam model regres. Dega kata la peetua koefse determas dharapka dapat dguaka sebaga dkator utuk megetahu apakah model yag dperoleh sudah sesua dega data. Tulsa bertujua megkaj kosstes koefse determas sebaga ukura kesesuaa model gars regres yag dperoleh dega metode, metode, da metode LS utuk data yag megadug pecla maupu tdak. ETODE Ada dua jes data yag dguaka dalam kaja, yatu data smulas berupa data bagkta yag dperoleh dega batua program INITAB vers 3., serta data terapa berupa la Tugas Tutoral Ole (Tuto), Nla Partspas Tuto, da la Uja Akhr Semester (UAS) mata kulah etode Statstk I masa uja Adapu lagkah-lagkah yag dlakuka adalah: () membagktka sebayak 4 pasag data sebaga peubah bebas ( x, x ) da data galat ( ) dega ~ NIID(, ), () meetuka peubah tak bebas ( y) dega asums la,, tertetu utuk model y x x, (3) medapatka pegamata pecla dega meggat sejumlah tertetu pegamata y dega la ekstrm sedemka sehgga dperoleh pegamata pecla yag berpegaruh, (4) mecar peaksr,, LS utuk koefse gars regres utuk data smulas dega atau tapa pecla, (5) meetuka koefse determas R, R, da R LS utuk data smulas dega atau tapa pecla, (6) mecar peaksr,, LS utuk koefse gars regres utuk data terapa, da (7) meetuka koefse determas R, R, da R utuk data terapa. LS HASIL DAN PEBAHASAN Sebayak empat puluh galat berdstrbus Normal dega mea da varas dbagktka secara radom dega paket program INITAB. Jka asumska, smulas memberka empat puluh pasag data ( y, x, x ). Peaksr koefse gars regres ( ˆ) da koefse determas ( R ) utuk data smulas tapa pecla dapat dlhat pada Tabel. 69
6 Jural atematka, Sas, da Tekolog, Volume 3 Nomor, September, 65-7 Tabel. Peaksr Koefse Gars Regres da Koefse Determas utuk Data Tapa Pecla Koefse LS,5,56,7*,973*,97*,969*,3*,9*,969* R,96,994,98 Sgfka pada 5% Pada data tapa pecla, ketga metode memberka la koefse determas yag tdak jauh berbeda, yatu metode memberka koefse determas R,96 artya 96,% varabltas dalam y dapat djelaska oleh x da x. etode memberka koefse determas R,994 artya 99,4% varabltas dalam y dapat djelaska oleh x da x serta metode LS memberka koefse determas R,98 artya 98,% varabltas dalam y dapat djelaska oleh x da x. Hal meujukka bahwa metode, metode, da metode LS meyataka model regres lear sesua utuk data, sehgga feres tetag koefse gars regres dapat dlakuka. Peaksr koefse gars regres da koefse determas utuk data smulas yag megadug 5% pecla dapat dlhat pada Tabel. etode memberka koefse determas R,66, metode memberka koefse determas R,846 da metode LS memberka koefse determas R LS,983. Nla koefse determas yag dperoleh dega metode da metode mejad lebh kecl, sedagka la koefse determas yag dperoleh dega metode LS tdak berubah. Hal meujukka bahwa metode LS mash kosste dalam memberka la koefse determas dbadg metode da metode. Pada Tabel juga dapat dlhat adaya perubaha sgfkas koefse utuk metode, yak mejad sgfka pada data dega 5% pecla. Tabel. Peaksr Koefse Gars Regres da Koefse Determas utuk Data dega 5% Pecla Koefse LS,659,5*,994*,85*,95*,95*,969*,94*,7* R,66,846,983 Sgfka pada 5% Peaksr koefse gars regres da koefse determas utuk data smulas dega % pecla dapat dlhat pada Tabel 3. etode memberka koefse determas R, 445, metode memberka koefse determas determas R,979. LS R,588 da metode LS memberka koefse 7
7 Sugart, Kosstes Koefse Determas Tabel 3. Peaksr Koefse Gars Regres da Koefse Determas utuk Data dega % Pecla Koefse LS 4,5*,7*,37*,774*,86*,866*,89*,956*,885* R,445,663,979 Sgfka pada 5% Jka dlhat dar kosstes la koefse determas utuk masg-masg metode meujukka bahwa R LS lebh kosste dbadg R da R. Hal meujukka bahwa pada data tapa pecla, data megadug 5% pecla, da data megadug % pecla, ukura koefse determas yag dberka oleh metode LS lebh kosste dbadg metode da metode. Demka juga dega sgfkas koefse regres, metode LS lebh kosste dbadg metode da metode. Hasl sedkt berbeda dega hasl kaja sebelumya yag meujukka bahwa metode LS kurag efse dbadg metode utuk data yag tdak megadug pecla, tetap metode LS lebh efse dbadg metode dalam meaksr koefse gars regres utuk data yag megadug pecla (Sugart & egawar, ). Koefse determas utuk data terapa dapat dlhat pada Tabel 4, metode memberka koefse determas R,4 artya 4,% varabltas dalam la UAS dapat djelaska oleh la Tugas, Tugas, Tugas 3, da la partspas mahasswa. etode memberka koefse determas R,879 da metode LS memberka koefse determas R,79. LS Tabel 4. Peaksr Koefse Gars Regres da Koefse Determas utuk Data Terapa Koefse LS Kostata 35,5 * 35,34* 9,678* Tugas,9 -,,64 Tugas,5,4 -,48 Tugas 3,3 -,54 -,79* Partspas -,57,,6* R,4,879,79 Sgfka pada 5% Berdasarka hasl smulas, metode LS daggap lebh kosste memberka ukura koefse determa dbadg metode da metode, sehgga peaksr koefse gars regres yag dperoleh dega metode LS meujukka bahwa la Tugas 3 da Partspas cukup sgfka mempuya pegaruh lear terhadap la UAS mahasswa. Namu, karea peaksr koefse gars regres utuk la Tugas 3 berla egatf ( ˆ 3,79), mater Tugas 3 perlu dtjau kembal. Demka juga utuk Tugas da Tugas, karea peaksr koefse gars regres yag dperoleh tdak cukup sgfka mempuya pegaruh lear terhadap la UAS mahasswa 7
8 Jural atematka, Sas, da Tekolog, Volume 3 Nomor, September, 65-7 maka mater Tugas da Tugas perlu revs sehgga pembera mater Tugas, Tugas, Tugas 3, da partspas mahasswa mempuya pegaruh lear yag sgfka dalam megkatka la UAS mahasswa. KESIPULAN Secara umum dapat dsmpulka bahwa metode, metode, da metode LS memberka la koefse determas yag hampr sama pada data yag tdak megadug pecla. Pada data yag megadug pecla, metode LS memberka la koefse determas yag tdak jauh berbeda dega data yag tdak megadug pecla, tetap metode da metode memberka la koefse determas yag jauh lebh kecl. Dega kata la, metode LS lebh kosste dbadg metode da metode dalam memberka la koefse determas. Pada data terapa yag megadug pecla, metode LS lebh kosste dbadg metode da metode dalam memberka la koefse determas. REFERENSI Draper, N.R. & Smth, H. (98). Appled regresso aalyss ( d ed). New York: Wley. aroa, R.A., art, R.D., & Yoha, V.J. (6). Robust statstcs: Theory ad ethods. Chchester, West Sussex, UK: Wley. yers, R.H. (99). Classcal ad moder regresso wth applcatos ( d ed). Bosto: PWS- Ket. Rousseeuw,P.J. & Leroy,A.. (3). Robust regresso ad outler detecto. New York: Wley. Staudte, R.G. & Sheather, S.J. (99). Robust estmato ad testg. New York: Wley. Sugart, H. & egawar, A. (). Tgkat efses peaksr terhadap peaksr LS dalam meaksr koefse gars regres. Jural atematka, Sas, da Tekolog, (),
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinciBAB 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 terperinci11/10/2010 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciTAKSIRAN 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 terperinciBAB 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 terperinciBAB 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 terperinciPERTEMUAN 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 terperinciTAKSIRAN 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 terperinciAnalisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter
Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,
Lebih terperinciDi 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 terperinciBAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat
BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.
Lebih terperinciBAB 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 terperinciPENAKSIR 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 terperinci3 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 terperinciINTERVAL 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 terperinciBAB 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 terperinciTAKSIRAN 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 terperinciBAB 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 terperinciBAB 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 terperinciALGORITMA PENDUGAAN MODEL REGRESI KEKAR MELALUI PENDUGA-M
ALGORITMA PENDUGAAN MODEL REGRESI KEKAR MELALUI PENDUGA-M Nusar Hajarsma Jurusa Statstka, Uverstas Islam Badug, Jl. Purawarma No. 63, Badug 40116, Jawa Barat Idoesa rsma@yahoo.co.uk ABSTRACT The presece
Lebih terperinciPENAKSIR 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 terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciREGRESI 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 terperinciBAB 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 terperinciPENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciIII. 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 terperinciANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka
Lebih terperinciKOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI
KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciBAB 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 terperinciUKURAN 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 terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciX a, TINJAUAN PUSTAKA
PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel
Lebih terperinciTAKSIRAN 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 terperinciBab 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 terperinciRegresi 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 terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciLANGKAH-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 terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciXI. 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 terperinciSIFAT-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 terperinciABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2
Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN
PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da
Lebih terperinciMINGGU 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 terperinciBAB 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 terperinciBAB 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 terperinciREGRESI 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* 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 terperinciS2 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 terperinciII. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi
3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj
Lebih terperinci( ) ( ) ( ) ( ) ( ) 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 terperinciBAB 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 terperinciJawablah 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 terperinciBAB 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 terperinciBAB 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 terperinciPendahuluan. 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 terperinciREGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa
Lebih terperinciBAB 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 terperinciPENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)
Prosdg SPMIPA pp 185-191 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG) Taro Program Stud Statstka FMIPA UNDIP Semarag
Lebih terperinciPEMERIKSAAN DATA BERPENGARUH DALAM MODEL GAMMA
PEMERIKSAAN DATA BERPENGARUH DALAM MODEL GAMMA Nusar Hajarsma Jurusa Statstka, Uverstas Islam Badug Jl. Purawarma No.69, Badug 406 rsma@yahoo.co.uk ABSTRACT I statstcal modelg, especally modelg of categorcal
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciBAB 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 terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciMean 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 terperinciRegresi & 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 terperinciPenyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)
Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,
Lebih terperinciAnalisis 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 terperinciPENDAHULUAN 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 terperinciTINJAUAN PUSTAKA Evaluasi Pengajaran
TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas
Lebih terperinciPROSEDUR 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 terperinci4/1/2013. 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 terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciPenarikan 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 terperinciPenarikan Contoh Acak Sederhana (Simple Random Sampling)
Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu
Lebih terperinciSUM 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 terperinciPEMERIKSAAN DATA BERPENGARUH DALAM MODEL REGRESI GAMMA. Nusar Hajarisman 1
Pemerksaa Data (Nusar H) PEMERIKSAAN DATA BERPENGARUH DALAM MODEL REGRESI GAMMA Nusar Hajarsma Staf Pegajar Jurusa Statstka Uverstas Islam Badug Jala Purawarma No. 69 Badug 06 rsma@yahoo.co.uk Abstract
Lebih terperinciRuang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA
Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka
Lebih terperinciKALKULUS 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 terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciAnalisis 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 terperinciPENAKSIR 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 terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciIII 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 terperinciVolume 1, Nomor 2, Desember 2007
Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI
Lebih terperinciProses inferensi pada model logit Agus Rusgiyono. Abstracts
Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciI 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 terperinciBAB 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 terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinci