JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal Sca Statstc Urfah Hdayat, I Nyoma Latra, da Purhad Jurusa Statsta, FMIPA, Isttut Teolog Seuluh Noember (ITS) Jl. Aref Rahma Ham, Surabaya 60 Idoesa e-mal: _yoma_l@statsta.ts.ac.d, urhad@statsta.ts.ac.d Abstra Meurut Laora Profl Kesehata Jawa Tmur tahu 03, aga emata ederta DBD berada d atas target, yatu mecaa,04 erse. Target Aga Bebas Jet sebesar 95 erse, sedaga realsasya 86 erse. Dar 38 abuate atau ota yag ada d Jawa Tmur, Kota Surabaya meruaa ota dega jumlah asus DBD tertgg. Dalam eelta dlaua emodela jumlah asus DBD d Surabaya dega megguaa metode Geograhcally Weghted Bomal Negatve Regresso (GWBNR) da Flexbly Shaed Satal Sca Statstc utu medetes atog-atog asus DBD. Hasl eelta dega embobota Bsquare Kerel deroleh elomo yag delomoa berdasara varabel yag sgfa dmaa fator yag memegaruh d semua ecamata adalah eadata edudu, raso doter umum, da raso Pusesmas. Hasl Flexbly Shaed Satal Sca Statstc meujua bahwa terdaat tga atog DBD. Daerah alg rawa yatu ecamata Beowo yag meml la reso relatf sebesar,340. Daerah rawa terdr dar ecamata Suomauggal, Tades, Sambere, Geteg, Tegalsar, Teggls Mejoyo, Sawaha, Wooromo, Karaglag, Duuh Pas, Wyug, Gayuga, Woocolo, da Jambaga dega reso relatf sebesar,688. Daerah terdr da ecamata Smoerto, Gubeg, Tambasar, Rugut, Guug Ayar, Suollo, da Mulyorejo dega la reso relatf sebesar,308. Kata Kuc DBD, Flexbly Shaed Satal Sca Statstc, GWNBR D I. PENDAHULUAN BD meruaa salah satu eyat yag sama saat mash mejad masalah esehata masyaraat area erjalaa eyatya ceat da daat meyebaba emata dalam watu sgat. Peyat dsebaba oleh vrus Degue yag eularaya melalu ggta yamu Aedes aegyt beta. Nyamu memuya ebasaa megggt ada saat ag da sore har. Temat erembag baaya d temat eamuga ar yag bersh []. Aga emata atau Case Fatalty Rate ederta DBD berada d atas target, ya mecaa,04 erse. I meujua bahwa erlu egata dagose d da tata lasaa asus DBD d rumah sat serta sosalsas tetag eyat DBD erlu dtgata. Target Aga Bebas Jet tahu 03 sebesar 95 erse, sedaga realsasya haya 86 erse. I meujua bahwa d setar rumah edudu mash baya dtemua vetor eular DBD, sehgga eulara DBD mash terus saja terjad []. Kota Surabaya meruaa ota dega jumlah asus DBD tertgg d Jawa Tmur. Jumlah asus DBD tahu 03 megalam egata lebh dar dua al lat dar tahu 0 yatu dar 09 asus mejad.07 asus. Sedaga asus meggal ada ase DBD sebaya 9 orag []. Jumlah asus DBD meruaa salah satu cotoh data cout, sehgga aalss yag daat dguaa utu megetahu fator-fator yag memegaruh adalah regres Posso. Dalam aalss regres Posso, serg al mucul feomea overdsers [3]. Salah satu metode yag dguaa dalam megatas overdsers dalam regres Posso adalah regres Bomal Negatf. Dega memerhata ase sasal (wlayah) maa dguaa metode Geograhcally Weghted Negatve Bomal Regresso, dmaa seta wlayah ast meml ods geografs yag berbeda sehgga meyebaba adaya erbedaa jumlah asus DBD atara wlayah satu dega wlayah yag laya sesua dega araterst wlayah tersebut data dega ods lguga dalam rumah tagga edudu. Kasus DBD harus segera dtaggulag sed mug. Salah satu strateg eaggulaga DBD adalah dega cara memetaa daerah yag meruaa atog-atog DBD atau hotsot. Salah satu metode yag dguaa utu medetes hotsot yatu Flexbly Shaed Satal Sca Statstc. Peelta dlaua utu megdetfas fator yag memegaruh ejada DBD d Kota Surabaya dega metode GWNBR, da formas megea loas atau atog-atog eberadaa DBD dega Flexbly Shaed Satal Sca Statstc, sehgga uaya ecegaha da eaggulaga DBD daat teat sasara da berlagsug secara efetf da efse. II. TINJAUAN PUSTAKA A. DBD DBD adalah eyat yag dsebaba oleh vrus Degue dar geus Flavvrus, famly Flavvrdae melalu ggta yamu Aedes aegyt da Aedes alboctus. Adau yamu Aedes aegyt meml emamua terbag mecaa radus

2 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D meter. Oleh area tu, ja d suatu lguga terea asus DBD, maa masyaraat yag berada ada radus tersebut harus wasada []. Nyamu Aedes aegyt lebh meyua temat yag gela, berbau, da lemba. Temat erdua yag serg dlh Aedes aegyt adalah awasa yag adat dega satas yag urag memada, terutama dgeaga ar dalam rumah, seert ot, vas buga, ba mad atau temat eymaa ar laya seert temaya, drum, atau ember last [4]. Fator lguga memegag eraa etg dalam eulara eyat, terutama lguga rumah yag tda memeuh syarat. Lguga rumah meruaa salah satu fator yag membera egaruh besar terhada status esehata eghuya [5]. Peyat DBD serg terjad d daerah tros da mucul ada musm eghuja. Kuragya esadara mausa dalam mejaga ebersha lguga juga meruaa hal yag beregaruh terhada eyat DBD [6]. B. Multolertas Salah satu syarat yag harus deuh dalam embetua model regres dega beberaa varabel redtor adalah tda ada asus multoleartas. Pedetesa asus multolertas dlaua megguaa rtera la VIF. Ja la VIF (Varace Iflato Factor) lebh besar dar 0 meujua adaya multolertas atarvarabel redtor. Nla VIF dyataa sebaga berut. VIF () R dega R adalah oefse determas atara satu varabel redtor dega varabel redtor laya [7]. C. Regres Posso Regres Posso meruaa model regres olear yag serg dguaa utu memodela data cout [8]. Ja varabel radom dsrt (y) meruaa dstrbus Posso dega arameter µ maa fugs robabltas dar dstrbus Posso daat dyataa sebaga berut. e y () f ( y, ) ; y 0,,,... y! Dega µ meruaa rata-rata varabel reso yag berdstrbus Posso dmaa la rata-rata da vara dar Y memuya la lebh dar 0. Persamaa model regres Posso daat dtuls sebaga berut. ex 0 x. x.... x (3). Dega µ meruaa rata-rata jumlah ejada yag terjad dalam terval watu tertetu. Salah satu metode yag dguaa utu megestmas arameter regres Posso adalah metode Maxmum Lelhood Estmato (MLE). Fugs log lelhood drumusa sebaga berut. X T β e y X T β ly! l L β (4) Peguja sgfas arameter regres osso terdr dar uj sereta da arsal. Uj sgfas secara sereta megguaa Maxmum Lelhood Rato Test (MLRT) dega hotess sebaga berut [9]. H :β β β 0 0 H: mmal ada satu β 0;,,, ωˆ Ωˆ Statst Uj : L D ˆβ l Λ l (5) L meruaa fugs lelhood taa melbata varabel Lˆ L ˆ meruaa fugs lelhood dega melbata varabel redtor. Tola H 0 ja Dβ ˆ χ yag berart mmal ada satu arameter yag, beregaruh secara sgfa. Kemuda dlaua eguja arameter secara arsal dega hotess sebaga berut. H 0 : β =0 H : β 0 ; =,,..., redtor, sedaga Ω Statst Uj : z htug (6) SE ) Tola H 0 ja z htug z / dega α meruaa tgat sgfas yag dtetua. Overdsers meruaa la dsers earso Ch-square atau devace yag dbag dega derajat bebasya, deroleh la lebh besar dar [0]. D. Regres Bomal Negatf Model regres Bomal Negatf memuya fugs massa robabltas sebaga berut []. / y y / f y,, / y! y 0,,,...; X T β (7) Pada Persamaa (7), ods overdsers dtujua dega la >. Estmas model regres Bomal Negatf dyataa sebaga berut. ex 0 x. x.... x. (8) Metode Maxmum Lelhood Estmato (MLE) dguaa utu edugaa arameter dalam regres Bomal Negatf. Fugs Lelhood dar regres Bomal Negatf adalah sebaga berut. / y y / Lβ, / y (9) Peguja sgfas secara sereta utu estmas arameter model regres Bomal Negatf dega hotess sebaga berut []. H 0 : β = β =...= β =0 H : mmal ada satu β 0; =,,..., Statst Uj: L ωˆ D ˆβ l Λ l L Ωˆ (0) dmaa Lˆ meruaa fugs lelhood berdasara ersamaa (9) taa melbata varabel redtor, sedaga Ω L ˆ meruaa fugs lelhood dega melbata ( varabel redtor. Tola H 0 ja statst uj Dβ ˆ χ,

3 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D-74 Peguja sgfas secara arsal utu megetahu arameter maa saja yag membera egaruh yag sgfa terhada model dega hotess sebaga berut. H 0 : β =0 H : β 0 ; =,,..., Statst Uj: z htug () SE ) Tola H 0 ja z htug z / dega meruaa tgat sgfas yag dtetua. Tola H 0 artya bahwa arameter e- sgfa terhada model regres Bomal Negatf. E. Peguja Deedes Sasal Peguja deedes sasal dlaua utu melhat aaah egamata d suatu loas beregaruh terhada egamata d loas la yag letaya berdeata. Peguja deedes sasal dlaua megguaa statst uj Mora s I dega hotess sebaga berut [3]. ( H 0 : I 0 (tda terdaat deedes sasal) H : I 0 (terdaat deedes sasal) Statst uj : dega Z I ht Iˆ E( Iˆ) Var( Iˆ) y yy y wj j j Iˆ wj y y j = baya egamata = la rata rata dar dar loas = la egamata ada loas e- = la egamata ada loas e-j = eleme matrs embobot sasal quee cotguty () (3) Keutusa : Tola H 0 ja la Zht Z, yag berart terdaat / deedes sasal dalam model. F. Peguja Heterogetas Sasal Peguja heterogetas sasal dlaua utu melhat aaah terdaat ehasa ada seta loas egamata, sehgga arameter regres yag dhasla berbeda-beda secara sasal. Peguja heterogetas sasal dlaua megguaa statst uj Breusch-Paga (BP) dega hotess sebaga berut. H 0 : H : mmal ada satu (varas atarloas sama) (varas atarloas berbeda) Megguaa statst uj Breusch-Paga (BP) adalah sebaga berut. T T T BP (/ ) f Z( Z Z) Z f (4) Tola H 0 ja la BP >, atau -value < yag berart terjad heterosedaststas dalam model (varas atarloas berbeda). Keragama sasal yag terjad ada suatu egamata derlua matrs embobot. Fugs embobot yag dguaa adalah Adatve Bsquare Kerel. G. GWNBR Model GWNBR aa meghasla arameter loal dega masg-masg loas aa meml arameter yag berbeda-beda. Model GWNBR daat drumusa sebaga berut [4]. (5) y ~ NB ex u, v x, u, v, y,,3,..., 0 Estmas arameter model GWNBR megguaa metode masmum lelhood. Fugs lelhood daat dtulsa sebaga berut. y / y,,, L u v y x r! r 0 y (6) Peguja sgfas arameter model GWNBR terdr dar uj esamaa model, sereta da arsal. Uj esamaa model GWNBR dega NBR dlaua dega hotess sebaga berut. H 0 : H : Statst uj : u, v u, v F htug Devas model A df Devas model B df A B (7) Model A adalah model Bomal Negatf da model B adalah model GWNBR. Tola ja F F htug, df A, df B yag artya bahwa ada erbedaa yag sgfa atara model Bomal Negatf dega model GWNBR Uj sgfas secara sereta dega megguaa Maxmum Lelhood Rato Test (MLRT) dega hotess sebaga berut. H 0 : u v u, v... u, v 0, H : alg sedt ada satu u, v 0 ; =,,..., Statst Uj: L ω D ˆβ ˆ l Λ l L Ωˆ (8) dmaa Lˆ meruaa fugs lelhood berdasara ersamaa (6) taa melbata varabel redtor, sedaga L Ω ˆ meruaa fugs lelhood dega melbata varabel redtor. Tola H 0 ja statst uj D β ˆ χ, Peguja sgfas secara arsal utu megetahu arameter maa saja yag membera egaruh yag sgfa terhada varabel reso ada ta-ta loas dega hotess sebaga berut. H 0 : u, v 0 H : u, v 0 ; =,,..., Statst uj: u, v zhtug SE u, v (9)

4 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D-75 dtola ja statst uj z htug z /. Tola H 0 artya bahwa arameter tersebut beregaruh sgfa terhada varabel reso d loas ada ta loas [4]. H. Flexbly Shaed Satal Sca Statstc Satal Sca Statstc meruaa salah satu metode statst yag dguaa utu medetes cluster ada sebuah loas yag berua tt mauu data agregat. Metode Flexbly Satal Sca Statstc memuya ower lebh tgg darada metode Crcular Satal Sca Statstc saat cluster yag ddetes adalah o-crcular da flesbel terhada betu atog yag dhasla sehgga tda terbatas ada betu lgara saja [5]. III. METODOLOGI PENELITIAN Data yag dguaa dalam eelta adalah data seuder yag deroleh melalu ublas data rofl esehata d Das Kesehata Kota Surabaya, da Bada Pusat Statst (BPS) tahu 03. Jumlah loas eelta yag dguaa adalah sebaya 3 ecamata d Surabaya. Pejelasa masg-masg varabel adalah sebaga berut.. Jumlah asus DBD masg-masg ecamata d Kota Surabaya tahu 03 (Y). Persetase rumah/bagua bebas jet yamu Aedes (X ) 3. Persetase rumah tagga ms (X ) 4. Presetase rumah tagga bererlau hdu bersh da sehat (PHBS) (X 3 ) 5. Keadata edudu (X 4 ) 6. Persetase rumah sehat (X 5 ) 7. Raso teaga meds (doter umum) (X 6 ) 8. Persetase rumah tagga yag meml temat samah sehat (X 7 ) 9. Raso saraa esehata Pusesmas (X 8 ) Lagah aalss yag dlaua dalam eelta yag ddasara ada tujua eelta adalah sebaga berut.. Medesrsa araterst jumlah asus DBD da fator-fator yag memegaruhya d Kota Surabaya ada tahu 03 megguaa emetaa wlayah utu masg-masg varabel.. Peguja asus multolertas berdasara rtera orelas da VIF. 3. Megaalss model regres Posso 4. Megaalss model regres Bomal Nrgatf 5. Peguja ase data sasal 6. Memodela GWNBR utu asus DBD d Kota Surabaya ada tahu 03 da memetaa wlayah berdasara varabel yag sgfa. 7. Medetes atog DBD tgat ecamata d Kota Surabaya dega Flexbly Shaed Satal Sca Statstc. IV. ANALISIS DAN PEMBAHASAN A. Karaterst Jumlah Kasus DBD Tahu 03 d Kota Surabaya Jumlah asus DBD d Surabaya tahu 03 megalam eaa hgga mejad.07 asus. Peemua jumlah asus DBD tertgg terdaat d Kecamata Sawaha, yatu sebaya 88 asus. Sedaga eemua jumlah asus DBD teredah terdaat d Kecamata Bula, yatu sebaya 9 asus. Gambar. Peta Peyebara Jumlah Kasus DBD d Surabaya Tahu 03 Pada Gambar dega dator wara hjau tua meruaa ecamata dega jumlah asus DBD yag tgg yatu atara retag 74,6 hgga 88 asus yatu ecamata Tades, Beowo, Sambere, Sawaha, Tegalsar, Wooromo, Gubeg, Smoerto, Tambasar, Suollo, Teggls Mejoyo, da Rugut. B. Pemersaa Multolertas Berut adalah salah satu cara medetes multolertas dega rtera orelas da VIF. Tabel. Korelas atar Varabel Predtor X X X 3 X 4 X 5 X 6 X 7 X 0,070 X 3 0,00-0,98 X 4-0,3 0,50-0,045 X 5 0,694-0,7 0,30-0,07 X 6 0,05-0,077-0,6-0,56 0,6 X 7-0,60-0,04 0,038 0,76-0,055-0,005 X 8 0,08-0,049-0,7-0,68 0,097 0,830-0,043 Tabel. Nla VIF dar Varabel Predtor Varabel Predtor VIF Varabel Predtor VIF X,466 X 5,55 X,89 X 6 3,573 X 3,5 X 7,077 X 4,63 X 8 3,348 Tabel da meujua la oefse orelas urag dar 0,95 da VIF dar masg-masg varabel redtor meml la VIF urag dar 0, sehgga daat dsmula bahwa tda terdaat asus multolertas. C. Regres Posso Berut meruaa estmas arameter model regres Posso. Tabel 3. Estmas Parameter Model Regres Posso Parameter Estmate Z Value P Value ˆ 0,8880 8,47 <e-6* ˆ 0,038 3,003 0,0067* ˆ -0,006-3,86 0,0003* ˆ 3-0,0037 -,38 0,0044* ˆ 4 0, ,309 <e-6* ˆ 5 0, ,06 0,9870

5 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D-76 ˆ 6 ˆ 7 ˆ,4500,98 0,0087* 0,0048 3,69 0,0008* 8-0,783-4,690,73e-06* Devas=33,36 Df= *) sgfa dega taraf yata 5% Tabel 3 meujua la devas sebesar 33,36 dega taraf sgfas 5% ddaata 8;0,5 sebesar,07 yag berart mmal ada satu varabel redtor yag beregaruh sgfa terhada varabel reso. Berdasara hasl eguja secara dvdu dega taraf sgfas 5% ddaata z 0,5/ sebesar,44 yag artya bahwa semua varabel redtor dalam model secara dvdu membera egaruh yag sgfa terhada jumlah asus DBD d Surabaya, ecual varabel ersetase rumah sehat. Sehgga ddaata model regres Posso sebaga berut. l ˆ =, ,038X- 0,006X- 0,0037X3+ 0,00003X4 + 0,00006X5,45X6 0,0048X7-0,783X8 D. Regres Bomal Negatf Berut meruaa estmas arameter model regres Bomal Negatf. Tabel 4. Estmas Parameter Model Regres Bomal Negatf Parameter Estmate Z Value P Value ˆ 0,403,7 0,067* ˆ 0,078,0 0,63 ˆ -0,089 -,089 0,76 ˆ 3-0,0049-0,48 0,6303 ˆ 4 0,00003,53 0,00* ˆ 5-0, ,044 0,9650 ˆ 6,76 0,79 0,49 ˆ 7 0,0059,30 0,98 ˆ 8-0,746 -,56 0,96* Devas=3,699 Df= *) sgfa dega taraf yata 5% Tabel 4 meujua la devas sebesar 3,699 dega taraf sgfas 5% ddaata 8;0,5 sebesar,07 yag artya mmal ada satu varabel redtor yag beregaruh sgfa terhada varabel reso. Berdasara hasl eguja secara dvdu haya terdaat dua varabel redtor yag sgfa, yatu X 4 da X 8. Berut meruaa model regres Bomal Negatf. l ˆ =, ,078X- 0,078X- 0,0049X3+ 0,00003X4-0,00005X5,76X6 0,0059X7-0,746X8 E. Peguja Ase Data Sasal Berdasara hasl eguja heterogetas deroleh la statst uj Breusch-Paga sebesar 3,407 dega -value 0,9066. Dguaa α sebesar 5% maa ddaata 8;0,5 sebesar,07. Sehgga ddaata esmula bahwa varas atarloas sama atau tda terdaat erbedaa araterst atara satu tt egamata dega tt egamata laya. Berdasara hasl eguja deedes sasal deroleh -value sebesar 0,59 sehgga dega taraf yata 5% ddaata esmula bahwa tda ada deedes sasal yag artya bahwa egamata suatu loas tda bergatug ada egamata d loas la yag letaya berdeata. F. Peguja Sgfas Model GWNBR Berdasara hasl erhtuga ddaata la devas model GWNBR sebesar 9,4986. Dega taraf yata 5% ddaata 8;0,5 sebesar,07 yag artya mmal ada satu arameter model GWNBR yag sgfa beregaruh. Berdasara hasl eguja ddaata la Z ht yag berbeda-beda ta loas. Ddaata hasl egelomoa sebaya elomo berdasara varabel yag sgfa. Varabel yag sgfa member egaruh jumlah asus DBD d semua wlayah adalah eadata edudu (X 4 ), raso doter umum (X 6 ), raso saraa esehata Pusesmas (X 8 ). Tabel 5. Pegelomoa Kecamata d Surabaya No. Kecamata Varabel yag Sgfa Smoerto X,X,X 4,X 5,X 6,X 7,X 8 Tambasar X,X,X 3,X 4,X 5,X 6,X 8 3 Bubuta X,X,X 4,X 5,X 6,X 8 4 Mulyorejo X,X 3,X 4,X 5,X 6,X 8 5 Bula X,X 4,X 5,X 6,X 7,X 8 6 Kejera X,X,X 4,X 6,X 7,X 8 7 Geteg, Gubeg X,X,X 4,X 6,X 8 8 Tegalsar, Sawaha X,X 3,X 4,X 6,X 8 9 Beowo, Gayuga, Woocolo, Jambaga X 3,X 4,X 6,X 7,X 8 0 Paal, Laarsatr, Sambere, Karag Plag, Duuh Pas, Wyug X 4,X 6,X 7,X 8 Rugut, Teggls Mejoyo, Guug Ayar, Wooromo X 3,X 4,X 6,X 8 Suomauggal, Tades, Asemrowo, Pabea Cata, Semamr, Krembaga, Suollo X 4,X 6,X 8 Pegelomoa wlayah ecamata d Kota Surabaya berdasara varabel yag sgfa dsaja dalam Gambar. Gambar. Pegelomoa Kecamata d Surabaya berdasara Varabel yag Sgfa Sebaga cotoh aa dsaja eguja arameter ada loas eelta yag e-9 (u 9, v 9 ) yatu Kec.Rugut.

6 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D-77 Tabel 6. Peguja Parameter Model GWNBR d Kec. Rugut Parameter Estmate Z Value ˆ 0, ,4* ˆ 0, ,677 ˆ 0,055 0,37 ˆ 3-0,008 -,795* ˆ 4 0, ,37* ˆ 5-0, ,0396 ˆ 6, ,5* ˆ 7-0,0060-0,83 ˆ 8-0,7470 *) sgfa dega taraf yata 5% -905,5* Dega taraf yata 5% maa z 0,5/ adalah,44 sehgga daat detahu varabel yag sgfa d ecamata Rugut adalah X 3, X 4, X 6 da X 8 sehgga daat dbetu model sebaga berut. l ˆ =, ,0368X 0,055X- 0,008X3+ 0,0000X4-0,0056X5,76X6 0,006X7-0,747X8 Berdasara model yag terbetu d ecamata Rugut daat dsmula bahwa seta rumah tagga yag ber-phbs (X 3 ) maa aa megurag rata-rata jumlah asus DBD sebesar ex(0,008) =,008 asus dega asums varabel la osta. Hal sesua dega sema baya rumah tagga yag bererlau hdu bersh da sehat mecegah terjagtya DBD. Seta ertambaha edudu jwa er m maa aa meambah rata-rata jumlah asus DBD sebesar ex(0,0000) =,0000 asus dega asums varabel la osta. Hal sesua area DBD meruaa eyat meular da yamu Aedes Aegyt sagat meyua temat yag adat da sema adat edudu, eluag lguga mejad umuh aa lebh besar. Seta eaa satu satua raso saraa esehata Pusesmas maa aa megurag rata-rata jumlah asus DBD sebesar ex(0,747) =,044 asus dega asums varabel la osta. Hal sesua area eraa usesmas sagatlah etg, dega adaya usesmas, fasltas esehata daat djagau oleh berbaga alaga masyaraat. G. Pemlha Model Terba Pemlha model terba dega rtera AIC adalah sebaga berut. Tabel 7. Pemlha Model Terba Regres Posso 57,8 NBR 307,70 GWNBR 00,3 Tabel 7 meujua bahwa model GWNBR meml la AIC alg ecl ja dbadga dega regres osso da NBR, sehgga daat dsmula bahwa model GWNBR lebh ba dalam memodela jumlah asus DBD masg-masg ecamata d Kota Surabaya. H. Pedetesa Katog DBD dega Flexbly Shaed Satal Sca Statstc Berut adalah hasl edetesa atog DBD d Surabaya egulaga sebaya Gambar 3. Peta Pedetesa Katog DBD d Surabaya Tabel 8. Hasl Detes Katog DBD d Surabaya Katog DBD Juml.Kec Juml.Kasus Reso Relatf 4 37,688 75, ,6 Kecamata Beowo meruaa ecamata yag alg rawa terea DBD dmaa ecamata Beowo bereso terea DBD,34 al lebh besar dbadg ecamata la. Sedaga terdaat 9 ecamata yag tergolog tda rawa terea DBD. V. KESIMPULAN DAN SARAN Hasl emodela GWNBR ddaata elomo berdasara varabel-varabel yag sgfa. Fator-fator yag memegaruh jumlah asus DBD d semua ecamata adalah eadata edudu, raso doter umum, da raso saraa esehata Pusesmas. Hasl edetesa atog DBD d Surabaya meujua bahwa terbetu tga atog DBD dmaa ecamata termasu dalam daerah rawa DBD. Kecamata Beowo meruaa ecamata yag alg rawa dmaa Beowo bereso terea DBD,34 al lebh besar dbadg ecamata la. Sara utu eelta selajutya daat dlaua aalss Mxed Geograhcally Weghted Negatve Bomal Regresso dega meambah varabel-varabel baru. DAFTAR PUSTAKA [] Das Kesehata Kota Surabaya. Profl Kesehata Kota Surabaya Tahu 03.Surabaya : Das Kesehata Kota Surabaya, 04. [] Das Kesehata Provs Jawa Tmur. Profl Kesehata Provs Jawa Tmur Tahu 03.Surabaya : Das Kesehata Provs Jawa Tmur, 04. [3] Camero, A. C., & Trved, P. K. Regresso Aalyss of Cout Data. Cambrdge: Cambrdge Uversty Press, 998. [4] Tobg, TMDNL. Pemodela Kasus DBD (DBD) d Jawa Tmur dega Model Posso da Bomal Negatf. Bogor : Thess Isttut Pertaa Bogor, 0. [5] Notoatmodjo, S. Ilmu Kesehata Masyaraat, Prs-Prs Dasar. Jaarta : Rea Cta, 003.

7 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D-78 [6] Krsta, Ismah, Wuladar L. (004). Kaja Masalah Kesehata.[Ole].htt:// amberdarahl. [7] Hocg, R.R. Method ad Alcatos of Ler Models. New Yor : Joh Wley ad Sos,Ic, 996. [8] Agrest, A. Categorcal Data Aalyss Secod Edto. New Yor : Joh Wley & Sos, 00. [9] Mc Cullagh, P. ad Nelder, J.A. Geeralzed Lear Models Secod Edto. Lodo : Chama & Hall, 989. [0]Hard, J. W., & Hlbe, J. M. Geeralzed Lear Models ad Extesos Secod Edto. Texas: Stata Press, 007. []Greee, W. Fuctoal Forms for the Negatve Bomal Model for Cout Data, Foudato, ad Treds Ecometrcs,99, New Yor : New Yor Uversty, 008. []Hosmer, Davd Watso ad Lemeshow, Stcher. Aled Logstc Regresso. New Yor : Joh Wley ad Sos Ic, 995. [3]Asel, L. Satal Ecoometrs: Methods ad Models. Dordrecht: Kluwer Academc Publshers, 988. [4] Rcardo, A. ad Carvalho, T.V.R. Geograhcally Weghted Negatve Bomal Regresso-Icororatg Overdserso. Busess Meda New Yor : Srger Scece, 03. [5] Tago, T. da Taahash,. A Flexbly Shaed Satal Sca Statstc For Detectg Clusters. Iteratoal Joural of Health Geograhcs. Volume 4:, 005.

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS 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 terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311 JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I

Lebih terperinci

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

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

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya

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) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

Pemetaan Jumlah Balita Gizi Buruk Di Kota Surabaya dengan GWNBR dan Flexibly Shaped Spatial Scan Statistic

Pemetaan Jumlah Balita Gizi Buruk Di Kota Surabaya dengan GWNBR dan Flexibly Shaped Spatial Scan Statistic JURNAL SAINS DAN SENI IS Vo. 5 No. (016) 337-350 (301-98X Prt) D-47 Pemetaa Jumah Bata Gz Buruk D Kota Surabaa dega GWNBR da Fexb Shaed Sata Sca Statstc Zuzu Mrat da Purhad Jurusa Statstka, Fakutas MIPA,

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D6 Aalss Regres Logst Ordal utu Megetahu Tgat Gaggua Tuagrahta d Kabuate Poorogo Berdasara Fator-Fator Iteral Peebab Tuagrahta Eva Arum Setar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB 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 terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)

Lebih terperinci

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,

Lebih terperinci

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

Pemodelan dan Pemetaan Prevalensi Kusta di Kabupaten/Kota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression

Pemodelan dan Pemetaan Prevalensi Kusta di Kabupaten/Kota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression D-396 JURNAL SAINS DAN SENI ITS Vo. 5 No. (6) 337-35 (3-98X Prt) Pemodea da Pemetaa Prevaes Kusta d Kabuate/Kota Jawa Tmur dea Pedeata Mxed Georahcay Wehted Reresso Me Rza Shovaa, da R. Mohamad Ato Jurusa

Lebih terperinci

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur SEMINAR HASIL TUGAS AKHIR GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Std Kass : Ides Pembaga Masa d Pros Jawa Tmr Oleh : Ney Ptr Pradta (307 00 055) Dose Pembmbg : Dr. Prhad M.Sc GEOGRAPHICALLY

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

(R.17) ESTIMASI SMOOTHING SPLINE PADA FUNGSI VARIANSI BERDISTRIBUSI GAMMA DALAM PENDEKATAN REGRESI NONPARAMETRIK

(R.17) ESTIMASI SMOOTHING SPLINE PADA FUNGSI VARIANSI BERDISTRIBUSI GAMMA DALAM PENDEKATAN REGRESI NONPARAMETRIK PROSIDING ISSN : 87-59. Semar Nasoal Statsta November Vol, November (R.7) ESIMASI SMOOHING SPLINE PADA FUNGSI VARIANSI BERDISRIBUSI GAMMA DALAM PENDEKAAN REGRESI NONPARAMERIK Sfrya Dose Program Stud Statsta

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2.

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2. Pemodela Data (Ilham Maggr) PEMODELAN DAA KEMISKINAN DI PROVINSI SUMAERA BARA DENGAN MEODE GEOGRAPHICALLY EIGHED REGRESSION (GR) Ilham Maggr Dw Israt Alm Jrsa Statsta FSM UNDIP Staf Pegaar Jrsa Statsta

Lebih terperinci

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

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

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

Lebih terperinci

PENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE ANAISIS FATOR-FATOR YANG MEMPENGARUHI PRODUSI EDEAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRI SPINE Da Amela, I Nyoma Budaara Jurusa Sasa, FMIPA, Isu Teolog Seuluh Noember (ITS Jl. Aref

Lebih terperinci

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci