Penaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Bayes
|
|
- Devi Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Penaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Baes Sisca Agnessia Departemen Matematika, FMIPA UI, Kampus UI Depok 6 sisca.agnessia@ahoo.com Abstrak Dalam Penelitian ini akan dicari taksiran mean stratum pada sampling acak stratifikasi. Pada sampling acak stratifikasi, seringkali hana tersedia beberapa pengamatan pada masing-masing strata. Kecilna ukuran sampel akan menebabkan penaksir langsung dari mean stratum menjadi kurang tepat. Metode alternatif ang dapat digunakan untuk menaksir mean dari stratum adalah dengan menggunakan metode Empirical Baes. Metode Empirical Baes digunakan untuk mencari taksiran mean stratum pada sampling acak stratifikasi dengan cara menggabungkan informasi awal atau informasi ang telah tersedia sebelumna tentang parameter ang akan ditaksir dengan informasi dari data sampel. Informasi awal disebut juga informasi prior. Penggabungan dari informasi prior dan informasi dari data akan menghasilkan informasi posterior. Dalam metode Empirical Baes, informasi prior tidak tersedia sehingga informasi prior diestimasi dari data. Kata kunci : mean stratum, Empirical Baes, informasi prior, informasi posterior. Abstract In this research will find the estimated stratum mean in stratified random sampling. In the stratified random sampling, often onl available a few observations in each strata. The small sample size would cause a direct estimator of the mean stratum becomes less precise. Alternative methods that can be used to estimate the mean of the stratum is to use the Empirical Baes method. Empirical Baes methods used to find the estimated mean stratum in stratified random sampling b combining the initial information or information that has been available previousl on the parameters to be estimated with information from the data sample. Preliminar information also known as prior information. The incorporation of prior information and information from the data will result in posterior information. In the Empirical Baes method, prior information is not available so the information estimated from prior data. Kewords : stratum mean, Empirical Baes, prior information, posterior information.. PENDAHUUAN Dalam melakukan penelitian diperlukan datadata ang mendukung penelitian tersebut. Terdapat dua pilihan ang umum digunakan untuk mengumpulkan data. Pertama, penelitian dilakukan dengan mengumpulkan dan memeriksa setiap unit dalam populasi. Namun, seringkali tidak mungkin untuk meneliti setiap unit dalam populasi. Hal ini dikarenakan keterbatasan waktu, biaa, dan kendalakendala lainna. Dalam keadaan seperti ini dapat dilakukan cara lain untuk mengumpulkan data aitu dengan melakukan pengambilan sampel. Dengan melakukan pengambilan sampel dapat diteliti karakteristik atau ciri dari populasi. Populasi merupakan keseluruhan elemen-elemen ang merupakan objek penelitian dimana penelitian akan dilakukan. Berdasarkan ukuranna, populasi dapat dibagi menjadi dua macam, aitu populasi terbatas (finite population) dan populasi tidak terbatas (infinite population). Populasi terbatas adalah kumpulan dari jumlah terhingga objek atau elemen ang jumlahna dapat dihitung dan diketahui dengan pasti. Sedangkan, pada populasi tidak terbatas jumlah elemenna sangat besar dan tidak dapat diketahui dengan pasti. Sampel merupakan bagian dari populasi ang dipilih dengan metode tertentu, ang digunakan sebagai informasi untuk menggambarkan sifat atau ciri ang dimiliki populasi. Ada berbagai macam metode ang dapat digunakan dalam pengambilan sampel. Salah satuna adalah dengan teknik sampling acak stratifikasi (stratified random sampling). Sampling acak stratifikasi merupakan teknik pengambilan sampel ang digunakan pada populasi ang heterogen. Dalam sampling acak stratifikasi, populasi ang heterogen dikelompokkan ke dalam beberapa subpopulasi ang homogen ang disebut stratum, kemudian diambil sampel secara acak dari masing-masing stratum untuk diteliti. Secara umum, tujuan dari pengambilan sampel adalah untuk menaksir parameter populasi. Salah satu parameter ang ditaksir melalui sampel adalah mean populasi. Pada sampling acak stratifikasi, mean dari stratum dapat ditaksir. Pada sampling acak stratifikasi, seringkali hana tersedia beberapa pengamatan pada masing-masing strata. Kecilna ukuran sampel akan menebabkan penaksir langsung Penaksiran mean..., Sisca Agnessia, FMIPS-UI, 0
2 dari mean stratum menjadi kurang tepat dikarenakan standard error dari penaksir mean stratum ang besar. Metode alternatif ang dapat digunakan untuk menaksir mean dari stratum adalah dengan menggunakan metode Empirical Baes. Metode Baes merupakan metode ang menggabungkan informasi awal atau informasi ang telah tersedia sebelumna tentang parameter ang akan ditaksir dengan informasi dari data sampel. Informasi awal atau informasi ang telah tersedia sebelumna disebut juga informasi prior. Informasi prior diperoleh dari distribusi tentang parameter tersebut, aitu melalui pdf prior. Pada metode Empirical Baes, parameter dari distribusi prior tidak diketahui. Karena parameter distribusi prior tidak diketahui, maka parameter tersebut harus diestimasi. Pada metode Empirical Baes, parameter tersebut diestimasi dari data. Pada penelitian ini akan dibahas mengenai penaksiran mean stratum pada sampling acak stratifikasi dengan menggunakan metode Empirical Baes.. METODE PENEITIAN Metode penelitian ang digunakan dalam penelitian ini adalah studi pustaka ang terkait dengan penelitian. Berikut ini akan dijabarkan teori ang digunakan dalam penelitian ini. Metode Baes merupakan metode ang menggabungkan informasi awal atau informasi ang telah tersedia sebelumna tentang parameter ang akan ditaksir dengan informasi dari data sampel. Informasi awal atau informasi ang telah tersedia sebelumna disebut juga informasi prior. Informasi prior diperoleh dari distribusi tentang parameter tersebut, aitu melalui pdf prior. Penggabungan dari informasi prior dan informasi dari data akan menghasilkan informasi posterior. Dari informasi posterior akan diperoleh taksiran dari parameter ang diinginkan. Berikut ini akan digambarkan pendekatan Baesian untuk masalah penaksiran. Misalkan suatu variabel random X ang memiliki distribusi ang bergantung pada θ, dimana θ adalah elemen dari suatu himpunan Ω. Sebagai contoh, jika θ adalah mean dari distribusi normal dengan variansi diketahui, maka Ω adalah garis bilangan riil. Sebelumna didefinisikan bahwa θ suatu konstanta meskipun nilaina tidak diketahui. Sekarang diperkenalkan suatu variabel random Θ ang memiliki distribusi probabilitas di himpunan Ω. Misalkan x merupakan nilai ang mungkin dari variabel random X dan θ merupakan nilai ang mungkin untuk variabel random Θ. Didefinisikan bahwa pdf dari Θ adalah h(θ) dan h(θ) 0 saat θ bukan elemen dari Ω. Selanjutna didefinisikan pdf bersarat X diberikan Θ θ aitu f(x θ). Misalkan X, X, X n adalah sampel random ang independen dan berdistribusi identik dari distribusi bersarat X diberikan Θ θ, dengan demikian dapat dituliskan pdf bersama bersarat X, X, X n diberikan Θ θ sebagai berikut: f x,, x n θ f x θ f x θ f(x n θ) (.) persamaan (.) sering disebut juga sebagai fungsi likelihood. Pdf bersama bersarat X, X, X n diberikan Θ θ dapat dinatakan sebagai berikut f x, x,, x n θ g(x, x,, x n, θ) (θ) Sehingga, dari persamaan di atas diperoleh pdf bersama dari X, X,, X n dan Θ adalah g x, x,, x n, θ f x, x,, x n θ (θ) g(x, x,, x n, θ) f x θ f x n θ (θ) (.) jika Θ variabel random kontinu, maka joint marginal pdf dari X, X, X n adalah: g x, x,, x n g(x, x,, x n, θ)dθ (.3) Sedangkan pdf bersarat dari Θ diberikan X x,, X n x n adalah : k θ x, x,, x n g x, x,, x n, θ g x, x,, x n f x θ f x θ f x n θ (θ) g x, x,, x n (.) Hubungan persamaan (.) diatas merupakan bentuk dari formula Baes. Seringkali statistikawan menulis formula Baes k θ x,, x n proporsional ke g(x,, x n, θ), sehingga : k θ x, x,, x n f x θ f x n θ (θ) (.5) dimana h(θ) disebut pdf prior dari Θ dan pdf bersarat k(θ x) merupakan pdf posterior dari θ. Statistikawan sering menatakan formula baes seperti persamaan (.5) dikarenakan bagian penebut dari persamaan (.), aitu g x, x,, x n, merupakan fungsi ang tidak bergantung pada θ, sehingga dapat dihilangkan. Maka formula Baes k θ x, x,, x n dapat dinatakan proporsional ke g(x, x,, x n, θ) seperti pada persamaan (.5). Metode Empirical Baes merupakan suatu metode inferensi statistik dimana informasi prior diestimasi dari data. Berger (985) menjelaskan bahwa prosedur Empirical Baes adalah dimana diketahui hubungan antara koordinat vektor parameter, katakan θ (θ,, θ ) T, dan untuk mengetahui bentuk distribusi dari parameterparameter tersebut dapat digunakan informasi dari data. Pada parametric Empirical Baes, parameter ang ditaksir diasumsikan memiliki distribusi prior dari kelas parametrik, dimana hperparameter (parameter dari distribusi prior) tidak diketahui. Karena parameter distribusi prior tidak diketahui, maka parameter tersebut harus diestimasi. Pada metode Empirical Baes parameter distribusi prior tersebut akan diestimasi dari data, aitu dari distribusi marginal dari data. Untuk mendapatkan taksiran dari parameter distribusi prior tersebut biasana dapat Penaksiran mean..., Sisca Agnessia, FMIPS-UI, 0
3 digunakan metode maximum likelihood atau metode momen dari distribusi marginal data. 3. HASI DAN PEMBAHASAN Misalkan populasi distratifikasi dalam stratum masing-masing berukuran N, N,..., N. Misalkan ji menatakan karakteristik ang diamati ang berkaitan dengan unit ke-i dalam stratum ke-j (i,..., ; j,..., ). Sampel berukuran diambil pada stratum ke-j, dan tanpa mengurangi keumuman misalkan nilai sampel dinatakan oleh j,, j nj (j,..., ). Misalkan j ( j,, j nj ) dan j i ji. Permasalahanna adalah bagaimana menaksir mean populasi untuk stratum ke-j, aitu μ j, dimana μ j i ji. Untuk menaksir μ j, diasumsikan sebagai berikut: (i) ji mutuall independent. Untuk unit ang masuk ke dalam stratum ke-j, j,, j Nj berdistribusi normal dengan mean θ j dan variansi σ. (ii) θ,..., θ ~ iid N (m, τ ). Mean populasi untuk stratum ke-j, aitu μ j dapat dinatakan oleh μ j i ji + ji i + dimana i +,..., merupakan unit ang tidak tersampel. Dengan menggunakan prinsip ang sama seperti pada sampling acak sederhana maka μ j diestimasi oleh E μ j j j + E θ j j Nilai E θ j j merupakan nilai ekspektasi bersarat θ j diberikan j, dimana ini merupakan nilai mean dari distribusi bersarat θ j diberikan j, atau nilai mean dari distribusi posterior dari θ j. Oleh karena itu, sebelumna akan dicari terlebih dahulu mean dari distribusi posterior dari θ j. Dengan menggunakan formula Baes pada persamaan (.5), dapat diperoleh pdf posterior dari θ j sebagai berikut p θ j j f j θ j p θ j πσ n e σ ji θ i j πτ e θ j m τ exp σ ji θ i j. exp θ j m exp i ji + m σ τ θ j σ + τ θ j j σ + m τ + τ (3.) Misalkan a, b, dan c merupakan koefisien dari polinomial kuadrat dari θ j pada persamaan terakhir, dimana a σ + τ b j σ + m τ i ji σ c + m τ maka persamaan (3.) dapat ditulis sebagai p θ j j exp aθ j bθ j + c exp a θ j b a θ j + c a Dengan menggunakan teknik melengkapkan kuadrat, maka persamaan (3.) dapat ditulis sebagai p θ j j exp a θ j b a θ j + b a b a + c a exp a θ j b a Dapat dilihat bahwa distribusi posterior dari θ j adalah normal dengan mean v dan variansi w, dimana v j τ + mσ τ + σ dan w σ τ τ + σ Misalkan σ Misalkan τ, maka v B j, maka v B j j + B j m j + + m Sehingga nilai mean dari distribusi posterior dari θ j adalah E θ j j B j j + B j m Dengan demikian penaksir Baes dari μ j diestimasi oleh E μ j j j + B j j + B j m (3.) Karena ada parameter-parameter dari penaksir ang tidak diketahui aitu dan m, maka pada analisis Empirical Baes, parameter dan m akan diestimasi dari data. Pertama, akan dicari taksiran dari. Karena σ τ, maka untuk menaksir akan dicari terlebih dahulu taksiran dari σ dan τ. Sebelumna didefinisikan mean square between (MSB) dan mean square within () sebagai berikut Penaksiran mean..., Sisca Agnessia, FMIPS-UI, 0
4 dimana MSB j ji j dan i j Untuk menaksir σ dan τ, akan digunakan emma dari Ghosh dan Meeden (997). emma berikut memberikan dua moment pertama dari MSB dan. emma. E σ V σ E MSB σ + τ, dimana V MSB σ j + n j σ j dimana σ j σ + τ, ( j ). σ j Berdasarkan emma, E σ dan V σ. Dengan mengasumsikan inf j, diperoleh V σ dan lim σ 0 Sehingga V() 0 ketika. Karena memiliki mean σ dan variansi dengan limit adalah 0, maka plim σ ang berarti konvergen dalam probabilitas ke σ. Jadi adalah penaksir ang tak bias dan konsisten untuk σ. Berdasarkan emma E MSB σ + τ dan V MSB σ j n j σ j Dengan asumsi sup j K < maka. σ j σ + Kτ. 3. Selanjutna σ j σ + τ K σ j σ + τ K V MSB σ + τ K Akan diperoleh σ + τ K lim 0 + σ j Jadi, V(MSB) 0 ketika. Dengan demikian MSB konvergen dalam probabilitas ke σ + τ. Jadi, MSB adalah penaksir ang konsisten untuk σ + τ. Diperoleh τ MSB Karena nilai dari variansi selalu positif, maka penaksir untuk τ adalah max 0, MSB Kemudian akan dicari taksiran untuk -. τ σ Jadi, penaksir untuk - adalah B j + MSB ( ) MSB ( ) max 0, MSB ( ) Setelah didapat penaksir untuk -, maka diestimasi oleh B + j +. Selanjutna, akan dicari taksiran untuk m. Untuk menaksir m, akan digunakan metode maksimum likelihood dari pdf marginal dari data. Secara marginal, j ~ N(m nj, σ I nj + τ nj nj ). Pdf bersama dari,, diberikan oleh,, σ j m nj exp σ exp j σ I nj + τ nj nj j m nj j m nj σ I nj τ nj nj σ + τ exp σ ji j i σ + τ j m nj j m Penaksiran mean..., Sisca Agnessia, FMIPS-UI, 0
5 ln,, σ ji j i σ + τ j m Kemudian dengan menggunakan metode maximum likelihood, maka akan dimaksimumkan fungsi loglikelihood diatas. ln,, m Diperoleh σ + τ j m j σ + τ m σ + τ m σ + τ m j σ + τ ( B j ) j ( B j ) 0 Dengan mensubstitusi m dan B j untuk m dan B j ke dalam persamaan (3.), maka penaksir Empirical Baes dari μ j i ji adalah μ j EB j + B j j + B j m Selanjutna akan dicari variansi dari μ j EB. Berdasarkan Ghosh dan Meeden (997), variansi dari μ j EB dapat dinatakan sebagai berikut V j θ j + V θ j j + V θ j j σ + σ τ + σ τ τ + σ τ + σ B j (τ + σ / ) Jadi, variansi dari μ j EB adalah. KESIMPUAN Dari pembahasan tugas akhir ini dapat disimpulkan bahwa a. Metode Empirical Baes dapat digunakan untuk menaksir mean stratum pada sampling acak stratifikasi. b. Metode Empirical Baes merupakan metode ang menggabungkan informasi dari data dengan informasi prior tentang parameter ang akan ditaksir. Informasi prior diperoleh dari distribusi tentang parameter tersebut, aitu melalui pdf prior. Pada metode Empirical Baes, parameter dari distribusi prior tidak diketahui sehingga parameter tersebut harus diestimasi. Pada metode Empirical Baes, parameter tersebut diestimasi dari data. c. Untuk menaksir informasi prior dapat digunakan metode maximum likelihood dari distribusi marginal data. d. Taksiran dari parameter ang diinginkan dapat diperoleh dari informasi posterior, dimana informasi posterior merupakan penggabungan dari informasi prior dan informasi dari data. DAFTAR ACUAN [] Casella, George An Introduction to Empirical Baes Data Analsis. Journal of the American Statistical Association, Vol. 39, No. [] Dell, JJ, D.V indle. 98. Baes Empirical Baes. Journal of the American Statistikal Association, Volume 76, Number 376, Theor and Methods Section, [3] Ericson, W. A Subjective Baesian Models in Sampling Finite Populations. Journal of the Roal Statistical Societ. Vol. 3, No., [] Ghosh, M., dan Meeden, G Baesian Methods for Finite Population Sampling. New York: Chapman & Hall. [5] Ghosh, M., dan Meeden, G Empirical Baes Estimation in Finite Population Sampling. Journal of the American Statistical Association, 8, [6] Sarkar, S., dan Ghosh, M Empirical Baes Estimations of ocal Area Means. The Indian Journal of Statistics, 60, Series B, Pt. 3, B j (τ + σ / ) Taksiran untuk V μ j j adalah B j (τ + σ / ) Penaksiran mean..., Sisca Agnessia, FMIPS-UI, 0
BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciTaksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area
Taksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area Yudistira 1, Titin Siswantining 2 1. Departemen Matematika, FMIPA, Universitas Indonesia,
Lebih terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinciPENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE
Vol. 12, No. 1, 9-18, Juli 2015 PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Raupong, M. Saleh AF, Hasruni Satya Taruma Abstrak Penaksiran rataan dan variansi
Lebih terperinciPENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI
PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009
Lebih terperinciPENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA
PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA Erpan Gusnawan 1, Arisman Adnan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciPENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA
PENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA 09083005 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciMENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES
MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES Hartayuni Saini 1 1 Jurusan Matematika, FMIPA-UNTAD. e-mail: yunh3_chendist@yahoo.co.id Abstrak Untuk menaksir nilai µ dari N(µ, ) umumnya digunakan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciTeorema Newman Pearson
pengujian terbaik Andi Kresna Jaya andikresna@yahoo.com Jurusan Matematika October 6, 2014 Outline 1 Review 2 Uji dua sisi untuk mean 3 Teorema Neyman-Pearson Back Outline 1 Review 2 Uji dua sisi untuk
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciRELIABILITAS ORDINAL PADA METODE TEST-RETEST
RELIABILITAS ORDINAL PADA METODE TEST-RETEST Yaqozho Tunnisa 1, Rianti Setiadi 2 Departemen Matematika, FMIPA UI, Kampus UI Depok 16424 tunnisa.yaqozho@gmail.com 1, ririnie@yahoo.com.sg 2 Abstrak Dalam
Lebih terperinciESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan
Jurnal Matematika Murni dan Terapan εpsilon Vol. 07, No.01, 201, Hal. 45 52 ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK Rizqi Elmuna Hidayah 1, Nur Salam 2 dan Dewi Sri Susanti 1,2, Program Studi
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciPengantar Statistika Matematika II
Pengantar Statistika Matematika II Distribusi Sampling Atina Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com Bila sampling berasal dari populasi yang
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciPengantar Statistika Matematika II
Bab 6: Statistika FMIPA Universitas Islam Indonesia Inferensi Statistik Pendahuluan Inferensi Statistik Inferensi statistik adalah metode untuk menarik kesimpulan mengenai suatu populasi. Inferensi statistik
Lebih terperinciSTATISTIKA MATEMATIKA
STATISTIKA MATEMATIKA Penulis: Prof. Subanar, Ph.D Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau
Lebih terperinciKEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciPengantar Statistika Matematika II
Bab 4: Metode Evaluasi Estimator Statistika FMIPA Universitas Islam Indonesia Penggunaan metode estimasi yang berbeda dapat menghasilkan estimator yang sama maupun berbeda Dari hasil estimator yang berbeda,
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciESTIMATION METHODS ISSUES IN MULTILEVEL MODEL FOR HIERARCHICAL DATA ANALYSIS
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ESTIMATION METHODS ISSUES IN MULTILEVEL MODEL FOR HIERARCHICAL DATA ANALYSIS Pudji Ismartini 1), Susanti Linuwih 2),
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciThe Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL
PENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL Norlatifah 1), Gandhi Pawitan 2), Enny Supartini 3) 1) Mahasiswa
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga distribusi generalized gamma dengan metode generalized moment ini, penulis menggunakan definisi, teorema dan konsep dasar
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Statistika FMIPA Universitas Islam Indonesia Bila sampling berasal dari populasi yang digambarkan melalui fungsi peluang f X (x θ), pengetahuan tentang θ menghasilkan karakteristik mengenai keseluruhan
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciINFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap
Lebih terperinciKEAKURATAN PENDUGA RASIO MENGGUNAKAN KOEFISIEN VARIASI SELURUH STRATA VARIABEL BANTU PADA SAMPEL ACAK STRATIFIKASI
KEAKURATAN PENDUGA RASIO MENGGUNAKAN KOEFISIEN VARIASI SELURUH STRATA VARIABEL BANTU PADA SAMPEL ACAK STRATIFIKASI oleh ATIKA OKTAFIANA M0110010 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciKONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA
Jurnal Matematika UNAND Vol. No. 4 Hal. 9 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA MARNISYAH ANAS Program Studi Magister Matematika, Fakultas
Lebih terperinciPROSIDING ISBN :
S - 10 APLIKASI METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML) PADA PENYELESAIAN SISTEM PERSAMAAN SIMULTAN (Studi Kasus : Data Stok Uang, PDRB, dan Konsumsi Rumah Tangga Di DIY) Eka Septiana 1, Retno
Lebih terperinciEstimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada
Estimasi Titik (Point Estimation) Minggu ke 1-3 Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada 2014 Prof. Dr. Sri Haryatmi, M. Sc. (UGM) Daftar Isi 2014 1 / 33 DAFTAR ISI 1 Minggu 1 Pertemuan 1
Lebih terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciBAB I PENDAHULUAN. Dalam suatu penelitian, seringkali tidak mungkin untuk melakukan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Dalam suatu penelitian, seringkali tidak mungkin untuk melakukan pengamatan pada semua elemen populasi. Karena itu, perlu dilakukan pengambilan sampel yang
Lebih terperinciMINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT
MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT HUKUM BILANGAN BESAR LEMAH DAN KUAT Misalkan X 1, X 2, X 3... barisan variabel random. Kita tulis S n = n X i. Dalam subbab ini kita akan menjawab pertanyaan
Lebih terperinciAnalisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) SKRIPSI
Analisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) (Studi Kasus Model Return Saham Di BEJ) SKRIPSI Oleh: RATIH DWI ASTUTI
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciPENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT
PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG Agustinus Simanjuntak Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya Pekanbaru
Lebih terperinciMetoda Penelitian TEKNIK SAMPLING
Metoda Penelitian TEKNIK SAMPLING Jika Cukup Sesendok Tak Perlu Semangkok Dasar pemikiran Data yang dipergunakan dalam suatu penelitian belum tentu merupakan keseluruhan dari suatu populasi karena beberapa
Lebih terperinciPENGURAIAN PENDAPATAN GABUNGAN DUA PRODUK DARI SUATU PERUSAHAAN
PENGURAIAN PENDAPATAN GABUNGAN DUA PRODUK DARI SUATU PERUSAHAAN Thomas J. Kakia Fakultas Ilmu Komputer Universitas Gunadarma Jl. Margonda 100 Pondok Cina Depok ABSTRAK Penguraian pendapatan atau pendapatan
Lebih terperinciTINJAUAN PUSTAKA. Dalam menentukan penduga parameter dari distribusi G3F dan karakteristik dari
II. TINJAUAN PUSTAKA Dalam menentukan penduga parameter dari distribusi G3F dan karakteristik dari penduga tersebut, maka dalam hal ini penulis menggunakan beberapa definisi dan teorema yang berkaitan
Lebih terperinciHukum Iterasi Logaritma
Hukum Iterasi Logaritma Sorta Purnawanti 1, Helma 2, Dodi Vionanda 3 1 Mathematics Department State University of Pag, Indonesia 2,3 Lecturers of Mathematics Department State University of Pag, Indonesia
Lebih terperinciKONSISTENSI ESTIMATOR
KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)
Lebih terperinciBAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA
BAB 2 LANDASAN TEORI DAN KAJIAN PUSTAKA 2.1 Estimasi Bayes Definisi 1 Estimasi Bayes yang paling mungkin dari suatu nilai kebenaran θ 0 yang tidak diketahui pada parameter θ adalah nila ˆθ yang meminimumkan
Lebih terperinciPENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 23 28 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD FEBY RIDIANI Program
Lebih terperinciPENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON
PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON Haposan Sirait 1 dan Rustam Efendi 2 1,2 Dosen Program Studi Matematika FMIPA Universitas Riau. Abstrak: Makalah ini menyajikan tentang
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN. Rince Adrianti 1, Haposan Sirait 2 ABSTRACT ABSTRAK
PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN Rince Adrianti, Haposan Sirait Mahasiswa Program Studi S Matematika Dosen Matematika, Jurusan Matematika Fakultas
Lebih terperinciUJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR
PYTHAGORAS, 6(2): 161-166 Oktober 2017 ISSN Cetak: 2301-5314 UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR Hermansah
Lebih terperinciPERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL
perpustakaan.uns.ac.id PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Fatma Julita, Etik
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD
ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,
Lebih terperinciPOPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL
Pengertian Populasi dan Sampel POPULASI DAN SAMPEL Kata populasi (population/universe) dalam statistika merujuk pada sekumpulan individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciPemilihan Data (Sampel) Penelitian
Pemilihan Data (Sampel) Penelitian 1. Populasi dan Sampel Populasi yaitu sekelompok orang, kejadian atau segala sesuatu yang mempunyai karakteristik tertentu. Populasi adalah keseluruhan subjek penelitian
Lebih terperinciBAB I PENDAHULUAN. Dalam statistika, sebuah penaksir adalah sebuah fungsi dari sample data
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam statistika, sebuah penaksir adalah sebuah fungsi dari sample data observasi yang digunakan untuk menaksir parameter populasi yang tidak diketahui. Ada
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciPengantar Statistika Matematika II
Pengantar a Matematika II - Estimator Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia April 17, 2017 atinaahdika.com Dalam kondisi real, kita tidak mengetahui parameter dari populasi
Lebih terperinciBAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat
BAB III Model Regresi Linear 2-Level Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat linear. Untuk data berstruktur hirarki 2 tingkat, analisis regresi yang dapat digunakan adalah
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI
ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciAlgoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture
Vol. 4, No., Oktober 04 Algoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture Tomy Angga Kusuma ), Suparman ) ) Program Studi Matematika FMIPA UAD ) Program Studi Pend. Matematika UAD
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinci6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono
6. Teori Estimasi EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Pendahuluan Inferensi statistik adalah metoda untuk menarik inferensi atau membuat generalisasi dari suatu populasi. Ada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan statistik sebagai alat bantu untuk mengambil keputusan yang lebih baik telah mempengaruhi hampir seluruh aspek kehidupan. Setiap orang, baik sadar maupun
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciPenentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson
Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya
Lebih terperinciALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL
ALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL 1) Program Studi Matematika Universitas Ahmad Dahlan dian@math.uad.ac.id
Lebih terperinciBAB III ESTIMASI BIAYA GARANSI TV. Pada bab ini akan dibahas tahapan-tahapan yang dilakukan untuk
BAB III ESTIMASI BIAYA GARANSI TV Pada bab ini akan dibahas tahapan-tahapan yang dilakukan untuk mengestimasi biaya garansi satu dimensi pada TV. Adapun tahapan-tahapan yang dilakukan seperti terlihat
Lebih terperinciSTATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 7 By: Hanung N. Prasetyo Ada macam, sampel probabilitas dan non probabilitas. Sampel probabilitas ada empat teknik yang semuanya dapat dilakukan dengan pengembalian atau tanpa pengembalian,
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperinciProsiding ISBN :
Penggunaan Metode Bayesian Subyektif dalam Pengkonstruksian Grafik Pengendali-c Sekar Sukma Asmara a, Adi Setiawan b, Tundjung Mahatma c a Mahasiswa Program Studi Matematika Fakultas Sains Matematika Universitas
Lebih terperinciPENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES
PENERAPAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA MODEL PENDUGA AREA KECIL DALAM PENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES SKRIPSI Disusun Oleh : RAHAYU NINGTYAS 24010211130042
Lebih terperinciPengantar Statistika Matematika II
Bab 2: Sifat-Sifat Estimator Statistika FMIPA Universitas Islam Indonesia Statistik Cukup Dalam kondisi real, kita tidak mengetahui parameter dari populasi data yang akan kita teliti Informasi dalam sampel
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL
PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.
Lebih terperinciPENAKSIR UNTUK RASIO POPULASI DENGAN VARIABEL BANTU YANG DITRANSFORMASI PADA METODE PASCA STRATIFIKASI ABSTRACT
PEAKSIR UTUK RASIO POPULASI DEGA VARIABEL BATU YAG DITRASFORMASI PADA METODE PASCA STRATIFIKASI Marthel Lock, Arisman Adnan 2, Haposan Sirait 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika
Lebih terperinciSetiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi
ESTIMASI TITIK Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi sampel. Statistik merupakan bentuk dari
Lebih terperinciOleh: Herien Puspitawati Tin Herawati
Oleh: Herien Puspitawati Tin Herawati Teknik sampling adalah suatu cara untuk menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan dijadikan sumber data sebenarnya, dengan memperhatikan
Lebih terperinciMeta-Analisis untuk Odds Ratio
Meta-Analisis Odds Ratio Emy Meylita Haloho Rianti Setiadi Departemen Matematika FMIPA UI Kampus UI Depok 644 emymeylita@gmailcom ririnie@yahoocomsg Abstrak Membandingkan probabilitas kesuksesan suatu
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinci1. PENGERTIAN. Manfaat Sampling :
1. PENGERTIAN Sampel adalah sebagian dari anggota populasi yang dipilih dengan cara tertentu yang akan diteliti sifat-sifatnya dalam penelitian. Nilai-nilai yang berasal dari data sampel dinamakan dengan
Lebih terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinci