MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007
|
|
- Suhendra Johan Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Jural Barekeg Vol. 5 No. 2 Hal (2) MODEL GEOGRAPHICALLY WEIGHED POISSON REGRESSION DENGAN PEMBOBO FUNGSI KERNEL GAUSS Stud Kasus: Julah Keata Bay d Jawa ur ahu 27 SALMON NOJE AULELE Staf Jurusa Mateatka Fakultas MIPA Uerstas Pattura Jl. Ir. M. Putuhea, Kapus Upatt, Poka-Abo eal: oce_cacer@yahoo.co ABSRAK Keata bay adalah suatu keata yag dala aak sebelu ecapa usa satu tahu. Agka keata bay (AKB) adalah besarya keugka bay eggal sebelu ecapa usa satu tahu, dyataka dala perserbu kelahra hdup. Aalss regres erupaka aalss statstk yag bertuua utuk eodelka hubuga atara arabel respo dega arabel predktor. Apabla arabel respo berdstrbus Posso, aka odel regres yag dguaka adalah regres Posso. Geographcally Weghted Posso Regresso (GWPR) adalah betuk lokal dar regres Posso daa lokas dperhatka yag berasus bahwa data berdstrbus Posso. Dala peelta aka egetahu faktor-faktor apa saa yag epegaruh ulah keata bay d Pros Jawa ur dega egguaka odel GWPR dega egguaka pebobot fugs kerel gauss. Hasl peelta euuka bahwa secara keseluruha faktor-faktor yag epegaruh ulah keata bay d Jawa ur berdasarka odel GWPR dega pebobot fugs kerel gauss adalah persetase persala yag dlakuka dega batua teaga o eds (X ), rata-rata usa perkawa pertaa wata (X 2 ), rata-rata pebera ASI ekslusf (X 4 ) da ulah saraa kesehata (X 7 ). Berdasarka arabel yag sgfka aka kabupate/kota d Jawa ur dapat dkelopoka ead 2 kelopok. Dega ebadgka la AIC atara odel regres Posso da odel GWPR dketahu bahwa odel GWPR dega pebobot fugs kerel Gauss erupaka odel yag lebh bak dguaka utuk egaalss ulah keta bay d Props Jawa ur tahu 27. Kata Kuc: Keata Bay, Geographcally Weghted Posso Regresso, Mau Lkelhood Estator, Fugs Kerel Gauss PENDAHULUAN Pebagua kesehata pada hakekatya erupaka peyeleggaraa upaya kesehata utuk ecapa keapua hdup sehat secara adr dega upaya pegkata deraat kesehata asyarakat yag optal, pegkata suber daya ausa da peerataa agkaua pelayaa kesehata. Mlleu Deelopet Goals (MDGs) adalah sebuah kote bersaa asyarakat terasoal utuk epercepat pebagua ausa da pegetasa keska. Salah satu tuua MDGs yatu euruka Agka Keata Balta sebesar dua pertga dar tahu 99 sapa dega tahu 25. Idkator agka keata balta yag palg patg adalah agka keata bay. Agka keata bay adalah salah satu dkator petg dala eetuka tgkat kesehata asyarakat. Negara Idoesa ash harus beruag keras utuk eperbak dkator pebagua kesehata, khususya agka keata bay, karea tre agka keata bay selaa beberapa tahu terakhr belu euru. Berdasarka predks dar t BPS-UNDP-Bappeas (25) peurua agka keata bay tdak berlagsug cepat, tetap turu perlaha secara ekspoesal. Berdasarka pola, dperkraka d tahu 25 agka keata bay d Idoesa ecapa 2 keata bay tap kelahra. Agka belu eeuh target dar MDGs yatu sebesar 7 keata bay tap kelahra. Utuk tu peertah harus berupaya keras elalu berbaga progra utuk eeka agka keata bay. Geographcally Weghted Posso Regresso (GWPR) adalah betuk lokal dar regres posso daa
2 Barekeg Vol. 5 No.2 Hal 25 3 (2) lokas dperhatka yag berasus bahwa data berdstrbus Posso. Nakaya, dkk (24) egguaka odel GWPR utuk suatu hpua data pekeraa dega usa keata d okyo. Hasl yag dperoleh euuka bahwa ada aras yag sgfka dala hubuga kera da usa keata d okyo. Hadayegh, dkk (29) euuka bahwa odel GWPR lebh bak dguaka utuk eyeldk aras dala hubuga ulah zoal collsos darpada Geeralzed Lear Model yag koesoal. Model GWPR aka dterapka utuk peodela ulah keata bay d Pros Jawa ur tahu 27 dega egguaka pebobot fugs kerel gauss da fugs kerel bsquare. Berdasarka uraa d atas dapat druuska perasalaha dala peelta yatu faktor-faktor apa saa yag berpegaruh terhadap ulah keata bay d Jawa ur berdasarka odel GWPR dega egguaka pebobot fugs kerel Gauss. Sehgga, tuua peelta adalah eawab perasalaha tersebut agar dapat dadka acua utuk euruka tgkat keata bay. INJAUAN PUSAKA. Model Regres Posso Regres Posso erupaka suatu betuk aalss regres yag dguaka utuk eodelka data yag berbetuk cout (ulah), salya data tersebut dlabagka dega Y yatu bayakya keada yag terad dala suatu perode waktu da/atau wlayah tertetu. Regres Posso egasuska bahwa arabel rado Y berdstrbus Posso. Suatu arabel rado Y ddefska epuya dstrbus Posso ka destas (fugs peluagya) dberka sebaga berkut (Mood, Graybll & Boes, 974): y e, y,,2,... fy( y) fy y; y!, laya Dega paraeter μ >. Persaaa d atas dsebut uga sebaga fugs peluag Posso. Model regres Posso dapat dtuls sebaga berkut: log,, 2,..., (2) k k dega ep. Peaksra paraeter regres Posso dlakuka dega egguaka etode Mau Lkelhood Estato (MLE) keuda dselesaka dega etode teras uerk yatu Newto-Raphso. Pegua paraeter odel regres Posso egguaka etode Mau Lkelhood Rato est (MLR)... Model Geographcally Weghted Posso Regresso (GWPR) Peaksra paraeter odel GWPR egguaka etode MLE. Lagkah awal dar etode tersebut adalah dega ebetuk fugs lkelhood. Karea arabel () respo berdstrbus Posso Y ~ Posso, β aka fugs lkelhood adalah sebaga berkut: y 26 ep, β, β Lβ (3) y! Setelah dperoleh betuk lkelhood keuda dlakuka operas logarta atural sehgga dperoleh: LL β, β y L, β L y! (4) Berdasarka persaaa (2) aka persaaa (4) dapat dtuls sebaga : LL β y β ep, β L y! (5) Faktor letak geografs erupaka faktor pebobot pada odel GWPR. Faktor elk la yag berbeda utuk setap daerah yag euuka sfat lokal pada odel GWPR. Oleh karea tu pebobot dberka pada betuk log-lkelhoodya utuk odel lokal GWPR, aka dperoleh : β β L L y L y! Estas paraeter u w u ep β,, (6) β dperoleh dega edferesalka persaaa (6) terhadap β u, aka dperoleh : L L β β y ep β u, w Nla estas dperoleh dega eaksuka betuk dfferesal tersebut sehgga dperoleh L L β β y ep β u, w (8) Karea fugs pada persaaa (8) berbetuk plst, aka dguaka suatu prosedur teras uerk yatu etode Newto-Raphso. Iteras Newto-Raphso adalah β u, β Daa g β H β g β (9) LL β β (7)
3 Barekeg Vol. 5 No.2 Hal 25 3 (2) w ep g β β H β β w y 2 L L βu, β w ep β () Apabla persaaa () da () dsubttuska ke persaaa (9), aka dperoleh: β w w y β Persaaa (2) dapat dtuls ead β w y, w u y y y β (3) y Apabla dguaka pedekata atrks aka persaaa (3) dapat dtuls sebaga berkut : β X W A X X u,,, u u W A z Daa X : Matrks predktor, sebaga berkut : W X p 2 2 p p : atrks pebobot, dotaska sepert, W u dag w w w 2 A : Matrks pebobot aras yag berhubuga dega Fsher Scorg utuk setap lokas, dotaska sebaga berkut : () (2) (4) y y y () 27 2 y,,, A u dag y u y u z : Vektor adusted dar arabel respo, ddefska sebaga berkut : z p, u k k Dega egulag prosedur teras utuk setap ttk regres ke-, aka peaksr paraeter lokal aka ddapatka. Iteras berhet pada saat koerge, yatu pada saat u u,,, daa erupaka blaga yag sagat kecl. U hpotess yag pertaa dlakuka adalah pegua kesaaa odel regres Posso da GWPR utuk egu sgfkas dar faktor geografs. Betuk hpotessya adalah : H : ;, 2,..., ; k, 2,..., p k k (tdak ada perbedaa yag sgfka atara odel regres Posso da odel GWPR) H : palg tdak ada satu (ada perbedaa yag sgfka atara odel regres Posso dega odel GWPR) (3) Pegua kesaaa odel regres Posso da GWPR egguaka perbadga la deas odel regres Posso da odel GWPR. Msalka odel regres Posso dyataka dega odel A dega deraat bebas df A da odel GWPR dyataka dega odel B dega deraat bebas df B aka : F ht Aka egkut dstrbus F dega (4) deraat bebas df A da df B. Krtera peguaya adalah tolak H ka k k Deas Model A / dfa (5) Deas Model B / df F B F ht ; df A; df B Pegua paraeter odel dlakuka dega egu paraeter secara parsal. Pegua utuk egetahu paraeter aa saa yag sgfka eepegaruh arabel respoya. Betuk hpotess pegua paraeter odel secara parsal adalah : H : ;, 2,..., ; k, 2,..., p k k H : k Uyuk pegua hpotess d atas, dguaka: k Z (6) se k
4 Barekeg Vol. 5 No.2 Hal 25 3 (2) Nla stadar error k sek ar k Dega ar k dagoal pada atrks ar u, p p da dperoleh dar : (7) erupaka elee ke-k β yag berukura erupaka taksra k paraeter odel yag eaksuka fugs loglkelhood. Krtera peguaya adalah tolak H ka Zht Z 2; p Pebobot yag dguaka utuk egestas paraater dala odel GWPR adalah fugs kerel Gauss yatu :, ep 2 w u d h (8) dega d arak atara lokas u, ke lokas u, da h adalah paraeter o egatf yag dketahu da basaya dsebut paraeter peghalus (badwdth). Salah satu etode yag dguaka utuk utuk elh badwdth optu adalah etode Cross Valdato (CV) yag ddefska sebaga berkut: CV h y 2 y h (9) dega y h : Nla peaksr y (fttg alue) daa pegaata dlokas dhlagka dar proses peaksra y h : Nla peaksr y (fttg alue) daa pegaata dlokas dasuka dala proses peaksra : Julah peaksr yag efektf : Julah sapel Metode yag dguaka utuk elh odel terbak utuk GWPR yatu Akke Iforato Crtero (AIC) yag ddefska sebaga berkut : AIC = D(G) + 2K(G) (2) dega D(G) erupaka la deas odel dega badwdth (G) da K(G) erupaka ulah paraeter dala odel dega badwdth (G). Model terbak adalah odel dega la AIC terkecl..2 Keata Bay Keata bay adalah suatu keata yag dala aak sebelu acapa usa satu tahu. Agka keata bay (AKB) adalah besarya keugka bay eggal sebelu ecapa usa satu tahu, dyataka dala perserbu kelahra hdup. Keata bay sagat dpegaruh oleh kods kesehata peruaha da 28 keadaa sosal ekoo orag tua (BPS, 29). Meurut Mosley & Che (98), faktor sosal ekoo da budaya erupaka faktor peetu orbdtas da keata bay, au pegaruh bersfat tdak lagsug karea harus elalu ekase bolog tertetu (arabel atara) yag keuda aka ebulka resko orbdtas, keuda bay sakt da apabla tdak sebuh aka bay aka cacat atau eggal. Dala asalah orbdtas da keata bay sebaga asalah pokok sedagka sosal ekoo da budaya serta arabel-arabel atara sebaga faktor yag eepegaruh keata bay. MEODE PENELIIAN Data yag dperguaka dala peelta adalah data sekuder yag dperoleh dar Bada Pusat Statstk yatu data sure Sosal Ekoo Nasoal (SUSENAS) tahu 27 utuk Pros Jawa ur. Utuk edukug proses peelta dguaka paket progra koputer yatu software MINIAB da GWR4. Varabel yag dguaka yatu Julah keata bay (Y), Persetase persala yag dlakuka dega batua o eds (X ), Rata-rata usa perkawa pertaa wata (X 2 ), Rata-rata ulah pegeluara ruah tagga perkapta sebula (X 3 ), Rata-rata pebera ASI ekslusf (X 4 ), Persetase peduduk sk(x 5 ), Julah eaga Kesehata (X 6 ), Julah Saraa Kesehata (X 7 ), Gars Ltag (u ) da Gars Buur ( ) Utuk egetahu faktor-faktor yag berpegaruh pada ulah keata bay d Pros Jawa ur tahu 27 dega egguaka odel GWPR dlakuka aalss dega lagkah-lagkah sebaga berkut: a. Megaalss odel regres Posso dega lagkahlagkah sebaga berkut :. Peerksaa kolertas atara arabel predktor 2. Meaksr paraeter odel regres Posso 3. Pegua kesesuaa odel regres Posso b. Megaalss odel GWPR dega lagkah-lagkah sebaga berkut:. Meetuka u da setap kabupate/kota d Pros Jawa ur 2. Meetuka badwdth optu dega egguaka etode Cross Valdato (CV) 3. Meghtug arak Euclde aatara lokas pegaata berdasarka poss geografs. 4. Meghtug atrks pebobot dega egguaka fugs kerel gauss da fugs kerel bsquare 5. Meaksr paraeter odel GWPR 6. Melakuka pegua kesaaa odel regres Posso da GWPR utuk egu sgfkas dar faktor geografs dega egguaka hpotess berkut : H : k k, k =, 2,, p H : palg tdak ada satu k k 7. Melakuka pegua paraeter secara parsal dega egguaka hpotess berkut : H : k
5 P A C I A N NG A W I M A G E A N P O N O R O G O U B A N B O J O N E G O R O M A D IU N R E N G G A LE K K E D IR I LA M O N G A N B LI A R G R E S IK NG A N J UK J O M B A N G M O J O K E R O M A L A N G B A N G K A LA N S U RA B A Y A ( K O A ) S ID O A R J O P A S U R U A N M A L A N G ( K O A ) S A M P A N G P R O B O L IN G G O LU M A J A N G P A M E K A S A N J E M B E R S U M E N E P B O N D O W O S O S I U B O N D O B A N Y U W A N G I Barekeg Vol. 5 No.2 Hal 25 3 (2) H : ; k, 2,..., p k 8. Mebuat kespula c. Mebadgka odel regres Posso dega odel GWPR HASIL DAN PEMBAHASAN Sebaga lagkah awal utuk aalss odel GWPR, aka perlu dbetuk regres global yatu odel regres Posso. Sebelu ebetuk regres Posso aka perlu dlakuka u kolertas utuk egetahu apakah arabel predktor telah eeuh kods salg tdak berkorelas. Beberapa krtera yag dapat dguaka utuk egetahu adaya kolertas datara arabel predktor yatu dega egguaka koefse korelas (Pearso Correlato) da la Varace Iflato Factors (VIF). Kedua krtera euuka hasl yag saa yatu tdak adaya kolertas datara arabel-arabel predktor sehgga arabel-arabel predktor yag dguaka dala peelta d pros Jawa ur tahu 27 dapat dguaka dala pebetuka odel regres Posso. Berkut estas paraeter odel regres Posso Jawa ur. abel. Estas Paraeter Model Regres Posso d Jawa ur Paraeter Estas Stadar Error Htug 3,9,368 8,8899* 2 -,2445,766-3,999* 3 -,39,4-3,8937* 4,538,3,5363 5,998,37 2,6874* 6,92,777,64 7,5,938, ,2396,8-2,9534* *) Paraeter yag berpegaruh secara sgfka pada = 5% Dar abel terdapat 5 paraeter yag sgfka yatu,, 2, 4 da 7, sehgga odel regres Posso yag dbetuk utuk ulah keata bay d pros Jawa ur adalah : ˆ ep 3, 9, 2445X, 39 X Berdasarka la deace 2 X4 X7 D, odel regres Posso, 998, 2396 utuk pros Jawa ur layak da sesua utuk eggabarka hubuga atara arabel respo da arabel predktor. Selautya dlakuka peodela dega egguaka odel GWPR. Lagkah pertaa utuk ebagu odel GWPR adalah dega eetuka letak geografs tap kabupate/kota d pros Jawa ur, setelah dperoleh letak geografs aka lagkah selautya yatu elh badwdth optu. Nla badwdth utuk pros Jawa ur yag dperoleh dar hasl teras adalah q:, dega la krtera CV:229,69. Utuk setap lokas pusat aka dperoleh la badwdth optu yag berbeda-beda. 29 Setelah edapatka la badwdth optu, aka lagkah selautya adalah edapatka atrks pebobot, daa dala peelta aka dguaka pebobot yatu fugs kerel gauss da fugs kerel bsquare. Msalka atrks pebobot d lokas u adalah,, W u aka lagkah awal sebelu edapatka atrks pebobot adalah dega ecar arak eucld lokas u, ke seua lokas peelta. Matrks pebobot yag dbetuk dega fugs kerel gauss pada lokas u, yatu kabupate Pacta d pros Jawa ur adalah : W dag(,, 787,8889,8595, 742, 695, 6393, 583, 4879, 3679, 4528, 4393, 547, 565, 62, 634, 6556, 755, 7768, 7927, 7532, 7, 5554, 669, 695, 5722, 4799, 46, 4258, 6994, 726, 6366, 532, 5922, 639, 782, 5854, 6439) Peaksra paraeter odel GWPR egguaka etode Newto-Raphso dapat dselesaka dega egguaka software GWR4, sehgga ddapatka la taksra paraeter dseua lokas u, =, 2,..., 38., Pegua kesaaa odel regres Posso da GWPR dlakuka dega egguaka u F. Dperoleh kespula bahwa tdak ada perbedaa yag sgfka atara odel GWPR dega egguaka pebobot fugs kerel gauss dega odel regres Posso d Jawa ur. Selautya dlakuka pegua paraeter odel utuk egetahu faktor-faktor yag epegaruh ulah keata bay dsetap lokas. Dega egguaka = 5%, Kabupate/Kota d Jawa ur dkelopoka berdasarka arabel-arabel yag sgfka dala epegaruh ulah keata bay yatu: Gabar Pegelopoka Kab/Kota d Jawa ur Berdasarka Varabel Yag Sgfka Dega Megguaka Pebobot Fugs Kerel Gauss Berdasarka Gabar terlhat bahwa d Jawa ur dega egguaka pebobot fugs kerel gauss terdapat 2 kelopok Kabupate/Kota. Secara keseluruha faktor-faktor yag epegaruh ulah keata bay d Jawa ur berdasarka odel GWPR dega pebobot fugs kerel gauss adalah persetase persala yag dlakuka dega batua teaga o W N S E Va rab e l X, X 2, d a X 4 X, X 2, X 4 da X 7
6 Barekeg Vol. 5 No.2 Hal 25 3 (2) eds (X ), rata-rata usa perkawa pertaa wata (X 2 ), rata-rata pebera ASI ekslusf (X 4 ) da ulah saraa kesehata (X 7 ). Sehgga odel GWPR dega egguaka pebobot fugs kerel gauss yag dbetuk utuk ulah keata bay d Kabupate Pacta adalah : ep 2, 9962, 376 X, 4248 X 2,94 X 4 Model datas eelaska bahwa ulah keata bay d Kabupate Pacta tahu 27 aka berkurag sebesar ep(,376) ka arabel X bertabah sebesar satu satua dega syarat arabel predktor yag la adalah kosta, hal yag saa uga berlaku utuk arabel X 2. Sebalkya ulah keata bay d Kabupate Pacta tahu 27 aka bertabah sebesar ep(,94) ka arabel X 4 bertabah sebesar satu satua dega syarat arabel predktor yag la adalah kosta. Perbadga odel regres Posso da odel GWPR dega egguaka pebobot fugs kerel gauss dlakuka utuk egetahu odel aa yag lebh bak dterapka utuk ulah keata bay d pros Jawa ur. Krtera kebaka odel yag dguaka adalah dega ebadgka la AIC dar odel tersebut. Model yag terbak adalah odel dega la AIC terkecl. Hasl yag dperoleh adalah sebaga berkut : abel 2 Perbadga Kesesuaa Model Deas AIC Model Regres Posso 626,5 642,5 Model GWPR (Kerel Gauss) 546,39* 564,647* *) Model erbak Berdasarka abel 2 dperoleh bahwa odel GWPR dega egguaka pebobot fugs kerel gauss lebh bak dguaka utuk egaalss ulah keata bay d pros Jawa ur karea epuya la AIC yag terkecl. KESIMPULAN Dar hasl aalsa data da pebahasa dapat dperoleh kespula sebaga berkut :. Secara keseluruha faktor-faktor yag epegaruh ulah keata bay d Jawa ur berdasarka odel GWPR dega pebobot fugs gauss adalah persetase persala yag dlakuka dega batua teaga o eds (X ), rata-rata usa perkawa pertaa wata (X 2 ), rata-rata pebera ASI ekslusf (X 4 ) da ulah saraa kesehata (X 7 ). 2. Model GWPR dega egguaka pebobot fugs kerel gauss lebh bak dguaka utuk egaalss ulah keata bay d pros Jawa ur tahu 27 karea epuya la AIC yag terkecl. Dar peelta sara yag dapat dberka adalah dala peelta lebh laut hedakya sapel yag dguaka sapa ke leel lebh kecl (kecaata) sehgga apu epertaa aalss spasalya. Varabel-arabel yag dguaka pu hedakya easuka usur sosal budaya yag bersfat lokal, sehgga hasl akhr yag dharapka apu eeragka kods lokal daerah tersebut. DAFAR PUSAKA 3, N.S. ad Purhad. 29. Geographcally Weghted Posso Regresso Model. Procedg of IdoMS Iteratoal Coferece o Matheatcs ad Its Applcatos (IICMA) 29, Yogyakarta, Idoesa BPS. 29. Agka Keata Bay, Data Statstk Idoesa. Bada Pusat Statstk Jakarta, Idoesa Bappeas (25), Lapora Perkebaga Pecapaa uua Pebagua Mleu (Mlleu Deelopet Goals/MDGs). Bappeas Jakarta, Idoesa Brusdo, C., Fothergha, A.S. ad Charlto, M Geographcally Weghted Regresso: a ethod for eplorg spatal ostatoarty, Geographcal Aalyss, 28, Chasco, C., Garca, I. ad Vces, J. 27. Modelg Spastal Varatos Household Dsposble Icoe wth Geographcally Weghted Regresso, Much Persoal RePEc Arkhe (MPRA) Workg Papper No Faoye, F., Wulu, J.. ad Sgh, K.P. 24. O he Geeralzed Posso Regresso Model wth a Applcato to Accdet Data. Joural of Data Scece, 2 (24) Hadayegh, A., Shalaby, A. ad Persaud, B. 29. Deelopet of Plag-Leel rasportato Safety ools Usg Geographcally Weghted Posso Regresso, Natoal Acadey of Sceces. Hockg, R Methods ad Applcato of Lear Models. Joh Wley & Sos, New York Huag, Y. ad Leug, Y. 22. Aalysg Regoal Idustralsato Jagsu Proce Usg Geographcally Weghted Regresso, Joural of Geographcal Syste, 4 : Me, C. L. 25. Geographcally Weghted Regresso echque for Spatal Data Aalyss, School of Scece X a Jaotog Uersty. McCullagh, P. ad Nelder, J.A Geeralzed Lear Models, Secod Edto, Chapa & Hall, Lodo. Mood, A.M., Graybll, F.A. ad Boes, D.C Itroducto to he heory of Statstcs, hrd Edto, McGraw-Hll, Sgapura Nakaya,., Fothergha, A.S., Brusdo, C. ad Charlto, M. 24. Geographcally Weghted Posso Regresso for Dsease Assocato Mappg, Statstcs Medce, Volue 24 Issue 7, pages
PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU
Jural Barekeg Vol. 8 No. 2 Hal. 53 57 (2014) PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Geographcally
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciPemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciI. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR
Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS
Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciANALISIS 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 terperinciPemodelan 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 terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciJURNAL 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 terperinciGEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH
Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciPemodelan 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 terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciII. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema
II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks
Lebih terperinciPemodelan 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 terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED
Prosdg Sear Nasoal Volue 03, Noor ISSN 443-09 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED Rahat Hdaat, Yula, Marwa Sa 3 Isttut Tekolog Sepuluh Nopeber, Uverstas Cokroaoto Palopo,3 daatath@gal.co
Lebih terperinciPemodelan 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 terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciPemodelan 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 terperinciX a, TINJAUAN PUSTAKA
PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciPEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH
Semar Nasoal Statstka IX Isttut Tekolog Sepuluh Nopember, 7 November 009 PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Yayuk Lsta 1, Purhad
Lebih terperinciModel Geographically Weighted Poisson Regression Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007 ABSTRAK
Model Geographcall Weghted Posso Regresso Std Kass : Jlah Keata Ba d Jaa r & Jaa egah ah 7 Salo Note Alele Prhad Mahassa Magster Jrsa Statsta IS Dose Jrsa Statsta IS eal : oce_cacer@ahoo.co Prhad@statsta.ts.ac.d
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciAnalisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciJawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2
M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe
Lebih terperinciMETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEMILIHAN DISTRO LINUX
ORBITH VOL. 9 NO. JULI 03 : 78 83 ETODE FUZZY AHP DAN FUZZY TOPSIS UNTUK PEILIHAN DISTRO LINUX Oleh : Ahad Sabq Tekk Iforatka Poltekk Purbaya Tegal Jl. Pacakarya No. Talag Tegal 593 Abstrak Pada peelta
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciPEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,
Lebih terperinciOleh: Rendra Erdkhadifa Pembimbing Dr. Purhadi, M.Sc. Seminar Hasil Tugas Akhir Statistika ITS Rabu, 12 Desember 2011
Perbadga Geographcally Weghted Posso Regresso Geographcally Weghted Posso Regresso Semparametrc Stud Kasus : Kemata DBD d Jawa Tmur Oleh: Redra Erdkhadfa 308 00 09 Semar Hasl Tugas Akhr Statstka ITS Rabu
Lebih terperinciPEMODELAN 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 terperinciAnalisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,
Lebih terperinciPemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015
JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da
Lebih terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciANALISIS KECELAKAAN LALU LINTAS DI KOTA SEMARANG MENGGUNAKAN MODEL LOG LINIER. DOI: /medstat Abstract
p-issn 1979 69 e-issn 477 0647 MEDIA STATISTIKA 9(1) 016: 1-61 http://eoural.udp.ac.d/dex.php/eda_statstka ANALISIS KECELAKAAN LAL LINTAS DI KOTA SEMARANG MENGGNAKAN MODEL LOG LINIER Yucaa Wladar 1, Sugto,
Lebih terperinciTINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil
4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa
Lebih terperinciCADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE
CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciBAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ
5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciPemodelan 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 terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)
Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciProsiding FMIPA Universitas Pattimura 2013 ISBN:
Prosdg FMIPA Uverstas Pattmura 03 ISBN: 978-60-975-0-5 PENDEKAAN MODEL GEOGRAPHICALLY WEIGHED REGRESSION UNUK MENGANALISIS JUMLAH PENDUDUK MISKIN: UPAYA PENURUNAN JUMLAH PENDUDUK MISKIN DI PROVINSI MALUKU
Lebih terperinciPEMERIKSAAN DATA BERPENGARUH DALAM MODEL REGRESI GAMMA. Nusar Hajarisman 1
Pemerksaa Data (Nusar H) PEMERIKSAAN DATA BERPENGARUH DALAM MODEL REGRESI GAMMA Nusar Hajarsma Staf Pegajar Jurusa Statstka Uverstas Islam Badug Jala Purawarma No. 69 Badug 06 rsma@yahoo.co.uk Abstract
Lebih terperinciBuletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 6, No. 02 (2017), hal
Bulet Ilah Mat. Stat. da Terapaya (Baster) Volue 6, No. (17), hal 77 84. PENENTUAN NILAI INTERNAL RATE OF RETURN DENGAN METODE NEWTON-RAPHSON PADA KASUS PENGKREDITAN KENDARAAN BERMOTOR Al A, Nao Nessyaa
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciFaktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan
JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciBAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah
Lebih terperinciAnalisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt
Lebih terperinciPENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION
ESIS SS450 PENAKSIRAN PARAMEER DAN PENGUJIAN HIPOESIS MIXED GEOGRAPHICALLY WEIGHED BIVARIAE GENERALIZED POISSON REGRESSION (Stud Kasus: Jumlah Kemata Ibu da Bay d Provs Jaa mur ahu 05) ANNISA AYU UAMI
Lebih terperinciPEMODELAN 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 terperinciANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR
ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciPengujian Autokorelasi terhadap Sisaan Model Spatial Logistik
Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska
Lebih terperinciREGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010
REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha
Lebih terperinciPEMBENTUKAN MODEL PROBIT BIVARIAT
PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009
Lebih terperinciBAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOTOR MENGGUNAKAN MODEL REGRESI ZERO-INFLATED
Aalss Faktor-Faktor (Muhammad aufa) ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOOR MENGGUNAKAN MODEL REGRESI ZERO-INFLAED POISSON (Stud Kasus d P. Asuras Sar Mas Cabag
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciSpatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas
Lebih terperinciANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA
Jural Ilmah MEDIA ENGINEERING Vol., No., Jul 0 ISSN 087-9334 (96-0) ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA Johas E. Lolog Dose Jurusa Spl Fakultas Tekk Uverstas Sam Ratulag
Lebih terperinciSTUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc
STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha
Lebih terperinciKOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI
KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com
Lebih terperinciBAB 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 terperinciREGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa
Lebih terperinciALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS
LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed
Lebih terperinciPenerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah
The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas
Lebih terperinci