II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner.

Ukuran: px
Mulai penontonan dengan halaman:

Download "II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner."

Transkripsi

1 1 PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENDERITA PENYAKIT KAKI GAJAH (FILARIASIS DI PROVINSI NANGROE ACEH DARUSSALAM (NAD DENGAN REGRESI LOGISTIK BINER 1 Wdh Au Octava, Ir. Sr Pgt Wuladar, M.S 1 Mahasswa, Dose Pembmbg Jurusa Statstka,Fakultas Matematka da Ilmu Pegetahua Alam, Isttut Tekolog Seuluh Noember (ITS Jl. Aref Rahma Hakm, Surabaa Idoesa e-mal: 1 Wdh_octava@ahoo.com da Sr_gt@statstka.ts.ac.d Abstrak Peakt flarass meruaka eakt ag dsebabka oleh cacg flara (Wucherera bacrof. Data Rset Kesehata Dasar 007 meuukka bahwa ersetase ederta kak gaah terbesar berada d Provs NAD. Program elmas eakt kak gaah daat dlakuka secara efse ka faktor-faktor ag memegaruha sudah dketahu. Pada eelta dguaka data sekuder ag deroleh dar Rset Kesehata Dasar 007 megea eakt flarass d Provs NAD. Utuk megetahu faktor aa saa ag memegaruh rumah tagga ag aggota keluargaa terkea eakt flarass salah satua atu dega regres logstk ber. Regres logstk ber meruaka metode aalss ag dguaka utuk megetahu hubuga atara varabel redktor ag bersfat kategor, kotu, atau keduaa dega varabel reso ag bersfat ber. Hasl dar emodela aalss regres logstk ber dketahu bahwa faktor eebab teragkta rumah tagga dega eakt flarass adalah lokas rumah tagga (desa/kota, arak temuh lokas temat tggal rumah tagga ke saraa elaaa kesehata, kemudaha memeroleh ar seaag tahu, emakaa racu seragga, keemlka hewa terak, kemudaha memeroleh ar, da egguaa kelambu d malam har. Keteata klasfkas ag dhaslka model sebesar 74,5%. Kata Kuc Flara, Keteata Klasfkas, Peakt Flarass, Regres logstk ber. S I. PENDAHULUAN EBAGAI egara ag berklm tros, Idoesa baak mead usat erhata dalam eulara eakt atu malara, kusta, demam berdarah degue, da kak gaah. Peakt kak gaah meruaka eakt meular ag dsebabka oleh feks cacg flara ag dtularka oleh ggta amuk [1]. Pederta eakt kak gaah umuma megalam eurua roduktvtas kera, kecacata, stgma sosal, da la-la. Data Rset Kesehata Dasar (RKD tahu 007 meuukka bahwa ersetase ederta kak gaah d Provs NAD berada dalam uruta ertama terbesar dar seluruh rovs d Idoesa. Ada delaa rovs ag memua revelas kak gaah melebh agka revales asoal, atu NAD (6,4%, Paua Barat (4,5%, Paua (,9%, NTT (,6%, Keulauam Rau (1,5%, DKI Jakarta (1,4%, Sulawes Tegah (1,4%, da Gorotalo (1,%. Program elmas eakt kak gaah daat dlakuka lebh efse ka faktorfaktor ag memegaruha sudah dketahu. Faktor rsko ag daat memmalka revales eakt kak gaah adalah faktor lgkuga, faktor erlaku, da sosal budaa []. Faktor erlaku ag meebabka eakt flarass adalah keberadaa terak d dalam rumah, kebasaa megguaka kelambu, kebasaa megguaka obat at amuk, da kebasaa berada d rumah ada malam har [3]. Suatu metode ag meelaska hubuga atara sebuah varabel reso da varabel redktor berumlah satu atau lebh dsebut dega metode regres [4]. Pada eelta aka dtelt faktor eebab rumah tagga ag terfeks eakt kak gaah da varabel reso ag dguaka bersfat kategor. Utuk tu, ada eelta megguaka metode regres logstk ber dmaa meruaka metode aalss ag dguaka utuk megetahu hubuga atara varabel reso dega varabel redktor dmaa varabel reso ( bersfat ber atau dchotomus da varabel redktor ag bersfat kategork, kotu, atau keduaa. Beberaa eelta ag megguaka metode regres logstk adalah eelta megea faktor ag beregaruh terhada es ekeraa ertama alum ITS [5] da eelta megea faktor ag memegaruh eakt malara d Provs Paua Barat [6]. Tuua dar eelta adalah megetahu, karakterstk rumah tagga berdasarka faktor rsko eebab eakt flarass, megetahu faktor eebab eakt flarass, da megetahu kotrbus faktor tersebut beregaruh terhada rsko eakt flarass. Peelta dbatas ada data ederta eakt kak gaah d Provs NAD ag bersumber ada data Pusat Peelta da Pegembaga Dearteme Kesehata RI tahu 007. II. TINJAUAN PUSTAKA A. U Ideedes U deedes dguaka utuk megetahu hubuga atara dua varabel atu varabel x da varabel [7]. Berkut adalah hotess ag dguaka utuk melakuka u deedes. H 0 : Tdak ada hubuga atara varabel redktor (x da varabel reso (. H 1 : Ada hubuga atara varabel redktor (x da varabel reso (. Statstk U ag dguaka adalah statstk Pearso Ch- Square atu sebaga berkut.

2 I J ( ht 1 1 mˆ mˆ dega meataka la observas atau egamata bars ke- kolom ke- da m meataka la eksektas bars ke- kolom ke-. Krtera eolaka H 0 adalah ka la dega deraat bebas berla (I 1 (J 1 atau ht tabel aabla la -value < α B. Model Regres Logstk Ber Model Regres logstk ber meruaka salah satu metode ag dguaka utuk mecar hubuga varabel reso ag bersfat dchotomus (berskala omal berla 0 atau 1 dega varabel redktor ag bersfat kategork, kotu, atau keduaa. Dalam keadaa demka, varabel megkut dstrbus Beroull utuk seta observas tuggal. Fugs robabltas dataka sebaga berkut 1 f ( = ( 1, = 0,1 ( Model regres logstk sebeara meggambarka robabltas atau rsko dar suatu obek. Persamaa regres logstk bergada dega robabltas P( = 1 x = π(x dmaa =1 meataka aggota rumah tagga ag terfeks eakt adalah ex( 0 1x1 x... x (3 ( x 1 ex( 0 1x1 x... x meruaka baaka varabel redktor. Utuk memermudah edugaa arameter regres maka model regres logstk ada Persamaa (3 duraka dega megguaka trasformas logt dar (x. Sehgga model logt daat dtuls sebaga berkut ( x g( x l ( 0 1x1 x... x (4 1 ( x dmaa arameter tersebut meruaka fugs ler dar arameter-arametera. C. Estmas Parameter Estmas arameter ada regres logstk dlakuka dega megguaka metode Maxmum Lkelhood Estmato (MLE [8]. Pada dasara metode MLE dguaka utuk megestmas arameter β dega memaksmumka fugs lkelhood. 1 f x = x [ 1 ( x ], = 0,1 (5 Karea seta asaga egamata dasumska deede maka fugs lkelhood meruaka gabuga dar dstrbus masg-masg asaga atu sebaga berkut. 1 ( f ( x ( x (1 ( x 1 1 Utuk memermudah dalam erhtuga matematk maka fugs lkelhood dmaksmumka dalam betuk log l(β da dataka dega L(β L( l[ l( ] 1 { l[ ( x ] (1 l[1 ( Nla β ddaatka dar memaksmumka fugs L(β. Lagkah ag dlakuka adalah meuruka L(β terhada β 0 da β 1 ag hasla dsamaka dega ol. x ]} L( (8 0 I (1 (6 (7 Prosedur ag delaska utuk meelesaka Persamaa 8 adalah dega edekata Iteratvel Reweghted Least Square (IRWLS megguaka metode Newto Rahso. D. Pegua Estmas Parameter Pegua estmas arameter dguaka utuk megetahu aakah varabel redktor dalam model memlk hubuga ag ata dega varabel resoa. Utuk megu sgfkas koefse β secara arsal atu dega megguaka u Wald atu [8]. H 0 : 0 H 1 : 0 ; =1,,... Statstk ua adalah : ˆ W SE ˆ Statstk u Wald megkut dstrbus ormal sehgga H 0 dtolak ka W > Z / atau W > ( v, dega v = (I-1(J-1. Sedagka egua utuk megetahu sgfkas koefse β secara seretak (multvarat terhada varabel reso megguaka hotess sebaga berkut. H 0 : H 1 : Mmal terdaat satu ag berla 0; = 1,,... Dega statstk G (Lkelhood Rato Test: G l (1 ˆ (1 ˆ dmaa 1 adalah baaka observas ag berkategor 1, 0 adalah baaka observas ag berkategor 0, da = Statstk U G megkut dstrbus Ch-Square sehgga dbadgka dega tabel Ch-Square dega deraat bebas, daerah eolaka G > X (, atau la -value < α. E. U Kesesuaa Model Regres Logstk Ber U kesesuaa model dguaka utuk megetahu aakah terdaat erbedaa atara hasl observas dega hasl redks. Berkut adalah hotess ag dguaka utuk megu kesesuaa model. H 0 : Model sesua (tdak ada erbedaa atara hasl observas dega kemugka hasl redks model. H 1 : Model tdak sesua (ada erbedaa atara hasl observas dega kemugka hasl redks model. Statstk u ag dguaka atara la dega megguaka tes Hosmer-Lemeshow g k k k Cˆ ( o ' (11 k 1 ' (1 k k k dmaa o meruaka umlah reso atara ola faktor k, k k meruaka baaka observas ada grou ke-k. k meruaka rata-rata taksra eluag, g adalah umlah kombas kategor dalam model seretak, C ddekat dega dstrbus Ch-Square dega deraat bebas g-. Daerah eolaka ka la -value < α. (9 (10

3 3 F. Iterretas Parameter Raso Odd atau Odd Rato adalah ukura ag meuukka erbadga eluag mucula suatu keada dega eluag tdak mucula keada tersebut. Berkut adalah la odd rato (ψ utuk x = 1 da x = 0. (1/[1 (1] (0/[1 (0] dega mesubsttuska model logstk maka ersamaa odd rato mead ψ = e sehgga l ( = l (e = β 1. G. Peakt Kak Gaah Peakt kak gaah meruaka eakt zoooss ag daat meular da telah baak dtemuka d wlaah troka seluruh dua. Kak gaah basaa dkelomokka mead tga macam, berdasarka baga tubuh atau arga ag mead temat bersaraga: kak gaah lmfatk, kak gaah subkuta (bawah arga kult, da kak gaah rogga serosa (serous cavt. Ruuka [] meataka bahwa terdaat lma usur utama ag mead sumber eulara eakt flarass atu sumber eular (mausa da hewa sebaga reservor, arast (cacg, vektor (amuk, mausa ag reta (host, lgkuga (fsk, bologk, ekoom, da sosal budaa. Faktor ag daat memcu tmbula keada eakt kak gaah atu faktor lgkuga dalam rumah, faktor lgkuga luar rumah, faktor erlaku melut kebasaa keluar ada malam har da kebasaa tdak megguaka kelambu ada malam har saat tdur, da faktor laa atu melut faktor egetahua megea flarass ag aka megkatka kesadara dvdu serta terada resstes vektor flarass terhada sektsda, es kelam, es ekeraa, da umur ag mead faktor rsko dar eakt [10]. Ruuka [9] meataka bahwa faktor-faktor ag sgfka memegaruh eakt kak gaah d Paua adalah ersetase eduduk ag tdur d dalam kelambu, ersetase eduduk ag tdur d dalam kelambu bersektsda, da ersetase rumah tagga ag memelhara hewa elharaa. Kelambu bersektsda adalah kelambu ag telah dsemrotka cara sektsda secara maual da daat bertaha hgga lma tahu. Flarass uga duma ada semua kelomok umur da sudah dtemuka ada kelomok umur balta da tdak ada erbedaa revales atara lak-lak da eremua terhada rsko terkea eakt kak gaah. III. METODOLOGI PENELITIAN (1 Data ag dguaka dalam eelta adalah data sekuder ag deroleh dar Rset Kesehata Dasar 007 utuk eakt kak gaah. Rumah tagga ag dambl mead samel dlh dega mearg data utuk ederta da buka ederta sehgga ddaat 599 rumah tagga sebaga ut samlg. Dar 599 rumah tagga terdaat 75 rumah tagga ag aggota keluargaa mederta eakt flarass da 54 rumah tagga ag aggota keluargaa tdak mederta eakt kak gaah. Suatu aggota rumah tagga dkataka terfeks kak gaah ka d dalam rumah tagga tersebut terdaat mmal satu aggota rumah tagga erah dataka ostf terfeks eakt kak gaah dalam retag satu bula terakhr saat elaksaaa surve da sudah dkofrmas melalu emerksaa darah oleh teaga ahl kesehata (dokter/erawat/bda. Varabel dar eelta adalah lokas temat tggal (X 1, temat eamuga ar lmbah (X, arak ag harus dtemuh ke saraa elaaa kesehata terdekat (X 3, egguaa racu seragga sebula ag lalu (X 4, keemlka hewa terak seert sa, kerbau, da kuda (X 5, kemudaha memeroleh kebutuha ar seaag tahu (X 6, egguaa kelambu saat tdur malam (X 7, da egguaa kelambu bersektsda (X 8. Lagkah-lagkah dalam eelta adalah sebaga berkut. 1. Melakuka deskrtf data utuk megetahu karakterstk resode berdasarka faktor-faktor rsko eebab eakt kak gaah d Provs NAD.. Utuk megetahu hubuga faktor-faktor eebab eakt kak gaah dega megguaka metode aalss regres logstk ber dega tahaa sebaga berkut: a Melakuka u deedes. b Utuk megetahu hubuga atara varabel redktor terhada varabel reso secara dvdu megguaka u Wald. c Melakuka u sgfkas utuk megetahu aa saa varabel redktor ag sgfka terhada varabel reso. d Melakuka eaksra arameter regres logstk secara multvarat utuk megetahu hubuga atara varabel redktor dega varabel reso secara seretak. e Melakuka u sgfkas arameter utuk megetahu aakah varabel redktor ag masuk ada model telah sgfka terhada model. f Pemlha model ag telah sgfka. g Meghtug keteata klasfkas. IV. PEMBAHASAN A. Karakterstk Rumah Tagga d Provs NAD. Berkut adalah tabulas slag megea baaka rumah tagga ag mederta da tdak mederta berdasarka masg-masg faktor ag dagga beregaruh. Tabel 1. Tabulas Slag atara Varabel Reso dega Varabel Predktor. Tdak mederta Mederta Temat tggal kota 18 (1% 6 (1% desa 396 (66% 69(1% Temat tertutu 38 (6% 4 (1% eamuga ar terbuka 119 (0% 0 (3% lmbah dluar 47 (8% 11 (% taa eamuga 13 (% 0 (3% lagsug ke seloka/got 188 (31% 0 (3% Pegguaa racu Memaka 144 (4% 8 (1% seragga Tdak memaka 380 (63% 67 (11% Keemlka Memlk 49 (8% 6 (4% hewa terak Tdak memlk 475 (79% 49 (8% Kemudaha memeroleh ar Mudah 405 (68% 38 (6% Susah ada musm kemarau 107 (18% 31 (5% Susah seaag tahu 1 (% 6 (1%

4 4 Tabel 1 (La. Tabulas Slag atara Varabel Reso dega Varabel Predktor Tdak mederta Mederta Pegguaa Kelambu Pegguaa Kelambu bersektsda Megguaka 307 (51% 34 (6% Tdak megguaka 17 (36% 41(7% Megguaka 8 (38% 5 (4% Tdak megguaka 96 (49% 50 (8% B. U Ideedes Varabel Utuk megetahu aakah terdaat hubuga atara seta varabel redktor dega varabel reso atu megguaka u Ch-Square. Tabel. U Ideedes atara Varabel Predktor terhada Varabel Reso. Varabel Nla Pearso Ch Square df -value Lokas temat tggal 10, ,001* Pembuaga lmbah 4, ,36 Pemakaa racu seragga 9, ,00* Keemlka hewa 38, * Kemudaha memeroleh ar 5,86 0* Pemakaa kelambu 4, ,03* Kelambu bersektsda, ,095* Berdasarka Tabel 1. daat dketahu bahwa varabel lokas temat tggal, emakaa racu seragga, keemlka hewa, kemudaha memeroleh ar, emakaa kelambu, da kelambu bersektsda memlk la -value kurag dar la alha(0, sehgga keutusaa tolak H 0 maka kesmulaa terdaat hubuga atara seta 4arable redktor terhada 4arable reso. Setelah asums deedes tereuh maka selauta ag dlakuka atu megu varabel redktor secara uvarate. Tabel 3. U Ideedes atara Varabel Predktor terhada Varabel Reso. Aalss Varabel B SE Wald df -value X 1 (1-1,313 0,438 9,00 1 0,003* Kos X 1-1,747 0,13 179, X 3 0,055 0,05 4, ,07* Kos X 3 -,106 0,148 0,6 1 0 X 4(1-1,155 0,387 8,9 1 0,003* Kos X 4-1,735 0, , X 5(1 1,638 0,85 3, * Kos X 5 -,71 0,15 9, X 6 3,561 0* X 6(1-1,673 0,58 10,04 1 0,00* X 6( -0,546 0,54 1,01 1 0,31 Kos X 6-0,693 0,5 1,9 1 0,166 X 7(1-0,534 0,48 4,67 1 0,031* Kos X 7-1,666 0,17 95, X 8(1-0,43 0,6, ,097* Kos X 8-1,778 0, , Berdasarka Tabel 3 varabel redktor ag meuukka adaa egaruh terhada ederta eakt flarass secara arsal dmaa la -value kurag dar α. Adau varabel ag sgfka adalah lokas temat tggal (X 1, arak ag harus dtemuh ke saraa elaaa kesehata (X 3, egguaa racu seragga (X 4, keemlka hewa terak (sa, kerbau da kuda (X 5, Kemudaha memeroleh kebutuha ar seaag tahu (X 6, egguaa kelambu ada saat tdur malam (X 7, da egguaa kelambu bersektsda saat tdur malam (X 8. 1 Lokas Temat Tggal. Fugs logt ag dhaslka: g(x = 1,747 1,313 X (1 Probabltas rumah tagga tggal d daerah erkotaa adalah sebaga berkut ex ( 1,747 1,313(1 π(x = 1 + ex ( 1,747 1,313(1 = 0,04 Sehgga eluag rumah tagga ag tggal d daerah erkotaa cederug mederta eakt flarass sebesar 0,04. Jarak ke Saraa Pelaaa Kesehata. Fugs logt ag dhaslka: g(x =, ,055 X (1 Probabltas ag dhaslka aabla rumah tagga memlk arak temat tggal seauh 1 km adalah. ex (, ,055(1 π(x = 1 + ex (, ,055(1 = 0,1 Peluag rumah tagga ag memlk arak satu km dar rumaha ke saraa elaaa kesehata cederug mederta eakt flarass sebesar 0,1. 3 Pemakaa Racu Seragga. Fugs logt ag dhaslka: g(x = 1,735 1,155 X (1 Probabltas ag dhaslka aabla rumah tagga megguaka racu seragga ex ( 1,735 1,155(1 π(x = 1 + ex ( 1,735 1,155(1 = 0,05 Sehgga eluag dar rumah tagga ag megguaka racu seragga cederug mederta eakt flarass sebesar 0,05. 4 Keemlka Hewa. Fugs logt ag dhaslka: g(x =,71 + 1,638 X (1 Probabltas ag dhaslka aabla rumah tagga memlk hewa ex (,71 + 1,638(1 π(x = 1 + ex (,71 + 1,638(1 = 0,35 Sehgga eluag dar rumah tagga ag memlk hewa cederug mederta eakt flarass sebesar 0,35. 5 Kemudaha Memeroleh Ar. Fugs logt ag dhaslka: g(x = 0,693 1,673 X 6 (1 Probabltas ag dhaslka aabla rumah tagga mudah memeroleh ar adalah ex ( 0,693 1,673(1 π(x = 1 + ex ( 0,693 1,673(1 = 0,09 Sehgga eluag dar rumah tagga ag mudah memeroleh ar cederug mederta eakt flarass sebesar 0,09. 6 Pegguaa Kelambu g(x = 1,666 0,534 X (1 Probabltas ag dhaslka aabla rumah tagga memaka kelambu adalah ex ( 1,666 0,534(1 π(x = 1 + ex ( 1,666 0,534(1 = 0,1 Sehgga eluag dar rumah tagga ag megguaka kelambu cederug mederta eakt flarass sebesar 0,1. 7 Pegguaa Kelambu Bersektsda. Fugs logt ag dhaslka:

5 5 g(x = 1,778 0,3 X 8 (1 Probabltas ag dhaslka aabla rumah tagga memaka kelambu bersektsda adalah π(x = ex ( 1,778 0,3(1 1 + ex ( 1,778 0,3(1 = 0,11 Sehgga eluag dar rumah tagga ag memaka kelambu bersektsda cederug mederta eakt flarass sebesar 0,11. C. Pegua Parameter secara Seretak. Aalss regres logstc seretak dguaka utuk megetahu sgfkas varabel redktor ag beregaruh terhada ederta eakt flarass secara bersamaa. Metode ag dguaka adalah metode Eter. Tabel 4. U Parameter secara Seretak Ste Ch-Square df Sg Model 68, 8 0* * meruaka la sgfkas ada α=0, Tabel 4 meruaka hasl dar egua arameter secara seretak, daat dketahu bahwa la Ch-Square sebesar 68,. Nla -value sebesar 0 ag berart bahwa Tolak H 0 sehgga daat dsmulka bahwa secara seretak varabel redktor beregaruh terhada eakt flarass. Tabel 5. Hasl U Regres Logstk Bergada Aalss Varabel B SE Wald df - value X 1(1-0,843 0,463 3,31 1 0,069* X 3 0,049 0,07 3, ,068* X 4(1-1,071 0,403 7, ,008* X 5(1 1,371 0,308 19,81 1 0* X 6 1,886 0,00* X 6(1-1,498 0,59 6, ,011* X 6( -0,651 0,608 1, ,84 X 7(1-0,581 0,45 1, ,171* X 8(1-0,086 0,438 0, ,844 Kostata -0,53 0,61 0, ,383 Berdasarka Tabel 5 maka haa X 8 ag tdak sgfka terhada model sehgga harus dkeluarka (elmas.tabel 6 meelaska varabel ag sgfka dmaa varabel redktor ag tdak sgfka telah dkeluarka dalam model megguaka metode Eter. Tabel 6. Hasl U Aalss Regres Logstk Bergada Taha Elmas Aalss Varabel B SE Wald df -value X 1(1-0,846 0,463 3,34 1 0,068* X 3 0,05 0,07 3, ,064* X 4(1-1,069 0,40 7, ,008* X 5(1 1,371 0,308 19, * X 6 1,860 0,00 X 6(1-1,497 0,591 6,43 1 0,011* X 6( -0,657 0,608 1, ,8 X 7(1-0,645 0,71 5,68 1 0,017* Kostata -0,53 0,61 0, ,384 Berdasarka Tabel 6 maka fugs robabltas dar rumah tagga ag aggota keluargaa terkea eakt flarass adalah ˆ ( e e (-0,53 0,846X1 (1 0,05X3 1,069X 4 (1 1,371X 5 (1 1,497X 6 (1 0,645X 7 (1 x (-0,530,846X 1(1 0,05X 31,069X 4 (1 1,371X 5 (1 1,497X 6 (1 0,645X 7 (1 1 Fugs logt ag dhaslka adalah g(x= -0,53-0,846 X 1 (1+0,05 X 3-1,069 X 4 (1+1,371 X 5 (1-1,497 X 6 (1-0,645 X 7 (1. Peluag rumah tagga ag aggota keluargaa dredks mederta eakt flarass meurut statstk deskrtf atu rumah tagga ag tggal dedesaa, arak rata-rata ke saraa elaaa kesehata sebesar 3,6 km, rumah tagga ag tdak memaka racu seragga, rumah tagga ag tdak memlk hewa, rumah tagga ag mudah memeroleh ar, da rumah tagga ag tdak megguaka kelambu adalah e e (-0,530,846(0 0,05(3,6 1,069(0 1,371(0 1,497(1 0,645(0 ˆ (-0,530,846(0 0,05(3,6 1,069(0 1,371(0 1,497(1 0,645(0 ( x 0,14 1 Sehgga eluag rumah tagga ag aggota keluargaa terkea eakt flarass adalah 0,14. Aabla fugs π(x lebh dar 0,14 maka rumah tagga dredks terkea eakt flarass sedagka aabla π(x kurag dar 0,14 maka rumah tagga dredks tdak terkea eakt flarass. D. U Kesesuaa Model U dguaka utuk melhat aakah model ag telah dbuat sesua arta tdak ada erbedaa atara hasl observas dega hasl redks. Utuk megu kecocoka model atau goodess-of-ft dguaka Hosmer ad Lemeshow Test dmaa hotessa sebaga berkut. H 0 : Model hasl estmas sgfka ft H 1 : Model hasl estmas tdak sgfka ft. Tabel 7. U Hosmer da Lemeshow Ste Ch- Square df Sg Model 10, ,3 Berdasarka Tabel 7 daat dlhat bahwa la -value u Hosmer da Lemeshow berla lebh dar la alha sebesar 0,3 ag berart gagal tolak H 0 sehgga daat dsmulka model hasl estmas sgfka ft. E. Iterretas Model Regres Logstk Utuk megetahu seberaa besar kotrbus faktor-faktor tersebut beregaruh terhada kea atau tdaka rumah tagga dega eakt flarass daat megguaka terretas odd raso (ψ ada model logstk. Odd Raso (ψ meataka kecederuga varabel deede kategor ol beregaruh ψ kal terhada kategor satu (Last method. Tabel 7. Nla Odd Rato Aalss Varabel Odd Rato X 1(1 0,49 X 3 1,051 X 4(1 0,343 X 5(1 3,94 X 6(1 0,4 X 7(1 0,54 Berdasarka Tabel 7 maka terretas odd rato dar masg-masg faktor ag sgfka adalah sebaga berkut. 1 Lokas temat tggal (X 1 Peluag rumah tagga ag tggal d edesaa cederug mederta eakt flarass sebesar,33 kal lebh besar dbadgka rumah tagga ag tggal d erkotaa. Jarak ke saraa kesehata (X 3. Seta ertambaha satu klometer arak lokas temat tggal rumah tagga ke saraa kesehata aka cederug bereluag terkea eakt flarass sebesar 1,051 dbadgka ag berkurag sebesar satu klometer. 3 Pemakaa Racu Seragga (X 4

6 6 Peluag rumah tagga ag tdak megguaka racu seragga cederug terkea eakt flarass sebesar,914 kal lebh besar dbadgka rumah tagga ag megguaka racu seragga. 4 Keemlka hewa terak (X 5 Peluag rumah tagga ag memlk hewa terak cederug mederta eakt flarass sebesar 3,94 kal lebh besar dbadgka rumah tagga ag tdak memlk hewa terak. 5 Kemudaha memeroleh ar (X 6 Peluag rumah tagga ag susah memeroleh ar seaag tahu cederug mederta eakt flarass sebesar 4,47 kal lebh besar dbadgka rumah tagga ag mudah memeroleh ar seaag tahu. 6 Pegguaa kelambu (X 7 Peluag rumah tagga ag tdak megguaka kelambu ada malam har cederug mederta eakt flarass sebesar 1,907 lebh tgg dbadgka rumah tagga ag megguaka kelambu ada malam har. F. Keteata Klasfkas Tabel keteata klasfkas dguaka utuk megetahu seberaa teata model daat memredks rumah tagga ag mederta mauu tdak mederta eakt flarass. Semak besar ersetase ag dhaslka megdkaska bahwa model ag telah terbetuk adalah model terbak. Tabel 8. Keteata Hasl Tabel Klasfkas Predks Observas Buka Persetase Pederta Pederta Buka Pederta ,7 Pederta ,7 Persetase Seluruha 74,5 *Cut off berla 0,14 Berdasarka Tabel 8 daat dsmulka bahwa ersamaa model regres logstk ag terbetuk daat megklasfkaska eaksra varabel Y sebesar 74,5%. Arta model ersamaa regres logstk ag terbetuk daat memredks rumah tagga tersebut secara keseluruha utuk megelomokka mederta mauu tdak mederta da dredks teat mederta mauu tdak mederta sebesar 74,5%. V. KESIMPULAN Adau kesmula ag ddaat dar aalsa ag dlakuka terhada data rumah tagga d Provs NAD adalah Karakterstk rumah tagga d Provs NAD berdasarka faktor-faktor eebab rsko eakt kak gaah adalah ersetase eakt kak gaah maortas terad ada rumah tagga ag bertemat tggal d daerah edesaa. Kods lgkuga temat tggal rumah tagga d Provs NAD umuma mudah memeroleh ar seaag tahua. Ratarata arak ke saraa elaaa adalah seauh,63 km. Rumah tagga d Provs NAD ag memelhara hewa terak drumaha haa sebesar 13%. Sebesar 75% rumah tagga tdak memaka racu seragga utuk meldug dr dar ggta amuk ada malam har. Pada dasara rumah tagga d Provs NAD baak ag megguaka kelambu ada saat malam har atu sebesar 57% amu rumah tagga ag megguaka kelambu kebaaka dara tdak megguaka kelambu bersektsda. Faktor-faktor ag memegaruh rumah tagga utuk terserag eakt kak gaah adalah klasfkas temat tggal rumah tagga, arak ke saraa kesehata, emakaa racu seragga, keemlka hewa terak, kemudaha memeroleh ar, da egguaa kelambu ada saat tdur malam har. Kotrbus seta faktor ag memegaruh rsko eakt flarass adalah semak baak rumah tagga ag tggal d edesaa maka semak besar eluag rumah tagga terserag eakt flarass. Jarak ke saraa elaaa kesehata uga mead kedala seseorag utuk memeroleh egobata sehgga semak auh rumah tagga dar elaaa kesehata semak besar eluag rumah tagga mederta eakt flarass. Peluag rumah tagga ag memlk hewa terak da susah memeroleh ar ada musm kemarau utuk mederta eakt lebh besar dbadgka ag tdak memlk hewa terak da mudah memeroleh ar. Aabla rumah tagga megguaka racu seragga da kelambu ada saat tdur malam utuk meghdar dr dar seraga seragga maka eluag utuk mederta eakt flarass sagat kecl dbadgka ag tdak megguaka. UCAPAN TERIMAKASIH Peuls W.A.O megucaka terma kash keada Ibu Ir. Sr Pgt Wuladar da Bada Peelta da Pegembaga Kesehata Reublk Idoesa ag telah memberka bmbga da kesemata utuk megadaka elta megea eakt flarass. DAFTAR PUSTAKA [1] L.P. Ambarta ad H.Storus, Stud Komutas amuk D Desa Sebubus (Daerah Edems Flarass, Sumatera Selata Tahu 004. Jural Ekolog Kesehata, Vol 5-1( [] R.Ulol, S.Soeoko, ad S. Sumam, Aalss Faktor-faktor Rsko Keada Flarass, Berta Kedoktera Masarakat vol. 4 (008. [3] R. Ashar, Aalss Faktor Keada Flarass d Dusu Taug Baur Desa Suga Asam Kecamata Suga Raa Kabuate Potaak. Thess Program Pascasaraa Uverstas Doegoro.(004. [4] N.R Draer ad H.Smth, Aled Regresso Aalss (Aalss Regres Teraa. Jakarta : PT Grameda.(199. [5] M. Putr, Aalss Regres Logstk Ber ada Faktor-Faktor ag Beregaruh ada Jes Pekeraa Pertama Alum Isttut Tekolog Seoloh Noember (ITS. Skrs Jurusa Statstka Fakultas Matematka da Ilmu Pegetahua Alam, Surabaa.(01. [6] G.Ekaaa. Aalss Regres Logstk Ber utuk Megetahu Faktor- Faktor ag Memegaruh Peakt Malara d Provs Paua Barat. Skrs Jurusa Statstka Fakultas Matematka da Ilmu Pegetahua Alam, Surabaa.(011. [7] A. Agrest, A Itroducto to Categorcal Data Aalss. New York : Joh Wle & So s, Ic.(00. [8] D.W.Hosmer ad S.Lemeshow, Aled Logstc Regresso. New York: Joh Wle da So. (000. [9] I.Rahmawat, Pemodela Resko Peakt Kak Gaah (Flarass d Provs Paua dega Regres Zero-Iflated Posso. Skrs Program Stud Matematka da Ilmu Pegetahua Alam Jurusa Statstka ITS, Surabaa. (009. [10] P.Jurastut, M.Kartka, I.M.Daa ad D.Susaa, Faktor Rsko Keada Flarass d Keluraha Jat Samura. Jural Kesehata volume 14(1 (

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

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

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

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

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

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

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

Lebih terperinci

MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR

MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR Yusq Mahmud 1 da Isma Za 1 Mahasswa Jurusa Statstka FMIPA-ITS e-mal: yosukecudo@yahoo.com

Lebih terperinci

X a, TINJAUAN PUSTAKA

X 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 terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR 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 terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

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

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

Lebih terperinci

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE Perbadga Metode Cross Valdato Da Geeralzed Cross Valdato Dalam Regres Noarametrk Breso Sle Luh Putu Saftr Pratw PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK

Lebih terperinci

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

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

Lebih terperinci

Aplikasi Model Regresi Logit dan Probit pada Data Kategorik

Aplikasi Model Regresi Logit dan Probit pada Data Kategorik Vol. 6, No.2, 07-4, Jauar 200 Aplkas Model Regres Logt da Probt pada Data Kategork Georga M. Tugk Abstrak Pembahasa dua model alteratf utuk data ber atu model Regress Logt da Probt. Regress Logt dguaka

Lebih terperinci

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

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

Lebih terperinci

Analisis 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 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 terperinci

ANALISIS 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 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 terperinci

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

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

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal 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 terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN 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 terperinci

III. METODOLOGI PENELITIAN

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

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 5528, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB 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 terperinci

Analisis Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support Vector Machine (SVM) Berdasarkan Hasil Mamografi

Analisis Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support Vector Machine (SVM) Berdasarkan Hasil Mamografi JURNAL SAINS DAN SENI IS Vol., No., (Set. 0) ISSN: 30-98X D-47 Aalss Dagoss Pase Kaker Paudara Megguaka Regres Logstk da Suort Vector Mache (SVM) Berdasarka Hasl Mamograf Foura Au Novat da Sat Wula Puram

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci

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

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 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 terperinci

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

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

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

Lebih terperinci

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model Jural ILMU DASAR Vol. No.. 0 : 97-0 97 Estmas da Statstk Uj ada Model robt Ber Bvarat Estmato ad Statstcal est Bvarate Bar robt Model Vta Ratasar, urhad, Isma & Suhartoo Mahasswa S-3 Statstka FMIA IS,

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis 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 terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji 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 terperinci

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

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

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan 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 terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

Pemodelan 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 terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian 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 terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah 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 terperinci

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport. JURNAL GAUSSIAN, Volume, Nomor, Tahu 0, Halama 9-8 Ole d: htt://ejoural-s.ud.ac.d/dex.h/gaussa ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN Sylf, Dw Isryat, Dah Saftr 3 Mahasswa Jurusa Statstka FSM Uverstas

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB 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 terperinci

PENAKSIR 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 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 terperinci

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt

Lebih terperinci

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR

I. 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 terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 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 terperinci

Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy untuk Dataset Kecil (Studi Kasus: Indonesia)

Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy untuk Dataset Kecil (Studi Kasus: Indonesia) JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Model Peramala Kosums Eerg Fal dega Megguaka Metode Regres Fuzz utuk Dataset Kecl (Stud Kasus: Idoesa) Alf Lalah 1, Nur Wahugsh 2, da IGN. Ra Usadha 3 123

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Bab II Teori Pendukung

Bab 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 terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 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 terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

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

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

Lebih terperinci

Prosiding FMIPA Universitas Pattimura 2013 ISBN:

Prosiding 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 terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis 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 terperinci

KOMBINASI 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 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 terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL 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 terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1. Penyakit Jantung Koroner

II. TINJAUAN PUSTAKA 2.1. Penyakit Jantung Koroner 3 II. TINJAUAN PUSTAKA.. Peyakt Jatug Koroer Meurut Soeharto (4, eyakt jatug koroer (PJK adalah suatu kelaa yag dsebabka oleh eyemta atau eghambata embuluh arter koroara yag megalrka darah ke otot jatug.

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN 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 terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di 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 terperinci

FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO)

FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO) FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO Fahrul Roz Perdaa, Mutah Salamah ( Statstka, FMIPA, Isttut

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 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 terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 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 terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

III. KERANGKA PEMIKIRAN. Importir diasumsikan melakukan pilihan diantara berbagai alternatif yang

III. KERANGKA PEMIKIRAN. Importir diasumsikan melakukan pilihan diantara berbagai alternatif yang III. KERANGKA EMIKIRAN 3.1. Keragka Teorts 3.1.1. ermtaa Imortr dasumska melakuka lha datara berbaga alteratf yag terseda dalam ola erlaku tertetu yag memberka keuasa terbesar dar megkosums suatu komodt

Lebih terperinci

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat INFERENSI VEKTOR RATA RATA Dsusu utuk memeuh salah satu tugas mata kulah multvarat Dsusu oleh: Ast Aula Rahma (6796) Khaerusa Mahmudah (69) Lucky Heryat Jufr (673) Rsa Nur Vauzyah (6933) Syfa Isa (66)

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 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 terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

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

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

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

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

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

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN 3 BAB 5 HASIL DAN PEMBAHASAN Dalam baga hasl da embahasa aka dtamlka roses aalss da egolaha data, dalam betuk deskrtf, tabel-tabel yag dguaka, gambar-gambar beserta hasl da embahasaya. Dega memerhatka

Lebih terperinci

Peramalan Kebutuhan Listrik Dengan Model Harvey

Peramalan Kebutuhan Listrik Dengan Model Harvey Peramala Kebutuha Lstrk Dega Model Harvey Oleh: Ley Setyag B. (30600006) Pembmbg: Prof. Drs. Nur Irawa, M.IKom, Ph.D Latar Belakag Jumlah Peduduk Megkat Produks megkat Supply < Demad Kebutuha Barag Megkat

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-311

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-311 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Prt) D-311 Klasfkas Damc Facal Dstress Perusahaa Maufaktur ag Terdaftar d Bursa Efek Idoesa Tahu 2012-2014 Megguaka Regres Logstk Ber

Lebih terperinci