Dosen Pembimbing : Dr. Purhadi, M.Sc
|
|
- Johan Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Citra Fatimah Nur / Dosen Pembimbing : Dr. Purhadi, M.Sc
2 Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN
3 Latar Belakang IPM pemerintah menekankan pada paradigma pertumbuhan Ekonomi dalam pembangunan Menerapan paradigma pemerataan pembangunan di seluruh wilayah PBB melalui UNDP menetapkan sebuah tolok ukur untuk mengukur hasil-hasil pembangunan manusia dengan indikator IPM
4 Jawa Timur Jawa Barat Jawa Tengah Sumatera Utara Dipilih sebagai obyek studi kasus: Jumlah kabupaten dan Kota terbanyak Berada dalam kelompok yang sama
5 Penelitian Terdahulu Diana (009 Pengelompokan provinsi berdasarkan indikator IPM Faktor yang berpengaruh terhadap IPM : presentase pendidikan di atas SLTP, faktor persentase penduduk yang tinggal di perkotaan Salam (007 Penggunaan Regresi Logistik Odi Ordinal untuk mengolah IPM Jawa Timur, Nusa Tenggara dan Papua Penggunaan Uji Kesamaan Mean Vektor Parameter Sunita (006, Sjafii (004, Said(003, p, g g p, Hidayat (1990 Faktor yang mempengaruhi tingkat pembangunan, meliputi PDRB, rasio ketergantungan penduduk, peran sektor pertanian, pendapatan perkapita, pendidikan,dan kemiskinan
6 Permasalahan Bagaimana pengaruh indikator pendidikan, kelayakan hidup, dan harapan hidup terhadap model regresi logistik ordinal dari data Indeks Pembangunan Manusia di propinsi Jawa Timur, Jawa Barat, Jawa Tengah, dan Sumatera Utara Bagaimana hasil uji kesamaan vektor dari beberapa model regresi logistik ordinal dari data Indeks Pembangunan Manusia di propinsi p Jawa Timur, Jawa Barat, Jawa Tengah, dan Sumatera Utara
7 Tujuan Mengetahui pengaruh indikator pendidikan, kelayakan hidup, dan harapan hidup terhadap model regresi logistik ordinal dari data Indeks Pembangunan Manusia di propinsi Jawa Timur, Jawa Barat, Jawa Tengah, dan Sumatera Utara Mengetahui hasil uji kesamaan vektor dari beberapa model regresi logistik ordinal dari data Indeks Pembangunan Manusia di propinsi p Jawa Timur, Jawa Barat, Jawa Tengah, dan Sumatera Utara
8 Manfaat Menambah wawasan tentang Indeks Pembangunan Manusia, dan Metode Permodelan dengan menggunakan Regresi Logistik Ordinal Memberikan informasi model regresi logistik di propinsi Jawa Timur, Jawa Barat, Jawa Tengah, dan Sumatera Utara, Home
9 REGRESI LOGISTIK ORDINAL ( Jika variabel prediktor x = x1 x... x, p maka peluang kumulatif logit didefinisikan (Agresti, 00 sebagai : PY ( j x = π ( x + π ( x π ( x, j= 1,,..., J 1 Kumulatif logit didefinisikan sebagai : PY ( j x log it [ P ( Y j x = ln 1 P( Y j x j T
10 REGRESI LOGISTIK ORDINAL Dependensi peluang kumulatif Y terhadap untuk model proportional odds sering dinyatakan dalam bentuk : PY ( j x T ln = β0 j +, j = 1,,..., J 1 PY ( > j β x x Model yang secara simultan menggunakan semua kumulatif logit (Agresti, 00 adalah : log it[ P( Y j x] = β T 0 j + β x, j = 1,,..., J 1
11 REGRESI LOGISTIK ORDINAL jika terdapat J kategori respon :
12 Pendugaan Parameter Menurunkan fungsi log likelihood terhadap parameter yang akan diestimasi dan disamakan dengan nol. L L ( β = 0 β Persamaan digunakan untuk menaksir intersep k L( β parameter βk dimana k=1,,...p dan = 0dipergunakan θ j untuk menaksir intersep θ j dimana j=1,,..., J 1. L( β L( β Hasil dari persamaan = 0 dan = 0 merupakan β k θ j fungsi nonlinear sehingga diperlukan metode iterasi Newton-Raphson untuk memperoleh estimasi parameternya.
13 Pengujian Parameter Pengujian Individu id Daerah penolakan: H 0 ditolak bila W lebih besar dari χ atau p-value k ( α,1, kurang dari. α
14 Pengujian Parameter Pengujian Serentak Daerah penolakan: H 0 ditolak bila G lebih besar dari χ ( α, w atau p-value kurang dari. α
15 Uji Kesesuaian Model Hipotesis i : H 0 H : : 1 model ringkas adalah model terbaik model lengkap adalah model terbaik Statistik uji : n ˆ π 1 ˆ ij π ij D = yij ln + ( 1 yij ln i = 1 y 1 y ij ij Semakin tinggi nilai D dan semakin rendah p-value mengindikasikan bahwa mungkin model tidak fit terhadap data. Jika model adalah terbaik, maka deviance akan mendekati distribusi X ( α, J ( p + 1
16 Uji Kesamaan Vektor Parameter Uji Berpasangan : ˆ ˆ T ˆ ˆ ˆ ˆ ˆ ˆ I = g g* g + g* g g* g g* ( W ( θ θ var( var( cov, ( θ θ θ θ θ θ H 0 ditolak bila W I lebih besar dari di mana w menunjukkan banyaknya variabel prediktor pada model. χ ( w Home
17 Tinjauan Non Statistik HDI s Indicators health as measured by life expectancy access to resources as measured by the level of real per capita income. level of knowledge and skills as measured by the weighted average of functional literacy and combined elementary and secondary net enrolment rate Health Economic level Education Home
18 Metodologi Penelitian Data yang digunakan pada Penelitian ini adalah data sekunder yang diperoleh dari BPS dan penelitian sebelumnya (Diana,009. Data yang diambil adalah Data IPM : - Provinsi Jawa Timur terdiri dari 38 kabupaten/kota - Provinsi Jawa Tengah terdiri dari 35 kabupaten/kota - Provinsi i Jawa Barat terdiri i dari 6 kabupaten/kota - Provinsi Sumatera Utara terdiri 6 kabupaten/kota
19 Metodologi Penelitian Variabel Penelitian No. Nama Variabel Tipe Variabel Kategori (1 ( (3 (4 1 Y = Indeks pembangunan manusia Diskrit 1=Bawah =Menengah-bawah 3=Menengah-atas 4=Atas X 1 = Persentase penduduk yang tinggal di daerah perkotaan 3 X = Persentase penduduk yang berpendidikan di atas SLTP Kontinu - Kontinu - 4 X 3 = Rata-rata Pendapatan per kapita Kontinu - 5 X 4 = Rasio ketergantungan penduduk Kontinu 6 X 5 = Peranan sektor industri dalam PDRB Kontinu - 7 X 6 = Persentase penduduk miskin Kontinu -
20 Langkah Penelitian Mulai Data Meregresikan variabel Y dengan masing-masing i variabel x Uji Hipotesis Individu Meregresikan variabel Y dengan variabel x yang signifikan Uji Hipotesis i Serentak Intepretasi Model Selesai
21 Langkah Penelitian Mulai Model Regresi yang telah diperoleh sebelumnya Uji Kesamaan Vektor Berpasangan Uji Kesamaan Vektor Secara Simultan Intepretasi Model Selesai
22 Analisis dan Pembahasan Pengujian Parameter Secara Parsial Hipotesis yang digunakan adalah: H : 0 β = 0 k H : 0 1 β k, k=1,,,9 Statistik uji yang digunakan adalah statistik Wald, W k ˆ β k = ˆ SE( β k Dengan keputusan tolak H0 jika nilai wald test > X (1;0,10 dimana, nilai i X (1;0,10 =,0761
23 Analisis dan Pembahasan Jawa Timur koef SE koef wald test keputusan x1 0,11 0,035 10,01 tolak H0 x 0,456 0,15 9,303 tolak H0 x3 0,059 0,017 1,456 tolak H0 x4-13,13 6,658 3,3889 tolak H0 x5 0, ,00 4,743 tolak lkh0 x6-0,364 0,094 14,88 tolak H0
24 Analisis dan Pembahasan Jawa Tengah koef SE koef wald test keputusan x1 0, ,00 10,618 tolak H0 x 0,37 0,09 13,93 tolak H0 x3 0,05 0,16 9,51 tolak H0 x4-5,487 14,607 1,911 tolak H0 x5 0,016 0,0 0,518 terima H0 x6-0,15 0, ,99 tolak H0
25 Analisis dan Pembahasan Jawa Barat koef SE koef wald test keputusan x1 0,048 0,019 6,181 tolak H0 x 0,184 0,068 7,95 tolak H0 x3 0,00 0, ,019 tolak H0 x4-35,34 13,7 7,093 tolak H0 x5 0,01 0,018 0,48 terima H0 x6-0,595 0,1 8,031 tolak H0
26 Analisis dan Pembahasan Sumatera Utara koef SE koef wald test keputusan x1 0, , ,379 tolak kh0 x 1,3 0,947 1,693 terima H0 x3 0,069 0,06 6,98 tolak H0 x4-14,64 5,489 7,114 tolak H0 x5 0,06 0,03 4,89 tolak H0 x6-0,84 0,093 9,35 tolak H0
27 Analisis dan Pembahasan Pengujian Serentak Uraian Jatim Jateng Jabar Sumut Statistik G 57,398 44,303 3,95 45,907 DF p-value 0, , , , Keputusan tolak H 0 dengan = 0,10, berarti estimasi parameter b tidak sama dengan nol di tiap provinsi, karena nilai p-value < 0,10 α
28 Analisis dan Pembahasan Pengujian Parsial Penduga Koef Jatim Jateng Jabar Sumut p-value Koef p-value Koef p-value Koef p-value konst konst x x x x x x
29 Analisis dan Pembahasan Jawa Timur log it ˆ γ 1 ( x ˆ γ 1 ( x = ln = 17, , 456 X 1 ˆ1 ( x γ log it ˆ γ ( x ˆ γ ( x = ln = 6, , 456 X 1 ˆ ( x γ Dengan nilai peluang kumulatif logit π exp(17,191+ 0,456X 1 ( x = 1+ exp(17,191+ 0,456X π exp(6, ,456X x = π (, dan 1 + exp(6, ,456 X ( 1 x 1 π 3 ( x = 1 π 1( x π ( x
30 Analisis dan Pembahasan Jawa Tengah log it log it γ 1( x γ 1( x = ln = 9,34 + 0,91X 34, 408 X 1 1 ( x γ γ ( x γ ( x = ln = 0, ,91X 34, 408 X 1 ( x γ Dengan nilai peluang kumulatif logit π 1 ( x exp( 9,34 + 0,91X 34,408X 4 = 1+ exp( 9,34 + 0,91 X 34, X exp(0, ,91X 34,408X 4 π ( x = π 1( x 1+ exp(0, ,91 X 34,408 X 4 π 3( x = 1 π 1( x π ( x 4, dan 4 4
31 Analisis dan Pembahasan Jawa Barat logit log it y y y ( x = 1 1( x ln = 9,185 0, y ( x 1 ( x ln =,14 0, 595 y ( x = 1 y ( x Dengan nilai peluang kumulatif logit exp( 9,185 0,595X 6 π 1 ( x = 1+ exp( 9,185 0,595X exp(,14 0,595 X 6 π ( x = π 1 ( x 1 + exp(,14 0,595 X π 3 ( x = 1 π 1( x π ( x 6 6 X X 6 6, dan
32 Analisis dan Pembahasan Sumatera Utara γ1( x logit γ 1( x = ln 8,499+ 0,113X 3 + 0, 153X 1 1( x = γ γ ( x logit γ ( x = ln 44,497+ 0,113X 3 + 0, 153X 1 ( x = γ Dengan nilai peluang kumulatif logit exp(8, ,113X 3 + 0,153X 5 π 1 ( x = 1+ exp(8, ,113X + 0,153X exp(44,497+ 0,113X 3 + 0,153X 5 π ( x = π1( x 1 + exp(44, ,113 X + 0,153X 1 3 X 5 π3( x = 1 π1( x π( x , dan
33 Analisis dan Pembahasan Uji Kesesuaian Model H 0 : Model sesuai (tidak ada perbedaan antara hasil observasi dengan hasil Provinsi Chi-Square p-value prediksi Jawa Timur 5,578 1,000 H 1 : Model tidak sesuai (ada perbedaan antara hasil observasi dengan hasil prediksi Jawa Tengah 5,155 1,000 Jawa Barat,09 0,999 Sumatera Utara 1,871 1,000 Keputusan gagal tolak H0, karena seluruh nilai p-value > α (0,05. Hal ini menunjukkan bahwa model di tiap-tiap provinsi sudah cukup memenuhi atau sesuai, sehingga tidak ada perbedaan antara hasil observasi dengan prediksi.
34 Analisis dan Pembahasan Ketepatan Klasifikasi Persentase ketepatan pengklasifikasian IPM terbesar berdasarkan model terbaik adalah model IPM untuk Provinsi Jawa Timur yakni 86,97%,sedangkan ketepatan klasifikasi terendah adalah untuk model IPM Jawa Barat yakni 66,19%. Untuk ketepatan klasifikasi kedua provinsi lainnya, yaitu Jawa Tengah sebesar 84,19% dan Sumatera Utara sebesar 74,41%.
35 Analisis dan Pembahasan Pengujian Mean Vektor Parameter H H 0 1 : θ Jatim = θ :θθ θ Jatim Jateng Jateng Statistik Uji : W ˆ ˆ T ( * var( ˆ var( ˆ * cov ( ˆ, ˆ * ( ˆ ˆ I = θ g θ g g + g g g g g* θ θ θ θ θ θ Diperoleh hasil dari perhitungan Statistik uji Wald bernilai , berarti dapat disimpulkan untuk menolak H0, karena atau dapat diartikan bahwa terdapat perbedaan. Berarti ada perbedaan antara mean vektor parameter Provinsi Jawa Timur dengan mean vektor parameter Provinsi Jawa Tengah.
36 Kesimpulan Faktor yang berpengaruh pada IPM Jawa Timur adalah Persentase penduduk yang berpendidikan di atas SLTP dengan ketepatan klasifikasi model 86,97% Faktor yang berpengaruh pada IPM Jawa Tengah adalah Persentase penduduk yang berpendidikan di atas SLTP dan Rasio ketergantungan penduduk dengan ketepatan klasifikasi model 66,19% Faktor yang berpengaruh pada IPM Jawa Barat adalah Persentase penduduk miskin dengan ketepatan klasifikasi model 84,19% Faktor yang berpengaruh pada IPM Sumatera Utara adalah Pendapatan per kapita dan Besar kontribusi sektor industri dalam PDRB dengan ketepatan klasifikasi model 74,41% Berdasar studi kasus pengujian mean vektor parameter pada Jawa Timu dan Jawa Tengah menunjukkan tolak H 0, berarti vektor parameter kedua provinsi tidak sama.
37 Referensi Agresti, A. (00, Categorical Data Analysis, nd edition, John Willey and Sons, Inc., Hoboken, New Jersey. Ananth, C.V. dan Kleinbaum, D.G. (1997, Regression Models for Ordinal Responses: A Review of Methods and Applications, International Journal of Epidemiology, Vol. 6, No. 6, hal BPS (008, Indeks Pembangunan Manusia BPS, Jakarta. (006, Indonesia, Laporan Indeks Pembangunan Manusia Kota Balikpapan 006. BPS, Balikpapan. (005, Indeks Pembangunan Manusia Kabupaten Lamongan 005. BPS, Lamongan. (007, Penyusunan Data Basis IPM Provinsi Jawa Barat 007. BPS, Bandung Cameron, A. Colin. dan Trivedi, Pravin K. (1998. Regression Analysis of Count Data. Cambridge University Press, United Kingdom.
(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciModel Probit Untuk Ordinal Response
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
Lebih terperinciMISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK
MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK Mohammad Farhan Qudratullah Program Studi Matematika Fakultas Sains dan Teknologi Universitas
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 405-416 Online di: http://ejournal-s1undipacid/indexphp/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 205, Halaman 44-45 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian KEEPAAN KLASIFIKASI INGKA KEPARAHAN KORBAN KECELAKAAN LALU LINAS MENGGUNAKAN
Lebih terperinciPemodelan Jumlah Kematian Bayi di Propinsi Jawa Timur dengan Pendekatan Geographically Weighted Poisson Regression Semi Parametric (GWPRS)
Seminar Tugas Akhir Pemodelan Jumlah Kematian Bayi di Propinsi Jawa Timur dengan Pendekatan Geographically Weighted Poisson Regression Semi Parametric (GWPRS) Oleh : Dessy Puspa Rani 1306. 100. 034 Dosen
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciSeminar Hasil Tugas Akhir
LOGO Seminar Hasil Tugas Akhir Oleh : Efta Dhartikasari Priyana 1312 105 012 Dosen Pebimbing: Dr. Purhadi, M.Sc 8/7/2014 1 8/7/2014 2 Latar Belakang Latar Belakang Perumusan Masalah Ginjal Kronik Stroke
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciJURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.
JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah
Lebih terperinciAnalisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi
Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor
Lebih terperinciBAB III METODE PENELITIAN. Objek dari penelitian ini adalah indeks pembangunan manusia di Indonesia
BAB III METODE PENELITIAN 3.1 Objek Penelitian Objek dari penelitian ini adalah indeks pembangunan manusia di Indonesia tahun 005-008, dengan variabel yang mempengaruhinya yaitu pertumbuhan ekonomi, pengeluaran
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciPROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011
(R.7) Model Regresi Poisson dan Model Spasial Otoregresif Poisson untuk Mendeteksi Faktor-Faktor yang Berpengaruh terhadap Jumlah Penderita Gizi Buruk di Provinsi Jawa Timur Siti Rohmah Rohimah 1, Muhammad
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) DENGAN METODE FISHER SCORING
ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS RLOTG DENGAN METODE FISHER SCORING Aulia Nugrahani Putri, Purnami Widyaningsih, dan Dewi Retno Sari Saputro Program Studi Matematika
Lebih terperinciMODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA SMP
MODEL REGRESI LOGISTIK MULTINOMIAL UNTUK MENENTUKAN PILIHAN SEKOLAH LANJUTAN TINGKAT ATAS PADA SISWA Puji Subekti Mahasiswa Program Magister Matematika Universitas Brawijaya Malang Telp : 8564963425; Email
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciSEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si
SEMINAR HASIL TUGAS AKHIR Presented by Rizky Amalia Yulianti 1309 100 076 Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Agenda 1. 2. 3. 4. 5. Pendahuluan Tinjauan Metodelogi Hasil dan Kesimpulan 1.
Lebih terperinciBAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciINSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Seminar Hasil Tugas Akhir
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 Seminar Hasil Tugas Akhir 1 PEMODELAN DAN PEMETAAN RATA-RATA USIA KAWIN PERTAMA WANITA DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DI PROVINSI JAWA TIMUR
Lebih terperinciIDENTIFIKASI MULTIKOLINEAR PADA MODEL REGRESI LOGISTIK ORDINAL UNTUK STATUS GIZI ANAK DI KELURAHAN KARANGKITRI, BEKASI TIMUR
IDENTIFIKASI MULTIKOLINEAR PADA MODEL REGRESI LOGISTIK ORDINAL UNTUK STATUS GIZI ANAK DI KELURAHAN KARANGKITRI, BEKASI TIMUR Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciPEMODELAN RESIKO PENYAKIT PNEUMONIA PADA BALITA DI JAWA TIMUR MENGGUNAKAN REGRESI LOGISTIK BINER STRATIFIKASI
PEMODELAN RESIKO PENYAKIT PNEUMONIA PADA BALITA DI JAWA TIMUR MENGGUNAKAN REGRESI LOGISTIK BINER STRATIFIKASI Ita Noviana 1309 100 040 Pembimbing : Ir. Sri Pingit Wulandari, M.Si. Co Pembimbing : Dr. Purhadi,
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciMODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH
MODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Albertus Revoliko Septiawan, Sri Sulistijowati Handajani, dan Titin Sri Martini Program Studi Matematika Fakultas Matematika
Lebih terperinciBAB III METODE PENELITIAN. Statistik). Data yang diambil pada periode , yang dimana di dalamnya
BAB III METODE PENELITIAN 3.1. Metode Penelitian 3.1.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder sendiri artinya adalah data yang tidak dikumpulkan
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR
Senin, 4 Maret 203 Ruang Sidang Gedung H ANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR Disusun Oleh: MIRNA RAMADHANI (30030074) DOSEN PEMBIMBING Dra. Destri Susilaningrum,
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
50 BAB IV HASIL DAN PEMBAHASAN A. Analisis Statisik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran umum data yang telah dikumpulkan dalam penelitian ini. Sebanyak 25 perusahaan yang masuk
Lebih terperinciForum Statistika dan Komputasi, Oktober 2010 p : ISSN :
, Oktober 2010 p : 23-31 ISSN : 0853-8115 Vol 15 No.2 APLIKASI REGRESI LOGISTIK ORDINAL MULTILEVEL UNTUK PEMODELAN DAN KLASIFIKASI HURUF MUTU MATA KULIAH METODE STATISTIKA (The Application of Multilevel
Lebih terperinciIMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si.
S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan
Lebih terperinciMETODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT ABSTRAK
METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT (Studi Kasus PT. XYZ) Muhamad Iqbal Mawardi Departemen Statistika, Universitas
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
Lebih terperinciPemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan
D181 Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan Rizfanni Cahya Putri dan Vita Ratnasari Jurusan Statistika, Fakultas
Lebih terperinciV. FAKTOR PENENTU KETAHANAN PANGAN RUMAH TANGGA DI PROVINSI NUSA TENGGARA TIMUR
V. FAKTOR PENENTU KETAHANAN PANGAN RUMAH TANGGA DI PROVINSI NUSA TENGGARA TIMUR Penelitian ini menggunakan model regressi logistik ordinal untuk menganalisis faktor-faktor yang mempengaruhi ketahanan pangan
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciSKRIPSI. Disusun Oleh : RAHMA NURFIANI PRADITA
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPATEN/ KOTA DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION SKRIPSI Disusun Oleh : RAHMA NURFIANI
Lebih terperincipendekatan regresi logistik biner Oleh :Wida Suliasih ( )
Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik Statistik deskriptif digunakan untuk menggambarkan secara umum data yang telah dikumpulkan dalam penelitian ini. Sampel yang digunakan
Lebih terperinciperembesan zat pencemar dari limbah yang berasal dari aktivitas domestik.
VIII. IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN PENDUDUK UNTUK MELAKUKAN TINDAKAN PENCEGAHAN AKIBAT PENCEMARAN AIR TANAH Pertambahan jumlah penduduk yang semakin tinggi di Kota Bekasi mengakibatkan
Lebih terperinciMOCH. FAUZI PEMBIMBING : MUHAMMAD SJAHID AKBAR
Faktor-faktor yang Mempengaruhi Peranan Ibu Rumah Tangga Nelayan Terhadap Pemenuhan Kebutuhan Rumah Tangga di Kelurahan Tebul Bangkalan dengan Metode Regresi Logistik Biner MOCH. FAUZI 1307 030 056 PEMBIMBING
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Regresi adalah bagaimana satu variabel yaitu variabel dependen dipengaruhi oleh satu atau lebih variabel lain yaitu variabel independen dengan tujuan untuk
Lebih terperinciPemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya
Jurnal Penelitian Sains Volume 16 Nomor 2(A) April 2013 Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Dian Cahyawati
Lebih terperinciREGRESI LOGISTIK (LOGISTIC REGRESSION)
REGRESI LOGISTIK (LOGISTIC REGRESSION) REGRESI LOGISTIK Adalah regresi parametrik yang digunakan untuk Y berskala kategorik dan X berskala bebas. Biner Y berskala nominal dengan 2 kategori Regresi Logistik
Lebih terperinciANALISIS TINGKAT STRESS WANITA KARIR DALAM PERAN GANDANYA DENGAN REGRESI LOGISTIK ORDINAL
ANALISIS TINGKAT STRESS WANITA KARIR DALAM PERAN GANDANYA DENGAN REGRESI LOGISTIK ORDINAL (Studi Kasus pada Tenaga Kerja Wanita di RS. Mardi Rahayu Kudus) Nova 1, Dwi Ispriyanti 2 1 Alumni Mahasiswa Prodi
Lebih terperinciANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X
ANALISIS REGRESI LOGISTIK UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI FREKUENSI KEDATANGAN PELANGGAN DI PUSAT PERBELANJAAN X Erna Hayati Fakultas Ekonomi Universitas Islam Lamongan ABSTRAKSI Kepuasan
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit
Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit Oleh: Ari Vanerlin Fitarisca 1310 100 048 Dosen Pembimbing: Dr. Vita Ratnasari, S.Si, M.Si Juli
Lebih terperinciFaktor yang Mempengaruhi Terjangkitnya Penyakit Diare pada Balita di Propinsi Nanggroe Aceh Darussalam
Faktor yang Mempengaruhi Terjangkitnya Penyakit Diare pada Balita di Propinsi Nanggroe Aceh Darussalam Oleh: Urifah Hidayanti (1310 030 028) Dosen Pembimbing: Ir. Mutiah Salamah, M.Kes Ujian Tugas Akhir
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Tingkat Kelahiran di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner
Analisis Faktor-Faktor yang Mempengaruhi di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner Roni Guntara 1), Safa at Yulianto 2) 1,2 Akademi Statistika (AIS) Muhammadiyah Semarang roniguntara@gmail.com
Lebih terperinciANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010
ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:
Lebih terperinciOleh : Anindya Frisanty Ikaprillia Dosen Pembimbing : Dr. Purhadi, M.Sc
Oleh : Anindya Frisanty Ikaprillia 1309 100 014 Dosen Pembimbing : Dr. Purhadi, M.Sc Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran Rumusan Masalah Tujuan
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga Kabupaten Bogor, Propinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan
Lebih terperinciHary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,
Lebih terperinciANALISIS PEUBAH RESPONS KATEGORIK DENGAN MODEL REGRESI ORDINAL
ANALISIS PEUBAH RESPONS KATEGORIK DENGAN MODEL REGRESI ORDINAL SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian persyaratan guna
Lebih terperinciTUGAS AKHIR SS
TUGAS AKHIR SS 090302 ANALISIS FAKTOR FAKTOR YANG BERPENGARUH TERHADAP PERSETUJUAN/PENOLAKAN MASYARAKAT AKAN PEMBANGUNAN JALAN LINGKAR LUAR TIMUR SURABAYA MOH. ALI ASFIHANI NRP 1311 030 056 Dosen Pembimbing
Lebih terperinciPENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR
PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 215 S-5 Penerapan Hurdle Negative Binomial pada Data Tersensor Resa Septiani Pontoh, Defi
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
1 SidangTugas Akhir Javelline Putri B. Purba (1310030080) Dosen Pembimbing : Dr.Dra.Ismaini Zain, Msi ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 781-790 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS KETAHANAN HIDUP PENDERITA TUBERKULOSIS DENGAN MENGGUNAKAN
Lebih terperinciFaktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) D-305 Faktor Risiko Penyakit Anemia Gizi Besi pada Ibu Hamil di Jawa Timur Menggunakan Analisis Regresi Logistik Fatkhiyatur Rizki,
Lebih terperinciPemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit
1 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit Rizky Amalia Yulianti*, Vita Ratnasari*. Jurusan Statistika, FMIPA, Institut
Lebih terperinciPEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL
PEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL Hasriana 1, Raupong 2, Nirwan Ilyas 3 1 Program Studi Statistika FMIPA Universitas Hasanuddin
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 651-659 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI
Lebih terperinciEARLY WARNING SYSTEM JUMLAH ANAK PUTUS SEKOLAH DENGAN METODE ZERO TRUNCATED NEGATIVE BINOMIAL
EARLY WARNING SYSTEM JUMLAH ANAK PUTUS SEKOLAH DENGAN METODE ZERO TRUNCATED NEGATIVE BINOMIAL Robert Kurniawan Jurusan Statistika Komputasi, Sekolah Tinggi Ilmu Statistik (STIS), Jakarta Jl. Otto Iskandardinata
Lebih terperinciIII. METODE PENELITIAN
31 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Daerah yang menjadi analisis studi ini adalah Provinsi Nusa Tenggara Timur yang mencakup 19 kabupaten dan kota. Penelitian ini menggunakan data sekunder
Lebih terperinciIII. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu :
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Salah satu yang mempengaruhi kualitas penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Dalam
Lebih terperinciPemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih
Lebih terperinciPEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH
PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH 1 Diana Wahyu Safitri, 2 Moh Yamin Darsyah, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika FMIPA Universitas
Lebih terperinci