ANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA
|
|
- Suparman Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IndoMS Journal on Statistics Vol. 2, No. 2 (2014), Page ANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA Rika Fitriani, Gunardi Deartemen Matematika, Universitas Gadjah Mada, Yogyakarta Abstract In this aer, Bayesian analysis for enalized sline regression is discussed. Penalized sline regression arameters can be estimated by Gibbs samling aroach. Bayesian analysis for enalized sline regression will be alied to analyze the relationshi between the money suly and inflation in Indonesia. The estimation result of Bayesian analysis for enalized sline regression is comared to enalized sline regression using least square method and simle linear regression. The estimation result of Bayesian analysis for enalized sline regression has the smallest SSE and the largest R 2. Keywords: enalized sline regression, Gibbs samling Abstrak Pada enelitian ini dibahas mengenai analisis Bayes untuk regresi sline terenalti. Parameter ada model regresi sline terenalti daat diestimasi menggunakan endekatan Gibbs samling. Analisis Bayes untuk regresi sline terenalti error yang heteroskedastis dialikasikan untuk menganalisis hubungan antara jumlah uang beredar inflasi di Indonesia. Hasil analisis data menggunakan analisis Bayes untuk regresi sline terenalti dibandingkan hasil analisis regresi sline terenalti menggunakan metode kuadrat terkecil dan hasil analisis regresi linear sederhana. Dieroleh kesimulan bahwa hasil analisis Bayes untuk regresi sline terenalti menghasilkan nilai SSE terkecil dan R 2 terbesar. Kata kunci: regresi sline terenalti, Gibbs samling 1. Pendahuluan Analisis regresi meruakan analisis statistik yang digunakan untuk memodelkan hubungan antara variabel deenden variabel indeenden. Metode dalam analisis regresi terdiri dari regresi arametrik, regresi nonarametrik, dan regresi semiarametrik. Regresi semiarametrik adalah gabungan dari regresi arametrik dan regresi nonarametrik. Regresi arametrik mengasumsikan bentuk kurva regresi sudah ditentukan. Aabila tidak ada informasi mengenai bentuk kurva regresi, maka metode yang daat digunakan adalah 2010 Mathematics Subject Classification: 62F15, 62G08, 62J05 63
2 64 Rika Fitriani, Gunardi regresi nonarametrik. Regresi nonarametrik memunyai fleksibilitas tinggi karena tidak tergantung ada asumsi bentuk kurva tertentu [6]. Beberaa metode enghalus dalam regresi nonarametrik antara lain metode enghalusan sline (smoothing sline), regresi sline (regression sline), dan regresi sline terenalti (enalized sline regression). Sline adalah olinomial yang memiliki sifat tersegmen. Pertemuan titik-titik segmen disebut simul (knot). Metode yang dibahas dalam tulisan ini adalah regresi sline terenalti. Regresi sline terenalti daat diestimasi menggunakan metode kuadrat terkecil dan metode Bayes. Metode Bayes adalah suatu metode analisis yang berdasarkan ada informasi yang berasal dari samel (samle information) dan informasi rior (rior information). Informasi rior meruakan informasi terdahulu/sebelumnya mengenai distribusi arameter yang tidak diketahui. Informasi rior ini bersifat subjektif, tergantung endaat ahli mengenai arameter tersebut. Keuntungan enggunaan analisis Bayes dalam estimasi yaitu analisis Bayes meruakan analisis yang berlandaskan ada data hasil observasi sehingga memberikan imlikasi yang baik dalam analisis, analisis Bayes noninformative rior memberikan kemudahan dalam analisis, dan analisis Bayes tidak memerlukan asymtotic inference sehingga daat digunakan untuk semua ukuran samel [4]. Regresi Sline Terenalti 2. Metode Hubungan antara variabel indeenden, x variabel deenden, y ditulis dalam bentuk: y = s(x) + ε, ε~n(0, σ 2 ε I n ) (2.1) y : variabel deenden s(x) : bentuk hubungan fungsional antara variabel deenden variabel indeenden ε : kesalahan random. Fungsi enghalus untuk s(x) ada ersamaan (2.1) daat dimodelkan menggunakan fungsi sline. Sline adalah olinomial yang memiliki sifat tersegmen. Pertemuan titik-titik segmen disebut simul (knot). Fungsi sline berorder titik-titik simul τ 1, τ 2,, τ K didefinisikan dalam bentuk +1 s(x) = β j x j 1 + K j=1 k=1 β +1+k (x τ k ) + (2.2) β j dan β +1+k adalah arameter fungsi sline, j = 1,, ( + 1) dan k = 1,2,, K τ k adalah titik-titik simul, k = 1,2,, K (x τ k ) + = { (x τ k), x τ k 0 0, x τ k < 0. Menurut Ruert [8], jumlah simul, K daat ditentukan rumus K = min ( 1 number of unique x, 35) (2.3) 4 dan lokasi simul daat ditentukan rumus τ k = kuantil ke { k } dari x, 1 k K. (2.4) K+1
3 Analisis Bayes untuk Regresi Sline Terenalti 65 Tingkat kehalusan kurva diukur menggunakan enalti kekasaran. Menurut Crainiceanu et al. [5], enalti kekasaran didefinisikan sebagai β Dβ (2.5) β : arameter fungsi sline, β = [β 1 β +1 β +1+1 β +1+K ] 0 (+1) K D : matriks enalti, D = [ 0 (+1) (+1) ]. 0 K (+1) I K K Jika diambil y 1 y 2 y = [ ] y n 1 x 1 1 x X = 2 [ 1 x n ε 1 x 1 x 2 x n (x 1 τ 1 ) + (x 2 τ 1 ) + (x n τ 1 ) + (x 1 τ K ) + (x 2 τ K ) + (x n τ K ) + ] ε ε = [ 2 ], ε n maka ersamaan (2.1) daat ditulis sebagai berikut y = Xβ + ε, ε~n(0, σ 2 ε I n ). (2.6) Pada regresi sline terenalti, ersamaan (2.6) diestimasi cara meminimumkan [y Xβ] [y Xβ] + 1 λ β Dβ (2.7) λ arameter enghalus. Estimasi β ada ersamaan (2.6) diselesaikan regresi sline terenalti ada ersamaan (2.7) menggunakan metode kuadrat terkecil sehingga dieroleh estimator untuk β sebagai berikut. Jika diambil: 1 x 1 x 1 β = (X X + 1 λ D) 1 X y. (2.8) (x 1 τ 1 ) + (x 2 τ 1 ) + [(x n τ 1 ) + (x 1 τ K ) + X = 1 x 2 x 2, Z = [ 1 x n x n] β 1 β +1+1 β = [ ], u = [ ], β +1 β +1+K maka ersamaan (2.7) daat ditulis sebagai berikut [y X β Zu] [y X β Zu] + 1 λ u I K K u. (2.9) (x 2 τ K ) + (x n τ K ) + ] Jika ersamaan (2.9) dibagi σ ε 2, maka dieroleh: 1 σ ε 2 [y X β Zu] [y X β Zu] + 1 λσ ε 2 u I K K u. (2.10) Jika didefinisikan σ u 2 = λσ ε 2 dan (x τ K ) + ada Z dierlakukan sebagai efek random, maka ersamaan (2.10) meruakan estimasi metode kuadrat terkecil dari model linear camuran,
4 66 Rika Fitriani, Gunardi β sebagai arameter efek teta dan u sebagai arameter efek random. Jadi, model regresi sline terenalti daat diformulasikan dalam bentuk model linear camuran model y = X β + Zu + ε, ε~n(0, σ ε 2 I n ), u~n(0, σ u 2 I K ). (2.11) Analisis Bayes untuk Regresi Sline Terenalti Estimasi arameter ada ersamaan (2.11) menggunakan metode Bayes memerlukan informasi rior. Informasi rior berua distribusi rior untuk setia arameter. Distribusi rior yang digunakan dalam regresi sline terenalti adalah sebagai berikut. β j ~N(0, σ 2 β0 ) iid u k σ 2 u ~N(0, σ 2 u ) iid ε i σ 2 ε ~N(0, σ 2 ε ) iid σ 2 u, σ 2 ε ~Invers Gamma(δ 0, θ 0 ). Estimasi arameter ditentukan menggunakan distribusi osterior. Distribusi osterior yang erlu dicari yaitu distribusi osterior bersama π(β, u, σ 2 ε, σ 2 u y). Dengan menggunakan Box-Tiao, π(β, u, σ 2 ε, σ 2 u y) daat ditulis sebagai berikut π(β, u, σ 2 ε, σ 2 u y) π(β )π(σ 2 ε )π(σ 2 u )π(u σ 2 u )f(y β, u, σ 2 ε ). (2.12) Distibusi osterior bersama ada ersamaan (2.12) sulit diturunkan secara langsung karena memiliki bentuk yang komleks. Oleh karena itu dilakukan endekatan Gibbs samling untuk menentukan distribusi osterior bersama tersebut. Menurut Hoff [7], dalam Gibbs samling dierlukan distribusi bersyarat lengka dari setia arameter sehingga erlu dicari distribusi bersyarat lengka dari (β u, σ 2 ε, σ 2 u, y), (u β, σ 2 ε, σ 2 u, y), (σ 2 ε β, u, σ 2 u, y) dan (σ 2 u β, u, σ 2 ε, y). Distribusi bersyarat lengka dari (β u, σ 2 ε, σ 2 u, y) adalah β u, σ 2 ε, σ 2 u, y ~ N ([(σ 2 β0 I +1 ) 1 + (X ) (σ 2 ε I n ) 1 X ] 1 [(X ) (σ ε 2 I n ) 1 y (X ) (σ 2 ε I n ) 1 Zu], [(σ 2 β I +1 ) 1 + (X ) (σ 2 ε I n ) 1 X ] 1 ). Distribusi bersyarat lengka dari (u β, σ ε 2, σ u 2, y) adalah (u β, σ ε 2, σ u 2, y) ~ N([(σ u 2 I K ) 1 + Z (σ ε 2 I n ) 1 Z] 1 [Z (σ ε 2 I n ) 1 y Z (σ ε 2 I n ) 1 X β ], [(σ u 2 I K ) 1 + Z (σ ε 2 I n ) 1 Z] 1 ). Distribusi bersyarat lengka dari (σ ε 2 β, u, σ u 2, y) adalah (σ ε 2 β, u, σ u 2, y) ~ Invers Gamma ([δ 0 + n 2 ], [θ (y (X β + Zu)) (y (X β + Zu))]). Distribusi bersyarat lengka dari (σ u 2 β, u, σ ε 2, y) adalah (σ u 2 β, u, σ ε 2, y) ~ Invers Gamma ([δ 0 + K 2 ], [θ u u]). Proses Gibbs samling untuk menentukan distribusi osterior bersama π(β, u, σ ε 2, σ u 2 y) dituliskan dalam algoritma berikut. 1) Ambil nilai inisialisasi untuk β, u, σ ε 2 dan σ u 2. Misalkan nilai inisialisasi untuk β, u, σ ε 2, σ u 2 berturut-turut adalah β (0), u (0), σ ε 2(0), σu 2(0).
5 Analisis Bayes untuk Regresi Sline Terenalti 67 2) Gunakan nilai inisialisasi di atas untuk membangkitkan samel β (1), β (1) ~ π(β u (0) 2(0), σ ε, 2(0) σu, y). 3) Bangkitkan samel u (1), u (1) ~ π(u β (1) 2(0), σ ε, 2(0) σu, y). 4) 2(1) Bangkitkan samel σ ε, 2(1) σε ~ 2 π(σε β (1), u (1) 2(0), σ u, y). 5) 2(1) 2(1) Bangkitkan samel σ u, σu ~ 2 π(σu β (1), u (1) 2(1), σ ε, y). 6) Ulangi langkah 2) samai 5) sebanyak jumlah iterasi. 3. Hasil dan Pembahasan Analisis Bayes untuk regresi sline terenalti dialikasikan untuk menganalisis hubungan antara jumlah uang beredar inflasi di Indonesia. Variabel yang digunakan yaitu variabel jumlah uang beredar (JUB) sebagai variabel indeenden, x dan variabel inflasi sebagai variabel deenden, y. Data yang digunakan meruakan data sekunder yang dieroleh dari website Bank Indonesia (data daat dilihat ada [1], [2], [3]). Data tersebut meruakan data bulanan eriode Jumlah uang beredar dinyatakan dalam satuan miliar ruiah dan inflasi dinyatakan dalam satuan ersen. Analisis data menggunakan rogram WinBUGS dan R. Berbagai rior dicoba untuk menghasilkan estimasi terbaik. Tingkat keakuratan diukur SSE dan R 2. Model yang memiliki nilai SSE terkecil dan R 2 terbesar adalah model terbaik. Selanjutnya hasil analisis data menggunakan analisis Bayes untuk regresi sline terenalti dibandingkan hasil analisis regresi sline terenalti menggunakan metode kuadrat terkecil dan hasil analisis regresi linear sederhana. Tabel 1. Perbandingan nilai SSE dan R 2 Metode SSE R 2 (%) regresi sline terenalti metode Bayes 251, ,66632 regresi sline terenalti metode estimasi kuadrat terkecil 520, ,21275 regresi linear sederhana 989, ,8200 Pada Tabel 1 daat dilihat bahwa nilai SSE terkecil yaitu sebesar 251,7910 dan R 2 terbesar yaitu sebesar 83,66632% yang meruakan nilai SSE dan R 2 dari model hasil analisis data menggunakan analisis Bayes untuk regresi sline terenalti. Jadi daat disimulkan bahwa hasil estimasi model regresi sline terenalti menggunakan metode Bayes lebih baik digunakan untuk memodelkan hubungan antara jumlah uang beredar inflasi di Indonesia. Nilai R 2 sebesar 83,66632% menunjukkan bahwa besarnya variasi dari inflasi yang daat dijelaskan oleh jumlah uang beredar menggunakan model hasil analisis Bayes untuk regresi sline terenalti yaitu sebesar 83,66632%. Perbandingan tingkat kecocokan model hasil analisis Bayes untuk regresi sline terenalti, hasil analisis regresi sline terenalti menggunakan metode kuadrat terkecil, dan hasil analisis regresi linear sederhana juga daat dilihat dari lot hasil estimasi inflasi. Dari Gambar 1 daat dilihat bahwa hasil estimasi inflasi menggunakan analisis Bayes untuk regresi sline terenalti menghasilkan estimasi yang tidak jauh berbeda nilainya data aslinya. Hal ini
6 Inflasi (%) 68 Rika Fitriani, Gunardi menunjukkan bahwa analisis Bayes untuk regresi sline terenalti lebih baik digunakan dalam memodelkan hubungan antara jumlah uang beredar inflasi. Perbandingan Hasil Prediksi Inflasi 20,00 18,00 Inflasi (%) 16,00 14,00 12,00 10,00 8,00 6,00 4,00 2,00 0,00 Jumlah Uang Beredar (Miliar Ruiah) rediksi inflasi bayesian -sline rediksi inflasi -sline rediksi inflasi regresi linear Gambar 1. Plot hasil estimasi inflasi metode yang berbeda Sebagai ilustrasi, misalkan terdaat jumlah uang beredar sebesar miliar ruiah maka menggunakan estimasi regresi sline terenalti metode Bayes, tingkat inflasi dierkirakan sebesar 4,44919%. Sedangkan aabila menggunakan estimasi regresi linear sederhana, tingkat inflasi dierkirakan sebesar 3,429%. Hal ini menunjukkan erbedaan hasil estimasi yang cuku jauh, sehingga hal ini juga akan berdamak ada engambilan kebijakan yang akan dilakukan oleh Bank Indonesia. Dengan demikian, metode yang teat dierlukan untuk menganalisis hubungan antara jumlah uang beredar inflasi sehingga Bank Indonesia daat mengambil kebijakan yang teat ula. 4. Kesimulan Berdasarkan embahasan sebelumnya, dieroleh kesimulan bahwa estimasi arameter ada model regresi sline terenalti daat dilakukan menggunakan metode kuadrat terkecil dan metode Bayes. Estimasi distribusi osterior ada metode Bayes
7 Analisis Bayes untuk Regresi Sline Terenalti 69 daat dilakukan menggunakan endekatan Gibbs samling. Hasil analisis data menggunakan analisis Bayes untuk regresi sline terenalti dibandingkan hasil analisis regresi sline terenalti menggunakan metode kuadrat terkecil dan hasil analisis regresi linear sederhana. Dieroleh kesimulan bahwa hasil analisis Bayes untuk regresi sline terenalti menghasilkan nilai SSE terkecil dan R 2 terbesar. Daftar Pustaka [1] Bank Indonesia, Laoran Inflasi (Indeks Harga Konsumen), htt:// shed&nrnodeguid={a ae8-b333-0c91e746f1e3} &NRORIGINALURL=%2fweb%2fid%2fMoneter%2fInflafI%2fData%2bInflasi%2f&NR CACHEHINT=Guest, diakses 1 Maret [2] Bank Indonesia, Metadata: Uang Beredar dan Faktor-Faktor yang Memengaruhinya, htt:// C371/28173/3UangBeredardanFaktorfaktoryangMemengaruhiUan.df, diakses 1 Maret [3] Bank Indonesia, Statistik Ekonomi dan Keuangan Indonesia (SEKI): Uang Beredar dan Faktor-Faktor yang Memengaruhinya, htt:// +HTML/Sektor+Moneter/, diakses 1 Maret [4] Berger, J.O., 1985, Statistical Decision Theory and Bayesian Analysis, edisi 2, Sringer- Verlag, New York. [5] Crainiceanu, C.M., Ruert, D., dan Wand, M.P., 2004, Bayesian Analysis for Penalized Sline Regression Using WinBUGS, htt://eole.orie.cornell.edu/davidr/aers/nonarametricbayes2.df. [6] Hardle, W., 1994, Alied Nonarametric Regression, Humboldt-Universitat zu Berlin, Berlin. [7] Hoff, P.D., 2009, A First Course in Bayesian Statistical Methods, Sringer, New York. [8] Ruert, D., 2002, Selecting the Number of Knots for Penalized Slines, Journal of Comutational and Grahical Statistics, nomor 4, volume 11, htt://
Jurnal MIPA 40 (2) (2017): Jurnal MIPA.
Jurnal MIPA 40 (2) (2017): 134-140 Jurnal MIPA htt://journal.unnes.ac.id/nju/index.h/jm Pemodelan Kemiskinan di Provinsi Bengkulu Menggunakan Small Area Estimation dengan Pendekatan Semiarametrik Penalized
Lebih terperinciDhiva Ryan Hardine 1), Aisyah Abdullah 2), Muhammad Ikbal 3), Nur Chamidah 4)
PEMODELAN KADAR GULA DARAH DAN EKANAN DARAH PADA REMAJA PENDERIA DIABEES MELIUS IPE II DENGAN PENDEKAAN REGRESI NONPARAMERIK BIRESPON BERDASARKAN ESIMAOR SPLINE Dhiva Ryan Hardine 1), Aisyah Abdullah 2),
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciPenerapan Generalized Additive Model (GAM) pada Rata-rata Lama Sekolah Provinsi Jawa Tengah
Peneraan Generalized Additive Model (GAM) ada Rata-rata Lama Sekolah Provinsi Jawa Tengah Rosalinda Nainggolan 1, Yudhie Andriyana 2, Achmad Bachrudin 3 Deartemen Statistika, Universitas Padjajaran, Bandung
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciSIMULASI STOKASTIK MENGGUNAKAN ALGORITMA GIBBS SAMPLING ABSTRACT
JURNAL GAUSSIAN, Volume, Nomor, Tahun 0, Halaman -30 Online di: htt://eournal-s.undi.ac.id/inde.h/gaussian SIMULASI STOKASTIK MENGGUNAKAN ALGORITMA GIBBS SAMPLING Ania, Moch. Abdul Mukid, Agus Rusgiyono
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 603-612 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciPENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1
PENENTUAN MODEL REGRESI SPLINE TERBAIK Agustini Tripena 1 1) Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Pada paper ini
Lebih terperinciPETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS Adative R Control Chart as Alternative Shewhart R Control Chart in Detecting Small Shifts
Lebih terperinciBAB III MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC IN MEAN (EGARCH-M)
30 BAB III MODEL EXPOETIAL GEERALIZED AUTOREGRESSIVE CODITIOAL HETEROSCEDASTIC I MEA (EGARCH-M) 3.1 Proses EGARCH Exonential GARCH (EGARCH) diajukan elson ada tahun 1991 untuk menutui kelemahan model ARCH/GARCH
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.. Kerangka Pikir Penelitian ini dilakukan untuk mengetahui aakah terdaat engaruh dan hubungan antara total nilai aset reksa dana dengan risiko asar reksa dana (beta), standar
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN MARKOV CHAIN MONTE CARLO PCA (STUDI KASUS : DATA GCM STASIUN AMBON)
Prosiding FMIPA Universitas Pattimura 013 ISBN: 978-60-975-0-5 PEMODELAN STATISTICAL DOWNSCALLING DENGAN PENDEKATAN MARKOV CHAIN MONTE CARLO PCA (STUDI KASUS : DATA GCM STASIUN AMBON) Ferry Kondo Lembang
Lebih terperinciPerluasan Geographically Weighted Regression Menggunakan Fungsi Polinomial
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 17, Hal. 15- -ISSN: 58-4596; e-issn: 58-46X Halaman 15 Perluasan Geograhically Weighted Regression Menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN
ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF Dina Ariek Prasdika, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika Fakultas Matematika
Lebih terperinciPEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN
M-20 PEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN Titi Purwandari, Yuyun Hidayat 2,2) Deartemen Statistika FMIPA Universitas Padjadjaran, email : titiurwandari@yahoo.com,
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciESTIMATOR SPLINE KUBIK
Bimafika, 011, 3, 30-34 ESTIMATOR SPLINE KUBIK Johannis Takaria * Staff Pengajar Fakultas Keguruan Dan Ilmu Pendidikan Universitas Pattimura Ambon Diterima 10-1-010; Terbit 31-06-011 ABSTRACT Consider
Lebih terperinciTeknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih
Lebih terperinciForum Statistika dan Komputasi : Indonesian Journal of Statistics Lasso ISSN : : Solusi Alternatif Seleksi Peubah Dan Penyusutan
Forum Statistika dan Komutasi : Indonesian Journal of Statistics Lasso ISS : : 0853-8115 Solusi Alternatif Seleksi Peubah Dan Penyusutan Koefisien Vol. 18 o.1, Model Aril Regresi 013, Linier : 1-7 available
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciREGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS
REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS Dhina Oktaviana P, I Nyoman Budiantara Mahasiswa Jurusan Statistika ITS Surabaya, Dosen Jurusan Statistika ITS Surabaya
Lebih terperinciPemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur)
Pemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur) Odik Fajrin Jayadewa, Dr. Irhamah, S.Si, M.Si, dan 3 Dwi Endah Kusrini, S.Si,
Lebih terperinciPeramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 253-261 -ISSN: 2580-4596; e-issn: 2580-460X Halaman 253 Peramalan Nilai Tukar (Kurs) Ruiah Terhada
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS 1. PENDAHULUAN
ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR NONINFORMATIF JEFFREYS Firda Amalia, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA Abstrak.
Lebih terperinciAPLIKASI SPLINE TRUNCATED DALAM REGRESI NONPARAMETRIK SKRIPSI FIKA KHAIRANI
APLIKASI SPLINE TRUNCATED DALAM REGRESI NONPARAMETRIK SKRIPSI FIKA KHAIRANI 120823020 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015 APLIKASI
Lebih terperinciPERTURBASI NILAI EIGEN DALAM MENGATASI MULTIKOLINIERITAS
PERTURBASI NILAI EIGEN DALAM MENGATASI MULTIKOLINIERITAS ANDI YUNI DEVIYANTI 1 ANDI KRESNA JAYA 2 DAN ANISA 3 Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciEVALUASI INTEGRAL ELIPTIK LENGKAP PERTAMA PADA MODULI SINGULAR
EVALUASI INTEGRAL ELIPTIK LENGKAP PERTAMA PADA MODULI SINGULAR Elma Rahayu Manuharawati Jurusan Matematika Fakultas Matematika Ilmu Pengetahuan Alam Universitas Negeri Surabaya 603 Jurusan Matematika Fakultas
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA oleh FEBRIANI ASTUTI M0111036 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciKata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI
Lebih terperinciPENDEKATAN BAYESIAN SPASIAL EKONOMETRIKA PADA PEMODELAN MIGASI PENDUDUK DI JAWA BARAT. Oleh : Priyono
PENDEKATAN BAYESIAN SPASIAL EKONOMETRIKA PADA PEMODELAN MIGASI PENDUDUK DI JAWA BARAT Oleh : Priyono Dosen Pembimbing : Dr. Ir. Setiawan, MS Dr. Sutikno, M.Si PROGRAM MAGISTER JURUSAN STATISTIKA FMIPA
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.
PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 223-231 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMILIHAN MODEL REGRESI POLINOMIAL LOKAL DAN SPLINE UNTUK ANALISIS
Lebih terperinciDiterima 30 Januari 2014, direvisi 26 April 2014 ABSTRAK
296 NATURAL B, Vol. 2, No. 3, Aril 2014 Pemodelan Geograhically Weighted Regression dengan Pembobot Fixed Gaussian Kernel ada Data Sasial (Studi Kasus Ketahanan Pangan di Kabuaten Tanah Laut Kalimantan
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) Didin Astriani P 1, Jadi Suprijadi 2, Zulhanif 3 Program Pendidikan
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN REGRESI PENALIZED SPLINE BERBASIS RADIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 533-541 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciBAB I PENDAHULUAN. hubungan antara dua variabel yang terdiri dari variabel tak bebas (Y ) dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi adalah metode statistika yang paling sering digunakan dalam segala bidang ilmu pengetahuan, analisis ini bertujuan untuk memodelkan hubungan antara
Lebih terperinciKAJIAN KONSEP RUANG NORMA-2 DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA
Jurnal Matematika Murni dan Teraan εsilon Vol. 07, No.01, 013), Hal. 13 0 KAJIAN KONSEP RUANG NORMA- DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA Wahidah 1 dan Moch. Idris 1, Program Studi Matematika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep konsep ekonomi seperti produk domestik
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Estimasi Titik dengan Metode Bayes Statistika FMIPA Universitas Islam Indonesia Dalam pendekatan klasik, parameter θ adalah besaran tetap yang tidak diketahui Sampel random X 1, X 2,..., X n diambil
Lebih terperinciPREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL
PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL Firmanti Suryandari, Sri Subanti, Bowo Winarno Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi merupakan proses meningkatnya
Lebih terperinciPENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON
E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA
Lebih terperinciMODEL SPASIAL SURVIVAL WEIBULL 3P DENGAN PENDEKATAN BAYESSIAN DAN APLIKASINYA PADA WINBUGS
Model Sasial Survival Weibull 3 dengan Pendekatan Bayessian dan Alikasinya ada Winbugs MODEL SPASIAL SURVIVAL WEIBULL 3P DENGAN PENDEKATAN BAYESSIAN DAN APLIKASINYA PADA WINBUGS Diaz Fitra Aksioma Program
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman 221-230 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI SPLINE MENGGUNAKAN METODE PENALIZED SPLINE
Lebih terperinciD-OPTIMAL DESIGN UNTUK REGRESI POLINOMIAL TERBOBOTI
IndoMS Journal on Statistics Vol.1, No. 1, (2013), Page 29-39 D-OPTIMAL DESIGN UNTUK REGRESI POLINOMIAL TERBOBOTI Tatik Widiharih 1,2, Gunardi 3, Sri Haryatmi 3 1 Mahasiswa S3 Ilmu Matematika FMIPA-UGM
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE
ESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE Dian Ragil P.. Abstrak Model varying-coefficient pada data longitudinal akan dikaji dalam proposal ini. Hubungan antara variabel
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciPengaruh Riwayat Pemberian ASI Terhadap Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta
Pengaruh Riwayat Terhada Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta 1 2 srilestarijs@yahoo.com 1 2 AKPER Insan Husada Surakarta Breast milk is the most erfect food for baby. Giving
Lebih terperinciPenerapan Kurva Eliptik Atas Zp Pada Skema Tanda Tangan Elgamal
A7 : Peneraan Kurva Elitik Atas Z... Peneraan Kurva Elitik Atas Z Pada Skema Tanda Tangan Elgamal Oleh : Puguh Wahyu Prasetyo S Matematika, Universitas Gadjah Mada, Yogyakarta Email : uguhw@gmail.com Muhamad
Lebih terperinciPETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI
JURNAL TEKNIK INDUSTRI VOL. 2, NO. 2, DESEMBER 2: 72-83 PETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI Pauline Astari Singgih Dosen Fakultas Teknologi Industri, Jurusan
Lebih terperinciSOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 2015
SOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 0 PAKET Pilihan Ganda: Pilihlah satu jawaban yang aling teat.. Ingkaran dari ernyataan Jika emerintah menghauskan kebijakan subsidi bahan bakar minyak
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciPEMODELAN BAYESIAN KONSUMSI RUMAH TANGGA AGREGAT MENGGUNAKAN PRIOR ZELLNER. Muhammad Fajar Staf BPS Kabupaten Waropen. Abstrak
PEMODELAN BAYESIAN KONSUMSI RUMAH TANGGA AGREGAT MENGGUNAKAN PRIOR ZELLNER Muhammad Fajar Staf BPS Kabupaten Waropen Abstrak Dalam perkembangan statistika terdapat dua pandangan terhadap parameter, yaitu
Lebih terperinciPermodelan Proporsi Pengeluaran Makanan Rumah Tangga di Kota Jayapura
Permodelan Proporsi Pengeluaran Makanan Rumah Tangga di Kota Jayapura Pendekatan Regresi Kuantil Aditif Doni Hermawan 1, Yudhie Andriyana 2, Sri Winarni 3 Prodi Magister Statistik UNPAD 1 Prodi Magister
Lebih terperinciBAB I PENDAHULUAN. bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi.
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi telah diterapkan pada berbagai bidang, seperti administrasi bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi. Keberhasilan dalam
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciMODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciBAB I PENDAHULUAN. Y dikatakan linear jika untuk setiap x, Diberikan ruang Hilbert X atas lapangan F dan T B( X ), operator T
BAB I PENDAHULUAN. Latar Belakang dan Permasalahan Bidang ilmu analisis meruakan salah satu cabang ilmu matematika yang di dalamnya banyak membicarakan konse, aksioma, teorema, lemma disertai embuktian
Lebih terperinciPEMODELAN PENJADWALAN MATA PELAJARAN DENGAN INTEGER PROGRAMMING
PEMODELAN PENJADWALAN MATA PELAJARAN DENGAN INTEGER PROGRAMMING Dian Permata Sari, Sri Setyaningsih, dan Fitria Virgantari. Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciSeleksi Variabel Dalam Analisis Regresi Multivariat Multipel. Neneng Sunengsih. Staf Jurusan Statistika FMIPA UNPAD. Abstrak
S-7 Seleksi Variabel Dalam Analisis Regresi Multivariat Multiel Neneng Sunengsih Staf Jurusan Statistika FMIPA UNPAD Abstrak Salah satu tujuan analisis regresi adalah untuk tujuan rediksi. Semakin banyak
Lebih terperinciANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE
ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE SKRIPSI Oleh : ALVITA RACHMA DEVI 24010210120017 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciAPLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA
-ISSN 979 3693 e-issn 2477 0647 MEDIA STATISTIKA 9(2) 206: 75-84 htt://eournal.undi.ac.id/index.h/media_statistika APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciBAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR
BAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR Berdasarkan ada bab sebelumnya, ada bab ini akan dijelaskan enetaan atribut-atribut (keseakatan istilah) yang akan digunakan, serta langkah-langkah
Lebih terperinciMenampilkan Penaksir Parameter pada Model Linear * Mulyana **
Menampilkan Penaksir Parameter pada Model Linear * Abstrak Pada model linear Mulyana ** Y = X + ε, jika penaksir untuk, maka dua peran. Yaitu sebagai penaksir faktual, hitung, X memiliki Y = X, dan penaksir
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciKajian Partial Least Squares (Studi Kasus: Regresi Cox-PLS)
J. Sains Dasar 0 3() 6-68 Kaian Partial Least Squares (Studi Kasus: Regresi Cox-PLS) [A Study of Partial Least Squares (Case Study: Cox-PLS Regression)] Retno Subekti dan Rosita Kusumawati Jurdik Matematika,
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN
PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN REGRESI PENALIZED SPLINE BERBASIS RADIAL SKRIPSI Disusun oleh: KARTIKANINGTIYAS H.S 24010211140076 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciBAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM
BAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM 3.1. Pengembangan Teorema Dalam enelitian dan erancangan algoritma ini, akan dibahas mengenai beberaa teorema uji rimalitas yang terbaru. Teorema-teorema
Lebih terperinciJurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN
Perbandingan Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan (Studi Kasus: Pemilihan Jurusan Bahasa dan IPS ada SMAN 2 Samarinda Tahun Ajaran 2011/2012) Comarison of Classification Methods
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari * * Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email :
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari *) *) Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email
Lebih terperinciANALISIS PENGARUH LOKASI DAN KARAKTERISTIK KONSUMEN DALAM MEMILIH MINIMARKET DENGAN METODE REGRESI LOGISTIK DAN CART
-ISSN 1979 3693 e-issn 477 0647 MEDIA STATISTIKA 10() 017: 119-130 htt://ejournal.undi.ac.id/index.h/media_statistika ANALISIS PENGARUH LOKASI DAN KARAKTERISTIK KONSUMEN DALAM MEMILIH MINIMARKET DENGAN
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperinciUNIVERSITAS NEGERI SEMARANG
ANALISIS MODEL PERSAMAAN REGRESI COX PROPORTIONAL HAZARD PADA DATA STATUS GIZI BALITA UNTUK MENGETAHUI FAKTOR-FAKTOR PENYEBAB TERJADINYA KEKURANGAN GIZI Skrisi disusun sebagai salah satu syarat untuk memeroleh
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR
UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciOLS, LASSO dan PLS Pada data Mengandung Multikolinearitas. OLS, LASSO dan PLS Pada data Mengandung Multikolinearitas
Jurnal ILMU DASAR Vol. 11 No. 1, Januari 010 : 83 91 83, dan Pada data Mengandung Multikolinearitas, dan Pada data Mengandung Multikolinearitas Yuliani Setia Dewi Jurusan Matematika FMIPA Universitas Jember
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperinci