IDENTIFIKASI MULTIKOLINEAR PADA MODEL REGRESI LOGISTIK ORDINAL UNTUK STATUS GIZI ANAK DI KELURAHAN KARANGKITRI, BEKASI TIMUR
|
|
- Irwan Irawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, Binus University Jl. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 480 ABSTRACT Multicollinearity often comes out when making modeling using regression. Multicollinearity causes difficulty in separating the effect of each independent variable on the response variable. It can also occur in the ordinal logistic regression, especially in modeling for the nutritional status of children in Karangkitri village, West Java. Due to these conditions, this study aims to identify multicollinearity in the modeling. The result is a multicollinearity case in the data of children s nutritional status. It is indicated by the unknown real influence value of the variables of child's age, family economic status, and height. In addition, the standard error of the coefficient of prediction regression gets enlarged, and the correlation coefficient value between the variables of age and height is very high. Keywords: multicollinearity, ordinal logistic regression, children s nutritional statu ABSTRAK Multikolinear merupakan kasus yang sering terjadi ketika membuat pemodelan dengan menggunakan regresi. Multikolinier menyebabkan kesulitan dalam memisahkan pengaruh masingmasing variabel bebas terhadap variabel respon. Hal ini dapat juga terjadi dalam regresi logistik ordinal, khususnya dalam pemodelan untuk status gizi anak di kelurahan Karangkitri, Jawa Barat. Berdasarkan hal tersebut maka tujuan dari makalah ini adalah mengidentifikasi adanya multikolinear dalam pemodelan tersebut. Hasil yang diperoleh adalah terjadi kasus multikolinear dalam data status gizi anak. Hal ini ditunjukkan dengan tidak diketahui nilai pengaruh yang sebenarnya dari variabel usia, status ekonomi keluarga, dan tinggi badan anak. Selain itu, standard error koefisien regresi dugaan menjadi membesar, dan juga terdapat nilai koefisien korelasi yang sangat tinggi antara variabel usia dan tinggi. Kata kunci: multikolinear, regresi logistik ordinal, status gizi anak Identifikasi Multikolinear pada... (Margaretha Ohyver) 05
2 PENDAHULUAN Pemodelan dengan regresi telah banyak digunakan. Mulai dari bidang sosial, ekonomi, kimia, kesehatan, dan sebagainya. Dengan model regresi yang dihasilkan, dapat diketahui variabel-variabel yang secara signifikan mempengaruhi variabel yang lain. Untuk bisa memperoleh variabel-variabel yang berpengaruh tersebut, model yang diperoleh harus dapat memenuhi asumsi-asumsi yang berlaku di dalam regresi. Salah satu asumsi yang harus dipenuhi adalah tidak terjadinya masalah multikolinear. Masalah ini sering terjadi ketika membuat pemodelan dengan regresi linear ganda. Akan tetapi seperti yang dikatakan oleh Hoyo, et al. (20) bahwa untuk mengaplikasikan metode regresi logistik perlu dicek masalah multikolinear. Oleh karena itu, ketika membuat pemodelan tersebut maka salah satu yang harus dilakukan yang berkaitan dengan model adalah mengecek multikolinear. Pemodelan regresi dengan skala ordinal dapat dilakukan dengan regresi logistik ordinal. Pemodelan ini telah banyak digunakan dalam berbagai penelitian. Das dan Rahman (20) mengembangkan model regresi logistik biner dan regresi logistik ordinal untuk mengidentidikasikan faktor-faktor yang menyebabkan malnutrisi di Bangladesh. Hasilnya adalah regresi logistik ordinal lebih tepat dalam menentukan penyebab malnutrisi dibandingkan regresi logistik biner. Norris et al (2006) membandingkan regresi linear, regresi logistik biner, dan regresi logistik ordinal. Hasil yang diperoleh adalah model regresi linear dan regresi logistik ordinal menghasilkan taksiran parameter yang lebih stabil jika dibandingkan taksiran yang diperoleh regresi logistik biner. Penelitian mengenai pelanggaran asumsi pun telah banyak dilakukan. Ohyver (20) menggunakan metode regresi ridge untuk mengatasi multikolinier yang terjadi pada variabel-variabel yang mempengaruhi produksi kol bulat. Ashok, Mitra, dan Mitra (2005) melakukan pendeteksian multiple outlier dengan menggunakan self-organizing maps title. Francisco-Fernandez dan Vilai- Fernandez (2008) melakukan pengujian adanya heteroskedastisitas dalam regresi non parametrik. Berdasarkan uraian di atas maka makalah ini akan membahas identifikasi mengenai adanya multikolinear pada model regresi logistik ordinal yang diperoleh untuk status gizi anak di kelurahan Karangkitri, Jawa Barat. Sehingga tujuan yang hendak dicapai adalah mengidentifikasi adanya multikolinear pada model regresi logistik ordinal untuk status gizi anak di kelurahan Karangkitri, Bekasi Timur, Jawa Barat. METODE Data yang akan digunakan adalah data sekunder. Data ini diperoleh Yongharto, Suroso, dan Ohyver (202). Data ini merupakan data mengenai perkembangan anak di kelurahan Karangkitri, Bekasi Timur, Provinsi Jawa Barat. Ada 3660 anak dari 40 posyandu. Variabel yang digunakan adalah usia ( X ), jenis kelamin ( X 2 ), status ekonomi keluarga ( X3 ), and tinggi badan ( X 4 ) sebagai variabel bebas, and status gizi anak sebagai variabel respon ( Y ). Status gizi anak akan terbagi menjadi 4 kategori yaitu, gizi lebih, gizi baik, gizi kurang baik, dan gizi sangat kurang baik. Untuk membuat pemodelan dari data tersebut akan digunakan metode regresi logistik ordinal. Misalkan terdapat sebuah variabel bebas kuantitatif, X. Untuk variabel respon biner, Y, maka π ( X ) menyatakan peluang sukses pada nilai X (Agresti, 2007). Model regresi logistik memiliki bentuk logit seperti pada persamaan (). 06 Jurnal Mat Stat, Vol. 3 No. 2 Juli 203: 05-
3 ( X) ( X) π π ( X) = Log π dengan, π ( X) π ( X) = Log π ( ) X () (2) Misalkan terdapat p variabel bebas. Maka persamaan (2) akan berubah menjadi seperti persamaan (3). exp( α + βx+ L+ βpx p) π ( X) = + exp α + β X + L + β X ( p p) = + exp ( α + βx+ L+ βpx p) Regresi logistik ordinal merupakan salah satu teknik untuk menganalisis variabel respon ordinal. Model regresi ini disebut model logit kumulatif. Misalkan variabel respon memiliki j kategori ordinal. Maka, akan terdapat Y vsy < ; Y 2vsY < 2, L, Y j vsy < j (Kleinbaum dan Klein, 200). Dengan demikian akan diperoleh persamaan (4). (3) PY odds( Y j) = PY ( j) ( < j) (4) Peluang kumulatif untuk kategori j akan diperoleh sebagai berikut. P Y j = π + L+ π j = L J (5) ( ),,, j Secara berurutan akan diperoleh seperti persamaan (6). PY PY 2 L PY J = (6) ( ) ( ) ( ) Logit dari peluang kumulatif adalah sebagai berikut. PY ( j) P( Y j) = Log PY ( j) π + L+ π j = Log (7) π j+ + L+ π J Kemudian, P ( Y j) = α j + β X (8) Multikolinear sering ditemukan terjadi dalam model regresi ganda. Ohyver et al (2005) menyebutkan bahwa multikolinear merupakan korelasi antara variabel bebas. Adanya multikolinear ini dapat mengakibatkan variance dari koefisien dugaan membesar sehingga pengaruh masing-masing variabel bebas tidak dapat dipisahkan. Ada beberapa masalah yang sering muncul jika variabel-variabel bebas yang disertakan ke dalam model regresi ganda berkorelasi satu sama lain (Myers dalam Ohyver et al, 2005), di antaranya: () penambahan atau pengeluaran suatu variabel bebas akan mengubah koefisien regresi; (2) jumlah Identifikasi Multikolinear pada... (Margaretha Ohyver) 07
4 kuadrat ekstra yang berasal dari suatu variabel bebas berubah-ubah, bergantung pada variabel bebas mana yang sudah ada di dalam model regresi; (3) galat baku (standard error) dugaan koefisienkoefisien regresi menjadi besar bila variabel-variabel bebas berkorelasi tinggi; (4) secara individual koefisien-koefisien regresi dugaan mungkin tidak nyata secara statistik walaupun tampak jelas adanya hubungan statistik antara variabel respon dengan variabel-variabel bebas. Selain 4 hal di atas, Ohyver et al (2005) juga menyatakan bahwa multikolinear juga dapat menyebabkan kesalahan tanda (positif atau negatif) dari koefisien regresi dugaan. Langkah-langkah pengolahan data adalah sebagai berikut. Pertama, membentuk model regresi logistik ordinal. Kedua, mengecek variabel yang signifikan. Ketiga, membentuk model regresi logistik ordinal dengan hanya menggunakan variabel bebas yang signifikan. Keempat, melakukan identifikasi multikolinear. HASIL DAN PEMBAHASAN Metode yang digunakan adalah metode regresi logistik ordinal. Hal ini disebabkan skala dari variabel respon, yaitu status gizi anak, adalah ordinal. Status ini berbentuk peringkat, misalnya kandungan gizi yang terdapat pada anak status gizi baik lebih tinggi dibandingkan yang dimiliki oleh anak status gizi kurang baik. Berdasarkan data diketahui bahwa ada sekitar 45,4% anak yang memiliki status gizi tidak baik. Persentase tersebut terdiri atas 5,2% perempuan dan 48,8% laki-laki. Perbandingan berdasarkan jenis kelamin dapat dilihat pada Gambar. Berdasarkan status ekonomi keluarga diketahui mayoritas anak yang memiliki status gizi tidak baik berasal dari keluarga kurang mampu. Gambar Perbandingan Status Gizi Anak Perempuan dan Laki-laki Analisis regresi logistik akan digunakan untuk menentukan variable bebas yang mempengaruhi status gizi anak. Analisis ini akan dilakukan secara individu dan simultan. Hasil lengkapnya dapat dilihat pada Tabel. Pada Tabel diketahui bahwa variabel usia secara signifikan mempengaruhi status gizi anak. Hal ini ditunjukkan oleh nilai p value. Model logitnya dapat dilihat pada persamaan-persamaan berikut. P( Y ) = X (9) [ 2] = X ( 3) = X P Y (0) P Y () 08 Jurnal Mat Stat, Vol. 3 No. 2 Juli 203: 05-
5 Persamaan (9), (0), dan (), menunjukkan pengaruh usia terhadap masing-masing kategori. Selanjutnya, dengan menggabungkan persamaan-persamaan tersebut dengan persamaan (3) dan (5), akan diperoleh peluang kumulatif yang dapat dilihat pada persamaan (2), (3), dan (4). Tabel Hasil Regresi Logistik Ordinal secara Individu Variabel Koefisien Dugaan P Value Constant Usia Constant Jenis Kelamin Laki-laki Constant Status Ekonomi Kurang mampu Constant Tinggi ( + X) ( X ) exp PY ˆ ( ) = (2) + exp ( + X) ( X ) exp PY ˆ ( 2) = (3) + exp ( + X) ( X ) exp PY ˆ ( 3) = (4) + exp Dengan menggunakan persamaan (2), (3), dan (4), nilai peluang untuk masing-masing kategori dapat dihitung. Sebagai contoh, ˆ π 3 = PY ˆ( 3) PY ˆ( 2 ). Persamaan (9)-(4) dapat diterapkan untuk variabel status ekonomi keluarga dan tinggi badan anak. Sedangkan untuk jenis kelamin, karena nilai p value lebih besar dari nilai alpha maka variabel tersebut tidak digunakan. Selanjutnya variabel yang signifikan, variabel usia, status ekonomi keluarga, dan tinggi badan anak, digunakan untuk membentuk model regresi logistik secara simultan. Hasil lengkapnya dapat dilihat pada Tabel 2. Pada Tabel 2 diketahui bahwa ketiga variabel bebas yang digunakan secara signifikan mempengaruhi status gizi anak. Model logit lengkapnya dapat dilihat pada persamaan (5), (6), dan (7). Identifikasi Multikolinear pada... (Margaretha Ohyver) 09
6 Tabel 2 Hasil Regresi Logistik Ordinal secara Simultan Variabel Koefisien Dugaan Standard Error P Value Constant Usia Status Ekonomi 0.07 Kurang Mampu Tinggi ( ) Logit[ P Y ] = X X 0.27X ( ) Logit[ P Y 2 ] 3 4 = X X 0.27X ( ) Logit[ P Y 3 ] 3 4 = X X 0.27X 3 4 (5) (6) (7) Dengan hasil yang diperoleh di atas maka ada hal-hal yang perlu diperhatikan oleh masyarakat dan pemerintah. Pertama, orang tua harus mengetahui bahwa usia, status ekonomi keluarga, dan tinggi badan, mempengaruhi status gizi anak. Secara khusus adalah mengenai status ekonomi keluarga. Orang tua harus lebih fokus dalam menghidupi keluarga sehingga gizi anak dapat terpenuhi. Pemerintah juga harus turut aktif dalam mendukung hal ini. Pemerintah dapat menyelenggarakan seminar dan membuat pemberitahuan kepada masyarakat mengenai status gizi anak ini. Selain itu pemerintah juga dapat membantu dengan menyediakan lapangan pekerjaan serta melakukan peningkatan kesejahteraan tenaga kerja. Tindakan-tindakan pemerintah ini harus dapat menjangkau daerah-daerah terpencil juga. Sebab tidak tertutup kemungkinan jumlah anak yang menyandang status gizi tidak baik lebih besar lagi. Setelah dilakukan mengenai pembahasan hal tersebut di atas, selanjutnya akan dilakukan identifikasi mengenai model yang diperoleh. Dalam beberapa literatur, dikatakan bahwa untuk pemodelan regresi logistik tidak diperlukan asumsi-asumsi yang mengikat seperti di pemodelan regresi biasa. Walaupun demikian, makalah ini akan tetap membahas mengenai hal tersebut. Salah satu asumsi regresi yang akan coba diindetifikasi adalah asumsi multikolinear. Berikut akan dilakukan identifikasi multikolinear untuk data status gizi anak. Pertama, akan dilakukan pemodelan regresi dengan hanya menggunakan variabel bebas usia dan status ekonomi keluarga. Hasilnya dapat dilihat pada Tabel 3. Tabel 3 Pemodelan Regresi Logistik Ordinal dengan 2 Variabel Bebas Variabel Koefisien Dugaan Standard Error P Value Constant Usia Status Ekonomi Kurang Mampu Jurnal Mat Stat, Vol. 3 No. 2 Juli 203: 05-
7 Jika dilakukan perbandingan antara hasil yang diperoleh pada Tabel 2 dan Tabel 3 maka diperoleh hasil yang berbeda. Nilai-nilai koefisien yang diperoleh berbeda. Hal ini sesuai dengan yang disebutkan Myers dalam poin pertama, yang juga akan mempengaruhi jumlah kuadrat ekstranya. Standard error untuk masing-masing koefisien dugaan juga menjadi lebih besar jika variabel bebas yang terlibat dikurangi. Misalnya untuk standard error usia. Di Tabel 2 nilainya adalah sedangkan di Tabel 3 nilainya adalah Hal ini mendukung Myers dalam poin ketiga. Untuk Myers poin ketiga tidak ditemukan sebab semua variabel bebas yang terlibat dalam pemodelan signifikan. Tetapi yang perlu diperhatikan adalah tanda negatif dari variabel tinggi badan. Bisa terjadi tanda yang seharusnya adalah positif. Untuk menentukan adanya multikolinear dapat dilakukan dengan mengecek nilai korelasi antar variabel bebas. JIka dilakukan pengecekan nilai korelasi maka dapat dikatakan bahwa ada korelasi antar variabel tersebut. Hal ini ditunjukkan dengan nilai korelasi sebesar 0.9 antara variabel usia dan tinggi badan. SIMPULAN Berdasarkan penelitian yang telah dilakukan, ditarik beberapa simpulan. Pertama, hampir 50% anak di kelurahan Karangkitri, Bekasi Timur, Jawa Barat, termasuk anak dengan status gizi tidak baik. Kedua, berdasarkan analisis data awal diketahui ada tiga faktor yang mempengaruhi status gizi anak, yaitu usia, status ekonomi keluarga, dan tinggi badan anak. Ketiga, adanya indikasi terjadinya multikolinear dalam model regresi logistik ordinal untuk status gizi anak. DAFTAR PUSTAKA Agresti, A. (2007). An Introduction to Categorical Data Analysis. New Jersey: John Wiley & Sons. Ashok, K. N., Mitra, A., & Mitra, S. (2005). Multiple outlier detection in multivariate data using selforganizing maps title. Computational Statistics, 20(2), DOI: Das, S and Rahman, R. M. (20). Nutrition Journal, -2. Francisco-Fernández, Mario & Juan, M. V. (2009). Two tests for heteroscedasticity in nonparametric regression. Computational Statistics, 24(), DOI: Kleinbaum, D. G and Klein, M. (200). Logistic Regression. London: Springer. Norris, C. M., Ghali, W. A., Saunders, D., Brant, R., Galbraith, D., Faris, P., and Knudtson, M. L. (2006). Ordinal regression model and the linear regression model were superior to the logistic regression models. Journal of Clinical Epidemiology, 59, Ohyver, M. (20). Metode ridge untuk mengatasi kasus multikolinear. Comtech, 2(), Skripsi tidak diterbitkan. Universitas Bina Nusantara, Jakarta. Yongharto, K. O., Suroso, J., and Ohyver, M. (202). Opportunity Analysis of Nutritional Status for Children using Multinomial Logistic Regression Based on Computer. Identifikasi Multikolinear pada... (Margaretha Ohyver)
PENERAPAN METODE TRANSFORMASI LOGARITMA NATURAL DAN PARTIAL LEAST SQUARES UNTUK MEMPEROLEH MODEL BEBAS MULTIKOLINIER DAN OUTLIER
PENERAPAN METODE TRANSFORMASI LOGARITMA NATURAL DAN PARTIAL LEAST SQUARES UNTUK MEMPEROLEH MODEL BEBAS MULTIKOLINIER DAN OUTLIER Margaretha Ohyver Mathematics & Statistics Department, School of Computer
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 PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R
PEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciPENDETEKSIAN OUTLIER PADA MODEL REGRESI GANDA: STUDI KASUS TINGKAT PENGHUNIAN KAMAR HOTEL DI KENDARI
PENDETEKSIAN OUTLIER PADA MODEL REGRESI GANDA: STUDI KASUS TINGKAT PENGHUNIAN KAMAR HOTEL DI KENDARI Margaretha Ohyver; Heruna Tanty Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
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 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 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 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 REGRESI RIDGE UNTUK MENGATASI MULTIKOLINIER PADA VARIABEL-VARIABEL YANG MEMPENGARUHI INDEK PRESTASI KUMULATIF MAHASISWA BERBASIS KOMPUTER
ANALISIS REGRESI RIDGE UNTUK MENGATASI MULTIKOLINIER PADA VARIABEL-VARIABEL YANG MEMPENGARUHI INDEK PRESTASI KUMULATIF MAHASISWA BERBASIS KOMPUTER Ferdy Adhiputra Universitas Bina Nusantara, Jakarta, DKI
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 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 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 terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciKEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciRegresi Logistik Nominal dengan Fungsi Hubung CLOGLOG
Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Julio Adisantoso, G16109011/STK 11 Mei 2010 Ringkasan Regresi logistik merupakan suatu pendekatan pemodelan yang dapat digunakan untuk mendeskripsikan
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 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 terperinciMODEL REGRESI PROBIT BIVARIAT
MODEL REGRESI PROBIT BIVARIAT NURFIDAH DWITIYANTI Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta PGRI Jl. Nangka No. 58 C, Tanjung Barat,
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih 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 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 terperinciPertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciMODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH
JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciE-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:
PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
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 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 terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
Lebih terperinciBAB 1 PENDAHULUAN. Pendidikan merupakan dasar untuk melakukan banyak hal. Tanpa memiliki
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan hal yang sangat penting dalam kehidupan. Pendidikan merupakan dasar untuk melakukan banyak hal. Tanpa memiliki pendidikan yang baik, orang akan
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 terperinciPENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS
e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA
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 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 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 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 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 terperinciPENERAPAN ANALISIS REGRESI RIDGE PADA DATA PASIEN HIPERTENSI DI RUMAH SAKIT UMUM DAERAH SIDIKALANG TAHUN 2014
PENERAPAN ANALISIS REGRESI RIDGE PADA DATA PASIEN HIPERTENSI DI RUMAH SAKIT UMUM DAERAH SIDIKALANG TAHUN 204 Medis Pasaribu, Drs. Abdul Jalil A.A.,M.Kes 2, dr. RiaMasniari Lubis, M.Si 2. Mahasiswa FKM
Lebih terperinciPeranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier
Prosiding Statistika ISSN: 2460-6456 Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier 1 Seny Mustikawati,
Lebih terperinci(Studi Kasus Siswa SMP Kelas VIII di SMPN 1 Tajinan Malang) *Wuri Graita Gayuh Palupi *Abadyo
PERBANDINGAN REGRESI MODEL LOGISTIK BINER DENGAN REGRESI MODEL PROBIT TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI SIKAP SISWA SMP PADA MATA PELAJARAN MATEMATIKA (Studi Kasus Siswa SMP Kelas VIII di SMPN 1
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciPertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression
Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
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 terperinciBAB 4 HASIL DAN PEMBAHASAN. Data yang digunakan pada penelitian ini adalah data pemantauan pertumbuhan
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Data yang digunakan pada penelitian ini adalah data pemantauan pertumbuhan anak di Kelurahan Karang Kitri, Bekasi Timur. Anak yang menjadi objek penelitian
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik perempuan yang bekerja di bidang informal mayoritas pada perempuan
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciANALISIS PENGARUH ANTARA NILAI RAPOR DI SMA DENGAN INDEKS PRESTASI KUMULATIF PADA MAHASISWA D3 STATISTIKA
ANALISIS PENGARUH ANTARA NILAI RAPOR DI SMA DENGAN INDEKS PRESTASI KUMULATIF PADA MAHASISWA D3 STATISTIKA Andi Jumaena Program Studi D3 Statistika Program Pendidikan Vokasi Universitas Halu Oleo Email
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciE-Jurnal Matematika Vol. 2, No.2, Mei 2013, ISSN:
E-Jurnal Matematika Vol., No., Mei 013, 37-41 ISSN: 303-1751 PENERAPAN REGRESI QUASI-LIKELIHOOD PADA DATA CACAH (COUNT DATA) YANG MENGALAMI OVERDISPERSI DALAM REGRESI POISSON (Studi Kasus: Jumlah Kasus
Lebih terperinciPENERAPAN METODE ELEMEN HINGGA UNTUK SOLUSI PERSAMAAN STURM-LIOUVILLE
PENERAPAN METODE ELEMEN HINGGA UNTUK SOLUSI PERSAMAAN STURM-LIOUVILLE Viska Noviantri Mathematics & Statistics Department, School of Computer Science, Binus University Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
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 terperinciE-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 40-45 ISSN: 2303-1751 ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN METODE GOMPIT (Studi Kasus: Mahasiswa Fakultas
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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Statistik Deskriptif Berdasarkan jumlah sampel yang digunakan dalam penelitian ini yaitu sebanyak 85 nasabah, yang akan disajikan gambaran karakteristik dari nasabah
Lebih terperinciIDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK
IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,
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 terperinciABSTRAK. Kata kunci: E-faktur, Pajak Terhutang, Pengaruh e-faktur terhadap Pajak Terhutang
ABSTRAK Penelitian yang berjudul Pengaruh Penerapan e-faktur Terhadap Pajak Terhutang ini bertujuan untuk mengetahui berapa besar faktur pajak berpengaruh terhadap pajak terhutang yang dilaporkan dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN Variabel Penelitian dan Definisi Operasional Variabel
BAB III METODOLOGI PENELITIAN 3.1. Variabel Penelitian dan Definisi Operasional Variabel Variabel-variabel penelitian dan definisi operasional variabel dalam penelitian ini adalah sebagai berikut : 3.1.1.
Lebih terperinciUji statistik multivariat digunakan untuk menguji
132 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 133 BAB 6 ANALISIS MULTIVARIAT Uji statistik multivariat digunakan untuk menguji
Lebih terperinciBAB III LANDASAN TEORI. A. Regresi
BAB III LANDASAN TEORI A. Regresi 1. Pengertian Regresi Regeresi adalah alat yang berfungsi untuk membantu memperkirakan nilai suatu varibel yang tidak diketahui dari satu atau beberapa variabel yang tidak
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 terperinciMODEL GEOGRAPHICALLY WEIGHTED ORDINAL MULTINOMIAL LOGISTIC REGRESSION (GWOMLR) PADA INCIDENCE RATE (IR) DEMAM BERDARAH DENGUE (DBD) DI KOTA SEMARANG
MODEL GEOGRAPHICALLY WEIGHTED ORDINAL MULTINOMIAL LOGISTIC REGRESSION (GWOMLR) PADA INCIDENCE RATE (IR) DEMAM BERDARAH DENGUE (DBD) DI KOTA SEMARANG NAFSA AMALI M0108021 SKRIPSI ditulis dan diajukan untuk
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi
Lebih terperinciAnalisis Regresi Logistik Ordinal Terhadap Faktor-Faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 Universitas Negeri Makassar
Muhammad Nusrang, Rizal Bakri, Ansari saleh Ahmar, Asfar / Analisis Regresi Logistik Ordinal 655 Analisis Regresi Logistik Ordinal Terhadap Faktor-Faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN TINGKAT KOLESTEROL DARAH PADA PENDERITA DIABETES MELITUS TIPE 2 DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL (STUDI KASUS DI KLINIK PRATAMA MADINAH KABUPATEN JOMBANG) SKRIPSI DIAJUKAN UNTUK MEMENUHI
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
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 terperinciMODEL PERSAMAAN SIMULTAN PADA ANALISIS HUBUNGAN KEMISKIAN DAN PDRB
MODEL PERSAMAAN SIMULTAN PADA ANALISIS HUBUNGAN KEMISKIAN DAN PDRB Rokhana Dwi Bekti; David; Gita N; Priscillia; Serlyana Mathematics and Statistics Department, School of Computer Science, Binus University
Lebih terperinciBAB III METODOLOGI PENELITIAN DAN DATA
47 BAB III METODOLOGI PENELITIAN DAN DATA 3.1 Metodologi Penelitian Sesuai dengan bentuk data dan tujuan yang ingin dicapai dalam penelitian ini, yaitu untuk mengetahui bagaimana pengaruh office channeling
Lebih terperinciESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES
ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES Selpadina Indriyani 1, Raupong 2, Anisa 3 1 Mahasiswa Program Studi Statistika FMIPA Universitas Hasanuddin 2,3 Dosen Program
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR PENDAPATAN ASLI DAERAH (PAD) PROVINSI JAWA TENGAH
PERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR PENDAPATAN ASLI DAERAH (PAD) PROVINSI JAWA TENGAH SKRIPSI Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar
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 terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
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 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 terperinciABSTRAK. Kata-kata kunci: Insentif dan disiplin kerja. Universitas Kristen Maranatha
ABSTRAK Penelitian ini bertujuan untuk menguji pengaruh insentif dan disiplin kerja terhadap kinerja karyawan pada PT. Batik Danar Hadi. Populasi pada penelitian ini adalah 250 karyawan pada bagian produksi.
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinci(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 terperinciMAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY
MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI
Lebih terperincidimana: n1= jumlah sampel dalam tiap kecamatan
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di wilayah Kota Bogor. Pemilihan lokasi dilakukan secara sengaja (purposive) dengan pertimbangan Kota Bogor merupakan kota
Lebih terperinciBAB IV HASIL DAN ANALISIS
51 BAB IV HASIL DAN ANALISIS 4.1 Deskripsi Data Penelitian 4.1.1 Profil Obyek Penelitian Obyek penelitian dalam penelitian ini adalah Pasar Sleman. Pasar Sleman merupakan pasar terbesar di Kecamatan Sleman.
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 terperinciANALISIS MULTIVARIAT sesi-1: Simple Linear regression
ANALISIS MULTIVARIAT sesi-1: Simple Linear regression PROGRAM STUDI S1 PWK UNIVERSITAS GADJAH MADA 2005 Referensi: Everitt, B.S., 1996, Making Sense of Statistics in Psychology: A Second- Level Course,
Lebih terperinciSTUDI METODE REGRESI RIDGE DAN METODE ANALISIS KOMPONEN UTAMA DALAM MENYELESAIKAN MASALAH MULTIKOLINEARITAS SKRIPSI OCKTAVALANNI SIREGAR
STUDI METODE REGRESI RIDGE DAN METODE ANALISIS KOMPONEN UTAMA DALAM MENYELESAIKAN MASALAH MULTIKOLINEARITAS SKRIPSI OCKTAVALANNI SIREGAR 100803011 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPemodelan Regresi 2-Level Dengan Metode Iterative Generalized Least Square (IGLS) (Studi Kasus: Tingkat Pendidikan Anak di Kabupaten Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized
Lebih terperinci(Geographically Weighted Binary Logistic Regression with Fixed Bi-Square Weight)
Penerapan Regresi Logistik Biner Terboboti Geografi dengan Pembobot Fixed Bi-Square Tuti Purwaningsih Universitas Islam Indonesia Jl Kaliurang KM 14.5, Yogyakarta tuti.purwaningsih@uii.ac.id ABSTRACT Geographically
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan
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 3 METODE PENELITIAN
1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat
Lebih terperinciBAB III METODE PENELITIAN. Tipe penelitian ini merupakan tipe peneliti eksplanatori dengan
BAB III METODE PENELITIAN A. Jenis Penelitian Tipe penelitian ini merupakan tipe peneliti eksplanatori dengan menggunakan metode deskriptif statistik, yaitu penelitian yang bertujuan untuk menguji ada
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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
47 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Unit Analisis Data 1. Data Hasil Penelitian Pada bagian ini akan dibahas mengenai proses pengolahan data untuk menguji hipotesis yang telah dibuat
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Lokasi penelitian dilakukan di enam kelurahan di Kota Depok, yaitu Kelurahan Pondok Petir, Kelurahan Curug, Kelurahan Tapos, Kelurahan Beji, Kelurahan
Lebih terperinci