Regresi Logistik pada Data Rare Event
|
|
- Liana Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Prosdg Statsta ISSN Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com, sulad@gmal.com, 3 audus69@ahoo.com Abstra. Regres logst meruaa salah satu metode statsta ag dguaa utu megaalss hubuga beberaa fator dega sebuah varabel reso. Pada regres logst varabel reso terdr dar dua ategor atu suses da gagal ag dotasa dega = (suses) da = (gagal). Regres logst ba dguaa ja ersetase = da = tda jauh berbeda. Dalam asus redt macet daat djuma ods d maa ersetase redt macet jauh lebh ecl dbadga dega ersetase redt lacar ada varabel reso. Kods seert tu dsebut dega rare evet. Pada data rare evet aa meebaba Pr(Y = ) uderestmates sedaga utu Pr(Y = ) overestmates. Masalah samel terbatas (fte samle) daat meebaba () model ag terbetu aa meghasla easr arameter ag bas; () esalaha bau bag easr ag lebh ecl (uderestmates) da () daat meebaba P(Y = ) uderestmates. Srs membahas bagamaa megores eduga arameter ag bas da ores eluag ada regres logst ja data reso jarag terjad (rare evet). Model regres logst rare evet aa dteraa ada data asus redt ba d Amera dega Y = ja asabah megalam redt macet lebh dar 9 har. Hasl ores bas terhada oefse regres adalah bahwa bas ada ˆ lebh besar d badga dega ag laa. Namu utu hasl bas ada eseluruha tasra arameter ecl, hal area samel ag cuu besar atu sebaa 3. Hasl esalaha bau easr terlhat bahwa esalaha bau easr arameter terores lebh ecl dbadga dega esalaha bau ada easr arameter regres logst. Oleh area tu regres logst ada data rare evet lebh ba dguaa darada regres logst. Sedaga utu ores tasra eluag ( ) lebh ecl dbadga dega tasra eluag ja tda megguaa ores ada regres logst. Kata uc: Regres Logst, Rare Evet, Bas, Peluag. A. Pedahulua Dalam ehdua sehar-har semua orag ast meml ebutuha. Kebutuha ada ag bersfat medesa da ada ag tda. Kebutuha ag medesa meutut utu segera deuh. Namu emeuha tersebut tda terleas dar masalah baa atau daa. Daa ag derlua basaa tda sedt jumlaha, semetara daa ag terseda acaal tda mecuu. Kebaaa orag dalam meghada euraga daa salah satu jala eluar ag daat dlaua adalah dega berutag eada ha ba. Para asabah ag telah memeroleh fasltas redt dar ba tda seluruha daat megembala utaga dega lacar sesua dega watu ag telah derjaja. Abat asabah tda daat membaar luas utaga, maa aa tergambar erjalaa redt mejad macet atau terhet. Salah satu metode ag daat derguaa utu memetaa asabah e dalam ategor redt macet da lacar atu metode regres logst. Regres logst meruaa salah satu metode statsta ag dguaa utu megaalss hubuga atara satu varabel reso (Y) dega satu atau lebh varabel bebas ( X ). Dmaa varabel reso terdr dar dua ategor atu suses da gagal ag dotasa dega Y = (suses) da Y = (gagal). Sebaga cotoh ada asus artu redt, Y =
2 Rud Rum Ar Wstara, et al. ja varabel resoa meataa redt lacar da Y = ja varabel resoa meataa redt macet. Regres logst ba dguaa ja ersetase Y = da Y = tda jauh berbeda. Dalam asus redt macet daat djuma ods d maa ersetase redt macet jauh lebh ecl dbadga dega ersetase redt lacar ada varabel reso. Kods seert tu dsebut dega rare evet. Pada data rare evet aa meebaba Pr(Y = ) uderestmates sedaga utu Pr(Y = ) overestmates. Masalah samel terbatas (fte samle) daat meebaba () model ag terbetu aa meghasla easr arameter ag bas; () esalaha bau bag easr ag lebh ecl (uderestmates) da () daat meebaba P(Y = ) uderestmates. Srs membahas bagamaa megores eduga arameter ag bas da ores eluag ada regres logst ja data reso rare evet da dalasa ada asus redt macet.. Rumusa Masalah Berdasara uraa dar latar belaag ag telah dugaa, maa masalah ag daat ddetfas adalah:. Bagamaa erbadga easr arameter regres logst dega regres logst ada data rare evet?. Bagamaa erbadga esalaha bau easr arameter regres logst dega regres logst ada data rare evet? 3. Bagamaa erbadga tasra eluag regres logst dega regres logst ada data rare evet?. Tujua Peelta Berdasara detfas masalah maa tujua dalam eulsa srs adalah:. Membadga easr arameter regres logst dega regres logst ada data rare evet.. Membadga esalaha bau easr arameter regres logst dega regres logst ada data rare evet. 3. Membadga tasra eluag regres logst dega regres logst ada data rare evet. B. Tjaua Pustaa. Regres Logst Meurut Hosmer da Lemeshow (989) model regres logst ag degaruh oleh varabel bebas daat dataa sebaga la haraa dar Y dega dbera la. e... EY (.) e... Utu memermudah dalam measr arameter regres, maa ada ersamaa (.) dtrasformasa dega megguaa trasformas logt. Sehga daat dtuls sebaga berut: logt g l... (.) Prosdg Peelta Svtas Aadema Usba (Sas da Teolog)
3 Regres Logst ada Data Rare Evet 3. Peasra Parameter Model Metode easra arameter ag basa dguaa dalam regres logst adalah metode MLE (Mamum Lelhood Estmato). Varabel reso Y meml sebara Beroull dega arameter da fugs sebara eluaga adalah:, utu atau P, utu ag la Meurut Hosmer da Lemeshow (989), fugs lelhood dstrbus Beroull utu samel bebas adalah l (.3) Utu memudaha mecar la ˆ ˆ,..., ˆ, ag memasmuma fugs lelhood dguaa betu logartma atural dar fugs lelhood, ag dsebut sebaga fugs log-lelhood. Logartma atural fugs eluag bersamaa daat dtuls sebaga berut: l l... l L (.4) Selajuta dhtug turua ertama dar ( ) masg-masg terhada ˆ ˆ,..., ˆ, emuda dsarata sama dega ol. dl d... l d d dl d.. dl d d d (.5)... l (.6). d... l d (.7) Dar ersamaa (.7), (.8), da (.9) mash teradug, dar turua ertama d atas sult utu dhtug secara maual oleh sebab tu dguaa batua software. Selajuta aa dhtug turua edua, turua edua aa dlhat aaah ada solus atau tda. Betu umum dar turua arsal edua fugs log-lelhood adalah: Statsta, Gelombag, Tahu Aadem 4-5
4 4 Rud Rum Ar Wstara, et al. L L. r r dmaa, j =,,,...,. Da easr matrs varasa adalah ˆ ' V (.8) dmaa adalah eluag suses, - adalah eluag gagal da bebas dega =,,...,. adalah varabel 3. Regres Logst ada Data Rare Evet Msala varabel reso Y, Y,... Y,... Y meruaa samel aca ag berdstrbus Beroull dega ( ) da ( ) utu =,,...,. Dalam model regres logst eluag adalah fugs dstrbus umulatf logst adaersamaa.. Trasformas logt sebagamaa djelasa ada baga regres logst atu ersamaa.. ) Kores Bas terhada Koefse Utu megores bas ˆ daat dtasr oleh weghted least-squared: bas ( ˆ) X ' WX X ' W (.9) dmaa.5q w w (.) ˆ ' Q eleme dagoal utama X X WX X (.) W dag ˆ ˆ w (.) Dega vetor embobot w sebaga berut, w wy w ( Y ) (.3) dmaa w sebaga embobot utu la satu da w sebaga embobot la ol. Sedaga adalah roors ejada suses dala oulas da adalah roors ejada suses dala samel. Metode WLS ada regres logst rare evet mudah utu dteraa area omoea sama dega metode WLS ada regres logst. Dega sebaga varabel reso, X sebaga varabel bebas da W sebaga embobot. Sedaga utu easr ores basa atu, ˆ bas( ˆ) (.4) Utu medaata reds eluag maa bsa dlaua dega memasua ores easr bas ( ) e dalam ersamaa logt sebaga berut: e Pr ˆ (.5) e ' Prosdg Peelta Svtas Aadema Usba (Sas da Teolog)
5 Regres Logst ada Data Rare Evet 5 Namu, hal tda otmal area megabaa etdaasta ada. Oleh area tu erlu dlaua ores ulag terhada. Betu ores eluaga sebaga berut: Pr C (.6 ) dega fator oresa adalah C (.5 ) ( ) ' V (.7) dmaa V ˆ ˆ V da matrs varas V sebagamaa djelasa ada baga easra arameter model regres logst. C. Baha da Metode Peelta. Baha Data ag dguaa utu megalasa aalss regres logst rare evet berasal dar Gve me some redt ag dlucura dalam stus Kaggle. Data tersebut bers tetag asabah ag meml fasltas redt (debtur). Varabel reso ag dguaa adalah status redt atu:, tda megalam redt macet lebh dar 9 har, megalam redt macet lebh dar 9 har Sedaga varabel bebas ada sebaa varabel ag terdr dar Jumlah Saldo Kartu Kredt, Usa Debtur, Freues Megalam Kredr Macet 3-59 Har, Pembaara Utag Bulaa, Pedaata Bulaa, Jumlah Pjama Terbua da Kredt, Freues Megalam Kredr Macet >9 Har, Jumlah Kredt KPR da Proert, Freues Megalam Kredr Macet 6-89 Har, Jumlah Tagguga Keluarga.. Metode Metode da taha-taha eelta ag dlaua utu mecaa tujua eulsa adalah sebaga berut:. Melaua easra oefse arameter regres logst.. Melaua easra model regres logst ada data rare evet dega lagah-lagah sebaga berut: a) Meghtug la roors ejada suses dalam oulas ( ). b) Meghtug la roors ejada suses dalam samel ( ). c) Masua lagah da e dalam ersamaa (.5) lalu htug vetor embobot ( w ). d) Meetua vetor embobot W ada ersamaa (.4). e) Kemuda tetua la Q ada ersamaa (.3). f) Lalu tetua vetor dar ada ersamaa (.). g) Meghtug bas (ˆ ) dega megguaa ersamaa (.). h) Meghtug easr terores ( ) ada ersamaa (.6). Lagah-lagah d atas dlaua dega megguaa ertah relogt ada acage Zelg software R. Statsta, Gelombag, Tahu Aadem 4-5
6 6 Rud Rum Ar Wstara, et al. 3. Megores esalaha bau bag easr ada regres logst ada ersamaa (.). 4. Kores terhada P(Y = ) model regres logst ada ersamaa (.8) dega lagah-lagah sebaga berut: a) Meghtug reds eluag dega memasua easr terores e dalam ersamaa (.7). b) Meghtug fator ores ( C ) ada ersamaa (.9) Lagah 4.a da 4.b dlaua dega megguaa software SAS IML D. Pembahasa Peasra arameter utu model regres logst dlaua dega megguaa metode mamum lelhood. Varabel reso ag dguaa adalah status redt atu:, tda megalam redt macet lebh dar 9 har, megalam redt macet lebh dar 9 har dmaa baaa la Y = atu sebesar 87 da baaa la Y = sebesar 86. Namu dema data ag megadug feomea rare evet dmaa ersetase Y = haa sebesar 87 6,88%. Hal tersebut aa megabata 3 uderestmated ada P(Y = ) ag arta terdaat bas ada easr arametera. Dega dema harus dlaua ores terhada oefse arameter regres logst. Bas ada easr arameter ecl, hal dareaa samel ag cuu besar atu sebaa 3. Sedaga bas ada ˆ lebh besar d badga dega ag laa. Kesalaha bau ada easr arameter sagat etg dguaa dalam suatu aalss salah satua eguja hotess. Kesalaha bau bag easr arameter terores lebh ecl dbadga dega esalaha bau bag easr arameter regres logst. Keta data rare evet ores terhada esalaha bau lebh ba dguaa darada regres logst. Kores eluag ada data rare evet dlaua dega megguaa easr terores utu medaata reds eluag. Kores eluag ( ) lebh ecl dbadga dega tasra eluag ja tda megguaa ores ada regres logst. E. Kesmula Kesmula dar srs adalah:. Hasl ores bas terhada oefse regres adalah bahwa bas ada ˆ lebh besar d badga dega ag laa. Namu utu hasl bas ada eseluruha tasra arameter ecl, hal area samel ag cuu besar atu sebaa 3.. Hasl esalaha bau easr terlhat bahwa esalaha bau easr arameter terores lebh ecl dbadga dega esalaha bau ada easr arameter regres logst. Oleh area tu regres logst ada data rare evet lebh ba dguaa darada regres logst. Prosdg Peelta Svtas Aadema Usba (Sas da Teolog)
7 Regres Logst ada Data Rare Evet 7 3. Sedaga utu ores tasra eluag ( ) lebh ecl dbadga dega tasra eluag ja tda megguaa ores ada regres logst. DAFTAR PUSTAKA Agrest, Ala.. Categorcal Data Aalss. New Yor: Ic. Joh Wle ad Sos. Bahsa, M.. Huum Jama da Jama Kredt Perbaa Idoesa. Jaarta: PT. Raja Grafdo Persada. D.W. Hosmer, da S. Lemeshow Aled Logst Regresso. New Yor: Ic. Joh Wle ad Sos. Hajarsma. N. 9. Aalss Data Kategor. Badug: Tda dterbta. Kg Gar, da Zeg Lagche.. Logstc Regresso Rare Evets Data. htt://gg.harvard.edu/fles/s.df. Nasuto, Aatqah.. Regres Logst utu Meetua Peluag ag Memua Kartu Yoga da ag Tda Memua Kartu Yoga Berdasara Keuasa Kosume. Badug: tda dterbta. Suramoo, Gatot. 9. Perbaa da Masalah Kredt Suatu Tjaua d Bdag Yurds. Jaarta: PT. Rea Cta. Statsta, Gelombag, Tahu Aadem 4-5
BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.
BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II
Lebih terperinciRegresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja
Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciProsiding Statistika ISSN:
Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).
Lebih terperinciANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya
Lebih terperinciBAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam
BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciII. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan
II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor
Lebih terperinciPemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciJurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN
Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperinciBAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)
BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan
BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter
Lebih terperinciadalah nilai-nilai yang mungkin diambil oleh parameter jika H
Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu
Lebih terperinciPENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA
PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda
Lebih terperinciESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.
Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311
JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)
URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D6 Aalss Regres Logst Ordal utu Megetahu Tgat Gaggua Tuagrahta d Kabuate Poorogo Berdasara Fator-Fator Iteral Peebab Tuagrahta Eva Arum Setar
Lebih terperinciPemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat
D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa
Lebih terperinciPENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA
EAKIR RAIO ROORI AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG ACAK BERTRATA Devr Maulaa *, Arsma Ada, Haosa rat Maasswa rogram Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu egetaua Alam Uveras Rau
Lebih terperinciParameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines
Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON
Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus
Lebih terperinciPENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE
PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa
Lebih terperinciπ(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso
Lebih terperinciKajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d
Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas
Lebih terperinciPemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat
Lebih terperinciHIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1
HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug
Lebih terperinciProses inferensi pada model logit Agus Rusgiyono. Abstracts
Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods
Lebih terperinciPENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,
Lebih terperinciPEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.
Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciDISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004
Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:
Lebih terperinciPemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi
JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa
Lebih terperinciEstimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model
Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciLANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )
LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa
Lebih terperinciPemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi
Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember
Lebih terperinciBAB I PANDAHULUAN. 1.1 Latar Belakang
BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,
Lebih terperinciAnalisis Aliran Daya
Darublc www.darublc.cm Aalss Alra Daa udarat udrham Dalam aalss ragaa lstr, dlaua dealsas. umber dataa sebaga sumber tegaga deal atau sumber arus deal, da beba dataa sebaga medas dega araterst ler. umber
Lebih terperinciHUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN
HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee
Lebih terperinciKAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT
Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinci3. Integral (3) (Integral Tentu)
Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag
Lebih terperinciBAB 3 Interpolasi. 1. Beda Hingga
BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciAnalisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)
Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number
Lebih terperinci7. PERSAMAAN DIFFERENSIAL BIASA
Bab 7. PERSAMAAN DIFFERENSIAL BIASA Dalam bdag te serg duma ersamaa suatu eomea alam ag dataa dalam ersamaa deresal basa (PDB Coto: Problem la awal: ( dega ( Y Problem la batas: g( dmaa a
Lebih terperinciIII. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah
3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa
Lebih terperinciSTUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE
STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.
Lebih terperincititik tengah kelas ke i k = banyaknya kelas
STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e
Lebih terperinciKoefisien Korelasi Spearman
Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah
Lebih terperinciANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD
Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD
Lebih terperinciAnalisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik
Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciRELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK
Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah
Lebih terperinciSTATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu
Lebih terperinciJEMBATAN PADA GRAF FUZZY INTUITIONISTIC
JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc
Lebih terperinciUKURAN DASAR DATA STATISTIK
UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL
Lebih terperinciANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)
ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP
Lebih terperinciImplementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear
JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog
Lebih terperinciAnalisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma
JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa
Lebih terperinciKarakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara
Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion
Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma
Lebih terperinciPenarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV
Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciBAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen
BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu
Lebih terperinciPENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA
PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus
Lebih terperinciBAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).
BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut
Lebih terperinciLOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE
LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford
Lebih terperinciBukti Teorema Sisa China dengan Menggunakan Ideal Maksimal
Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya
Lebih terperinciPemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciOPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK
Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas
Lebih terperinciPENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN
PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciBAB II TINJAUAN PUSTAKA. Menurut Daniel L. Schodek (1999), gempa bumi dapat terjadi karena fenomena
Bab II Tjaua Pustaa BAB II TINJAUAN PUSTAKA. Tjaua Pustaa Meurut Dael L. Schode (999), gempa bum dapat terjad area feomea getara dega ejuta pada era bum. Fator utama adalah betura pergesea era bum yag
Lebih terperinciBAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai
BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga
Lebih terperinciH dinotasikan dengan B H
Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )
Lebih terperinciSTATISTIKA ELEMENTER
STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala
Lebih terperinciMEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA
MEA QUARE ERROR TERKEIL DARI KOMBIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPULAI PADA AMPLIG AAK BERTRATA R Kurat *, gt ugarto, Ruam Efed Maasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belaag PENDAHULUAN Seta egara memuya mata uag sebaga alat tuar. Pertuara barag dega uag yag terad d dalam eger tda aa membula masalah meggat la barag sudah dsesuaa dega la uag yag berlau. Masalah
Lebih terperinciKAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH. Elen Dwi Pradewi 1, Sudarno 2
Kaa Estmas-M (Ele) KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH Ele Dw Pradew, Sudaro Alum Program Stud Statsta FSM Uverstas Dpoegoro
Lebih terperinciISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b
ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa
Lebih terperinciEKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM
Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciKAJIAN MODEL REGRESI ASYMTOTIC
Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 KAJIAN MODEL REGRESI ASYMOIC Yul Ada, Da Cahawat, da Nov Yat Juua Matemata MIPA UNSRI Abta Model Rege ole meml ebaa
Lebih terperinciPROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)
H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas
Lebih terperinci