BAB IV PEMBAHASAN. 4.1 Deskripsi Data
|
|
- Siska Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV PEMBAHASAN Pada bab ini diberikan deskripsi data, diagram pencar data, titik knot optimal, model regresi nonparametrik spline, pengujian parameter, dan pengujian sisaan. Selanjutnya regresi nonparametrik spline diterapkan pada data produksi jagung di Jawa Tengah. 4.1 Deskripsi Data Pada subbab ini diberikan deskripsi data produksi jagung Jawa Tengah tahun 2014 yang diperoleh dari BPS. Data yang diambil yaitu data produksi jagung 31 kabupaten/kota di Jawa Tengah. Selain itu diberikan juga deskripsi mengenai faktor yang mempengaruhi produksi jagung, antara lain curah hujan yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Semarang, alokasi pupuk urea bersubsidi dan alokasi pupuk organik bersubsidi yang diperoleh dari Dinas Pertanian, Tanaman Pangan, dan Holtikultura Propinsi Jawa Tengah. Produksi jagung di Jawa Tengah pada tahun 2014 adalah ,724 ton. Produksi tertinggi di Kabupaten Grobogan yang menghasilkan ,63 ton dan produksi terendah di Kota Semarang yaitu 1.566,15 ton. Terdapat beberapa faktor yang diduga mempengaruhi produksi jagung di Jawa Tengah, antara lain curah hujan, alokasi pupuk urea bersubsidi, dan alokasi pupuk organik bersubsidi. Curah hujan pada setiap kabupaten/kota di Jawa Tengah berbeda-beda. Terdapat wilayah yang memiliki curah hujan yang tinggi, ada pula yang memiliki curah hujan yang rendah. Perbedaan curah hujan yang dimiliki masing-masing wilayah diduga memberikan dampak untuk produksi jagung. Selain curah hujan, pupuk yang diberikan juga berpengaruh terhadap produksi jagung. Jenis pupuk 16
2 yang sering digunakan petani yaitu pupuk organik dan pupuk urea. Di Jawa Tengah alokasi pupuk untuk masing-masing kabupaten/kota berbeda-beda. Hal ini disesuaikan dengan kebutuhan dan luas wilayah pertanian pada kabupaten/kota. Ketiga faktor inilah yang diduga mempengaruhi produksi jagung di Jawa Tengah. Oleh karena itu, untuk mengetahui faktor yang signifikan mempengaruhi produksi jagung di Jawa Tengah dapat digunakan model regresi nonparametrik spline. 4.2 Diagram Pencar Data Tahap awal dalam menerapkan model regresi nonparametrik spline yaitu mengetahui hubungan antara curah hujan, pupuk urea, dan pupuk organik dengan produksi jagung. Hubungan antara produksi jagung dengan faktor yang mempengaruhinya dapat ditinjau melalui diagram pencar. Menurut Budiantara [1], apabila pola hubungan antara variabel prediktor dengan variabel respon tidak memiliki pola tertentu dan tidak mengikuti ditribusi tertentu maka digunakan regresi nonparametrik. Dalam regresi nonparametrik terdapat teknik pendekatan yang digunakan, yaitu spline. Metode pendekatan spline menggunakan bantuan titik-titik knot. Titik knot adalah titik terjadinya perubahan pola data. Produksi Jagung Curah Hujan Gambar 4.1. Hubungan antara curah hujan dan produksi jagung di Jawa Tengah 17
3 Produksi Jagung Pupuk Urea Gambar 4.2. Hubungan antara pupuk urea dan produksi jagung di Jawa Tengah Produksi Jagung Pupuk Organik Gambar 4.3. Tengah Hubungan antara pupuk organik dan produksi jagung di Jawa 18
4 Berdasarkan Gambar 4.4, Gambar 4.2, dan Gambar 4.3 dapat dilihat bahwa hubungan antara curah hujan, alokasi pupuk urea bersubsidi, dan alokasi pupuk organik bersubsidi dengan produksi jagung tidak memiliki pola tertentu dan tidak mengikuti distribusi tertentu. Oleh karena itu, dapat digunakan regresi nonparametrik spline untuk menentukan faktor yang paling berpengaruh. 4.3 Model Regresi Nonparametrik Spline dengan Berbagai Titik Knot Pada model regresi nonparametrik spline ditentukan generalized cross validation (GCV ) pada masing-masing model untuk setiap titik knot. Untuk membentuk model regresi nonparametrik spline pada data produksi jagung di Jawa Tengah menggunakan titik knot optimal. Titik knot yang optimal diperoleh dari nilai GCV yang minimal. Pada penelitian ini titik knot yang digunakan adalah 3 titik knot, 4 titik knot, 5 titik knot dan kombinasi titik knot. Berdasarkan titik-titik knot yang telah ditentukan kemudian dibentuk model regresi nonparametrik spline orde 1. Menurut Prahutama [8], model regresi nonparametrik spline dengan orde tinggi sulit diselesaikan dan diintepretasikan. Dalam membentuk model pada masingmasing titik knot dilakukan estimasi parameter. Menurut Eubank [3], estimasi parameter pada regresi nonparametrik spline menggunakan metode kuadrat terkecil (MKT). Pemilihan titik knot optimal pada faktor-faktor yang diduga mempengaruhi produksi jagung menggunakan metode GCV dimulai dengan 3 titik knot. Adapun model regresi nonparametrik spline orde 1 menggunakan 3 titik knot pada faktor-faktor yang diduga mempengaruhi produksi jagung adalah ŷ = ˆβ 0 + ˆβ 1 x 1 + ˆβ 2 (x 1 K 11 ) + + ˆβ 3 (x 1 K 21 ) + + ˆβ 4 (x 1 K 31 ) + + ˆβ 5 x 2 + ˆβ 6 (x 2 K 12 ) + + ˆβ 7 (x 2 K 22 ) + + ˆβ 8 (x 2 K 32 ) + + ˆβ 9 x 3 + ˆβ 10 (x 3 K 13 ) + + ˆβ 11 (x 3 K 23 ) + ˆβ12 (x 3 K 33 ) +. Hasil perhitungan nilai GCV untuk 3 titik knot ditunjukkan pada Tabel
5 Tabel 4.1. Nilai GCV dengan 3 titik knot pada masing-masing faktor No. x 1 x 2 x 3 GCV Berdasarkan Tabel 4.1 nilai GCV minimal adalah dengan titik knot untuk masing-masing faktor adalah 1. Variabel x 1 : K 11 = 1448; K 21 = 1818; K 31 = Variabel x 2 : K 12 = 26218; K 22 = 33683; K 32 = Variabel x 3 : K 13 = 4595; K 23 = 8449; K 33 = Selanjutnya model regresi nonparametrik spline menggunakan 4 titik knot adalah ŷ = ˆβ 0 + ˆβ 1 x 1 + ˆβ 2 (x 1 K 11 ) + + ˆβ 3 (x 1 K 21 ) + + ˆβ 4 (x 1 K 31 ) + + ˆβ 5 (x 1 K 41 ) + + ˆβ 6 x 2 + ˆβ 7 (x 2 K 12 ) + + ˆβ 8 (x 2 K 22 ) + + ˆβ 9 (x 2 K 32 ) + + ˆβ 10 (x 2 K 42 ) + + ˆβ 11 x 3 + ˆβ 12 (x 3 K 13 ) + + ˆβ 13 (x 3 K 23 ) + + ˆβ 14 (x 3 K 33 ) + + ˆβ 15 (x 3 K 43 ) +. 20
6 Nilai GCV menggunakan 4 titik knot ditunjukkan pada Tabel 4.2. Tabel 4.2. Nilai GCV dengan 4 titik knot pada masing-masing faktor No. x 1 x 2 x 3 GCV Pada Tabel 4.2 dapat dilihat bahwa nilai GCV minimal adalah dengan titik knot untuk masing-masing faktor adalah 1. Variabel x 1 : K 11 = 1448; K 21 = 1716; K 31 = 2303; K 41 = Variabel x 2 : K 12 = 17499; K 22 = 25875; K 32 = 33683; K 42 = Variabel x 3 : K 13 = 4596; K 23 = 5575; K 33 = 13790; K 43 =
7 Setelah diperoleh model dan titik knot optimal menggunakan 4 titik knot, selanjutnya ditentukan model regresi nonparametrik spline dan nilai GCV menggunakan 5 titik knot. Model regresi nonparametrik spline pada faktor-faktor yang diduga mempengaruhi produksi jagung adalah ŷ = ˆβ 0 + ˆβ 1 x 1 + ˆβ 2 (x 1 K 11 ) + + ˆβ 3 (x 1 K 21 ) + + ˆβ 4 (x 1 K 31 ) + + ˆβ 5 (x 1 K 41 ) + + ˆβ 6 (x 1 K 51 ) + + ˆβ 7 x 2 + ˆβ 7 (x 8 K 12 ) + + ˆβ 9 (x 2 K 22 ) + + ˆβ 10 (x 2 K 32 ) + + ˆβ 11 (x 2 K 42 ) + + ˆβ 12 (x 2 K 52 ) + + ˆβ 13 x 3 + ˆβ 14 (x 3 K 13 ) + + ˆβ 15 (x 3 K 23 ) + + ˆβ 16 (x 3 K 33 ) + + ˆβ 17 (x 3 K 43 ) + + ˆβ 18 (x 3 K 53 ) +. Selanjutnya ditentukan nilai GCV minimal dengan menggunakan 5 titik knot yang ditunjukkan pada Tabel 4.3. Berdasarkan Tabel 4.3 diketahui bahwa nilai GCV minimal adalah dengan titik knot untuk masing-masing faktor yaitu 1. Variabel x 1 : K 11 = 1445; K 21 = 1816; K 31 = 2361; K 41 = 2602; K 51 = Variabel x 2 : K 12 = 13737; K 22 = 17450; K 32 = 28315; K 42 = 33680; K 52 = Variabel x 3 : K 13 = 4598; K 23 = 5555; K 33 = 7685; K 43 = 11028; K 53 = Setelah pembentukan model dan pemilihan titik knot optimal menggunakan 3 titik knot, 4 titik knot, dan 5 titik knot, selanjutnya dibentuk model dan pemilihan titik knot optimal menggunakan kombinasi knot. Kombinasi titik knot yang digunakan yaitu kombinasi antara 3 titik knot, 4 titik knot, dan 5 titik knot. Hasil perhitungan nilai GCV untuk regresi nonparametrik spline menggunakan kombinasi titik knot ditunjukkan pada Tabel
8 Tabel 4.3. Nilai GCV dengan 5 titik knot pada masing-masing faktor No. x 1 x 2 x 3 GCV
9 Tabel 4.4. Nilai GCV dengan kombinasi titik knot pada masing-masing faktor No. x 1 x 2 x 3 GCV
10 Berdasarkan Tabel 4.4 diperoleh nilai GCV minimal untuk kombinasi titik knot adalah Kombinasi yang terpilih yaitu kombinasi titik knot 5-3-4, yang berarti faktor curah hujan 5 titik knot, alokasi pupuk urea bersubsidi 3 titik knot, dan alokasi pupuk organik bersubsidi 4 titik knot. Titik-titik knotnya adalah 1. Variabel x 1 : K 11 = 1447; K 21 = 1821; K 31 = 2360; K 41 = 2599; K 51 = Variabel x 2 : K 12 = 26218; K 22 = 33681; K 32 = Variabel x 3 : K 13 = 4597; K 23 = 5580; K 33 = 13789; K 43 = Setelah diperoleh titik knot optimal pada masing-masing titik knot, selanjutnya dilakukan pemilihan titik knot optimal dari masing-masing titik knot dan akan dibentuk ke model regresi nonparametrik spline. 4.4 Model Regresi Nonparametrik Spline pada Titik Knot Optimal Berdasarkan pemilihan titik optimal untuk masing-masing titik knot, yaitu 3 titik knot, 4 titik knot, 5 titik knot, dan kombinasi titik knot dihasilkan nilai GCV yang ditunjukkan pada Tabel 4.5. Tabel 4.5. Nilai GCV untuk masing-masing titik knot No. Titik Knot GCV 1 3 titik knot titik knot titik knot Kombinasi knot Setelah diperoleh titik knot optimal seperti pada Tabel 4.5 dapat dilihat bahwa nilai GCV minimal dihasilkan pada kombinasi titik knot, yaitu kombinasi 25
11 Model regresi nonparametrik spline dengan titik knot optimal pada faktorfaktor yang diduga mempengaruhi produksi jagung adalah ŷ = ˆβ 0 + ˆβ 1 x 1 + ˆβ 2 (x ) + + ˆβ 3 (x ) + + ˆβ 4 (x ) + + ˆβ 5 (x ) + + ˆβ 6 (x ) + + ˆβ 7 x 2 + ˆβ 8 (x ) + + ˆβ 9 (x ) + + ˆβ 10 (x ) + + ˆβ 11 x 3 + ˆβ 12 (x ) + + ˆβ 13 (x ) + + ˆβ 14 (x ) + + ˆβ 15 (x ) +. Setelah diperoleh model regresi nonparametrik spline yang sesuai selanjutnya dilakukan estimasi parameter. Estimasi parameter untuk model regresi nonparametrik spline menggunakan MKT dengan rumusnya adalah ˆβ = (XKX T K ) 1 (XK)(Y T ) Hasil estimasi parameter model regresi nonparametrik spline yang sesuai menggunakan MKT ditunjukkan pada Tabel 4.6. Tabel 4.6. Estimasi parameter untuk model regresi nonparametrik spline yang sesuai Parameter Estimasi Parameter Estimasi β β β β β β β β β β β β β 6 38 β β β Pengujian Parameter Pengujian parameter dilakukan untuk mengetahui apakah faktor-faktor memiliki pengaruh yang signifikan terhadap produksi jagung. Tahapan awal dalam 26
12 pengujian parameter adalah pengujian secara serentak. Apabila dalam pengujian serentak diperoleh hasil signifikan, maka selanjutnya dilakukan pengujian parameter secara individu. Pengujian parameter individu dilakukan untuk mengetahui parameter mana yang memberikan pengaruh signifikan terhadap produksi jagung di Jawa Tengah Pengujian Parameter Model Secara Serentak Hipotesis untuk pengujian parameter model secara serentak adalah H 0 :β 1 = β 2 =... = β 15 = 0 H 1 : Minimal ada satu β k 0, k = 1, 2,..., 15. Pada pengujian ini F hitung akan dibandingkan dengan F (0.05,15,15) yaitu sebesar Apabila nilai F hitung > F (0.05,15,15) maka kesimpulannya adalah minimal terdapat satu parameter yang signifikan. Dengan menggunakan rumus pada Persamaan (2.9) diperoleh nilai F adalah 18, sehingga dapat disimpulkan bahwa minimal ada satu parameter yang signifikan terhadap model. Selanjutnya untuk mengetahui parameter yang memberikan pengaruh signifikan maka dilakukan pengujian parameter secara individu Pengujian Parameter Model Secara Individu Hipotesis untuk pengujian parameter model secara individu adalah H 0 :β k = 0 H 1 : β k 0, k = 1, 2,..., 15. Pada pengujian ini t hitung akan dibandingkan dengan t (0.025,28) yaitu sebesar Apabila nilai t hitung > t (0.025,28) maka kesimpulannya adalah parameter signifikan. Dengan menggunakan rumus pada Persamaan (2.10) diperoleh nilai t signifikan yang disajikan pada Tabel 4.7 sehingga dapat diambil keputusan. 27
13 Tabel 4.7. Pengujian parameter model regresi secara individu Parameter Koefisien Keputusan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Signifikan β Signifikan β Signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan β Tidak signifikan 4.6 Pengujian Asumsi Sisaan Pengujian asumsi sisaan berkaitan dengan kebaikan model regresi. Menurut Budiantara [1] model regresi yang melanggar asumsi sisaan tidak disarankan dipakai untuk menggambarkan pola hubungan antara variabel respon dan variabel prediktor. Asumsi sisaan yang digunakan, yaitu heteroskedastisitas, autokorelasi, dan kenormalan. 1. Uji Heteroskedastisitas Pengujian asumsi heteroskedastisitas pada sisaan digunakan untuk melihat homogenitas variansi sisaan. Uji yang digunakan adalah uji Glejser. Hipotesis H 0 : tidak terdapat heteroskedastisitas dan H 1 : terdapat hete- 28
14 roskedastisitas. Pada data ini diperoleh F hitung = 2.26 sedangkan untuk F 0.05(3,27) = Karena nilai F hitung < F 0.05(3,27), H 0 tidak ditolak yang berarti bahwa tidak terdapat heteroskedastisitas. 2. Uji Autokorelasi Pengujian asumsi ini digunakan untuk mengetahui apakah terdapat korelasi antar sisaan. Uji yang digunakan adalah uji Durbin Watson dengan hipotesisnya H 0 : tidak terdapat autokorelasi dan H 1 : terdapat autokorelasi. Pada data ini diperoleh nilai d hitung = 2.29 sedangkan untuk d u = Karena nilai d hitung > d u, dapat disimpulkan bahwa tidak terdapat autokorelasi. 3. Uji Kenormalan Pengujian ini dilakukan untuk mengetahui apakah sisaan berdistribusi normal atau tidak menggunakan uji Lilliefors. Hipotesis yang digunakan adalah H 0 : sisaan berdistribusi normal dan H 1 : sisaan tidak berdistribusi normal. Pada data ini diperoleh nilai t hitung sebesar 0.12, sedangkan untuk t 0.05,31 = Karena 0.12 < 0.16, dapat disimpulkan bahwa sisaan berdistribusi normal. 4.7 Model Regresi Nonparametrik Spline yang Sesuai Setelah dilakukan uji signifikansi parameter dan uji asumsi sisaan diperoleh model regresi nonparametrik spline yang sesuai adalah ŷ = 29.6(x 2i 26218) (x 2i 33681) (x 2i 35022) + Interpretasi dari model tersebut yaitu wilayah dengan alokasi pupuk urea bersubsidi antara sampai kurang dari ton, jika alokasi pupuk urea bersubsidi naik 1 ton maka produksi jagung akan naik sebesar 29.6 ton. Wilayahnya meliputi Kabupaten Temanggung, Kendal, Boyolali, dan Klaten. Wilayah dengan alokasi pupuk urea bersubsidi antara sampai kurang dari ton, jika 29
15 alokasi pupuk urea bersubsidi naik 1 ton maka produksi jagung akan turun sebesar ton. Wilayahnya meliputi Kabupaten Wonogiri dan Cilacap. Wilayah dengan alokasi pupuk urea bersubsidi lebih dari ton, jika alokasi pupuk urea bersubsidi naik 1 ton maka produksi jagung akan naik sebesar 10.2 ton. Wilayahnya meliputi Kabupaten Sragen, Blora, Grobogan, Pati, Brebes, Demak, dan Tegal. Gambar 4.4. Pembagian wilayah berdasarkan alokasi pupuk urea bersubsidi 4.8 Koefisien Determinasi (R 2 ) Model regresi nonparametrik spline yang sesuai dihitung nilai R 2 untuk mengetahui kebaikan model. Nilai R 2 adalah R 2 = = Dari model yang telah terbentuk diperoleh R 2 sebesar 0.947, yang berarti faktor alokasi pupuk urea bersubsidi berpengaruh terhadap produksi jagung sebesar 94.7%. 30
BAB 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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Metode Dasar Penelitian Metode dasar yang digunakan dalam penelitian ini adalah metode eksplanasi, karena dalam penelitian ini menggunakan dua variabel. Metode eksplanasi
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 terperincioleh MONIKA AGESTI VIRGA ADHISURYA M
FAKTOR YANG MEMPENGARUHI PRODUKSI JAGUNG DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK SPLINE oleh MONIKA AGESTI VIRGA ADHISURYA M0111057 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Metode Dasar Penelitian Metode dasar penelitian yang digunakan ialah metode penelitian eksplanatoris. Penelitian eksplanatoris merupakan penelitian yang bersifat noneksploratif,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi Penelitian Penelitian ini dilakukan di Kabupaten/Kota Provinsi Jawa Tengah. Jawa Tengah merupakan Provinsi yang termasuk ke dalam Provinsi yang memiliki jumlah penduduk
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dibahas mengenai gambaran persebaran IPM dan komponen-komponen penyususn IPM di Provinsi Jawa Tengah. Selanjutnya dilakukan pemodelan dengan menggunakan
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. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1. Gambaran Persebaran Penduduk Miskin Provinsi Jawa Tengah merupakan salah satu provinsi di Indonesia yang memiliki kabupaten atau kota sejumlah 35 kabupaten dan kota (BPS,
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-157 Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
Lebih terperinciPemodelan Regresi Spline Truncated Multivariabel pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Kabupaten/Kota Provinsi Jawa Tengah
JURNAL SAINS DAN SENI POMITS Vol., No.1, (013) 337-350 (301-98X Print) D-19 Pemodelan Regresi Spline Truncated Multivariabel pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Kabupaten/Kota Provinsi Jawa
Lebih terperinciPemodelan Spline Truncated dalam Regresi Nonparametrik Birespon
Konferensi Nasional Sistem & Informatika 7 STMIK STIKOM Bali, Agustus 7 Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Luh Putu Safitri Pratiwi Program Studi Sistem Informasi STMIK STIKOM
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Pada bab ini disajikan deskripsi data, k-means clustering, uji stasioneritas data masing-masing cluster, orde model VAR, model VAR-GSTAR dengan pembobot normalisasi korelasi
Lebih terperinciPEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN
SIDANG LAPORAN TUGAS AKHIR PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN Oleh : Servianie Purnamasari (1310 030
Lebih terperinciBAB V ANALISIS DAN PEMBAHASAN. hasil dari uji heterokedastisitas tersebut menggunakan uji Park. Kriteria
BAB V ANALISIS DAN PEMBAHASAN A. Uji Kualitas Data 1. UJI Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi imi terjadi heterokedastisitas atau tidak, untuk
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian tentang kemiskinan ini hanya terbatas pada kemiskinan di Provinsi Jawa Tengah tahun 2007-2011. Variabel yang digunakan dalam menganalisis
Lebih terperinciBAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis dalam statistika yang dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau variabel bebas X dengan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1. Gambaran Umum Subyek penelitian Penelitian ini tentang pertumbuhan ekonomi, inflasi dan tingkat kesempatan kerja terhadap tingkat kemiskinan di Kabupaten/kota
Lebih terperinciBAB III METODE PENELITIAN. kepada pemerintah pusat. Penulis melakukan pengambilan data
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilakukan pada kabupaten/kota provinsi Jawa Tengah tahun 2011-2013 yang seluruh data keuangannya telah di terbitkan dan dilaporkan kepada
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN Amalia Ma rufa, Sri Subanti, Titin Sri Martini Program Studi Matematika FMIPA UNS
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab analisis dan pembahasan ini akan jelaskan tentang pola persebaran jumlah penderita kusta dan faktor-faktor yang mempengaruhinya, kemudian dilanjutkan dengan pemodelan
Lebih terperinciBAB I PENDAHULUAN. berinteraksi mengikuti pola yang tidak selalu mudah dipahami. Apabila
BAB I PENDAHULUAN A. Latar Belakang Masalah Pengangguran merupakan masalah yang sangat kompleks karena mempengaruhi sekaligus dipengaruhi oleh beberapa faktor yang saling berinteraksi mengikuti pola yang
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 I PENDAHULUAN. turun, ditambah lagi naiknya harga benih, pupuk, pestisida dan obat-obatan
BAB I PENDAHULUAN A. Latar Belakang Penelitian Pertanian merupakan salah satu basis perekonomian Indonesia. Jika mengingat bahwa Indonesia adalah negara agraris, maka pembangunan pertanian akan memberikan
Lebih terperinciPemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (04) 7-0 (0-98X Print) D-7 Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya Merly Fatriana Bintariningrum
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. Jawa Tengah terletak di antara B.T B.T dan 6 30 L.S --
BAB IV ANALISIS DAN PEMBAHASAN A. Gambaran Umum Provinsi Jawa Tengah 1. Letak dan Luas Wilayah Jawa Tengah terletak di antara 108 30 B.T -- 111 30 B.T dan 6 30 L.S -- 8 30 L.S. Propinsi ini terletak di
Lebih terperinciTABEL 2.1. ESTIMASI KETERSEDIAAN PANGAN JAWA TENGAH 2013 ASEM _2012
Komoditi TABEL 2.1. ESTIMASI KETERSEDIAAN PANGAN JAWA TENGAH 2013 ASEM _2012 Produksi Penyediaan Kebutuhan Konsumsi per kapita Faktor Konversi +/- (ton) (ton) (ton) (ton) (kg/kap/th) (100-angka susut)
Lebih terperinciLampiran 1. Data Penelitian No Kabupaten Y X1 X2 X3 1 Kab. Cilacap Kab. Banyumas Kab.
LAMPIRAN Lampiran 1. Data Penelitian No Kabupaten Y X1 X2 X3 1 Kab. Cilacap 15.24 6.68 22.78 1676090 2 Kab. Banyumas 18.44 5.45 21.18 1605580 3 Kab. Purbalingga 20.53 5.63 21.56 879880 4 Kab. Banjarnegara
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 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 terperinciLUAS TANAM, LUAS PANEN DAN PREDIKSI PANEN PADI TAHUN 2016 DINAS PERTANIAN TANAMAN PANGAN DAN HORTIKULTURA PROVINSI JAWA TENGAH
LUAS TANAM, LUAS PANEN DAN PREDIKSI PANEN PADI TAHUN 2016 DINAS PERTANIAN TANAMAN PANGAN DAN HORTIKULTURA PROVINSI JAWA TENGAH OUT LINE 1. CAPAIAN PRODUKSI 2. SASARAN LUAS TANAM DAN LUAS PANEN 3. CAPAIAN
Lebih terperinciSEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.
16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciKATA PENGANTAR. Demikian Buku KEADAAN TANAMAN PANGAN JAWA TENGAH kami susun dan semoga dapat digunakan sebagaimana mestinya.
KATA PENGANTAR Sektor pertanian merupakan sektor yang vital dalam perekonomian Jawa Tengah. Sebagian masyarakat Jawa Tengah memiliki mata pencaharian di bidang pertanian. Peningkatan kualitas dan kuantitas
Lebih terperinciPRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH TAHUN 2014 PROVINSI JAWA TENGAH
No. 56/08/33 Th.IX, 3 Agustus 2015 PRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH TAHUN 2014 PROVINSI JAWA TENGAH PRODUKSI CABAI BESAR SEBESAR 167,79 RIBU TON, CABAI RAWIT SEBESAR 107,95 RIBU TON,
Lebih terperinciPRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH PROVINSI JAWA TENGAH TAHUN 2013
No. 50/08/33/Th. VIII, 4 Agustus 2014 PRODUKSI CABAI BESAR, CABAI RAWIT, DAN BAWANG MERAH PROVINSI JAWA TENGAH TAHUN 2013 PRODUKSI CABAI BESAR SEBESAR 145,04 RIBU TON, CABAI RAWIT 85,36 RIBU TON, DAN BAWANG
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Asumsi Klasik 1. Uji Heteroskedastisitas Berdasarkan uji Park, nilai probabilitas dari semua variabel independen tidak signifikan pada tingkat 5%. Keadaan ini
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 terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Obyek Penelitian Hasil analisa Deskripsi Obyek Penelitian dapat dilihat pada deskriptif statistik dibawah ini yang menjadi sampel penelitian adalah
Lebih terperinciPROVINSI JAWA TENGAH. Data Agregat per K b t /K t
PROVINSI JAWA TENGAH Data Agregat per K b t /K t PROVINSI JAWA TENGAH Penutup Penyelenggaraan Sensus Penduduk 2010 merupakan hajatan besar bangsa yang hasilnya sangat penting dalam rangka perencanaan pembangunan.
Lebih terperinciDAFTAR LAMPIRAN. Data Variabel Pertumbuhan Ekonomi Atas Dasar Harga Berlaku. Kabupaten/Kota Provinsi Jawa Tengah Tahun
DAFTAR LAMPIRAN LAMPIRAN 1 Data Variabel Pertumbuhan Ekonomi Atas Dasar Harga Berlaku Kabupaten/Kota Provinsi Jawa Tengah Tahun 2013-2015 1 Kab. Banjarnegara 10,56 13,03 10,99 2 Kab. Batang 10,26 12,26
Lebih terperinciBAB III METODE PENELITIAN. mengemukakan definisi metode penelitian sebagai berikut: mendapatkan data dengan tujuan dan kegunaan tertentu.
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Metode penelitian merupakan cara penelitian yang digunakan untuk mendapatkan data untuk mencapai tujuan tertentu. Menurut Sugiyono (2010:2) mengemukakan
Lebih terperinciGUBERNUR JAWA TENGAH
GUBERNUR JAWA TENGAH PERATURANGUBERNUR JAWA TENGAH NOMOR 53 TARUN 2116 PERUBAHANPERATURANGUBERNUR JAWA TENGAH NOMOR 63 TAHUN2015 KEBUTUHAN DAN HARGAECERAN TERTINGGI PUPUK BERSUBSIDI UNTUK SEKTOR PERTANIANDI
Lebih terperinciBAB III METODE PENELITIAN. survei SOUT (Struktur Ongkos Usaha Tani) kedelai yang diselenggarakan oleh
BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian adalah data sekunder hasil survei SOUT (Struktur Ongkos Usaha Tani) kedelai yang diselenggarakan oleh BPS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kota Medan merupakan ibukota Provinsi Sumatera Utara dan menjadi kota terbesar nomor 3 (tiga) di Indonesia setelah Jakarta dan Surabaya. Selain sebagai kota
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 terperinciIV. METODOLOGI PENELITIAN. Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten
IV. METODOLOGI PENELITIAN 4.1 Lokasi dan Waktu Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten Kepulauan Seribu, Provinsi DKI Jakarta. Pemilihan lokasi dilakukan secara sengaja (purposive
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. Pada bab ini dilakukan analisis model Fixed Effect dan pengujian
BAB V HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini dilakukan analisis model Fixed Effect dan pengujian hipotesisinya yang meliputi uji serempak (ujif), uji signifikansi paramerer individual (uji T), dan
Lebih terperinciBAB I PENDAHULUAN. meningkatkan pertumbuhan ekonomi dan merangsang proses produksi barang. maupun jasa dalam kegiatan masyarakat (Arta, 2013).
BAB I PENDAHULUAN A. Latar Belakang Masalah Pembangunan ekonomi merupakan suatu perubahan struktur ekonomi dan usaha-usaha untuk meningkatkan taraf hidup dan kesejaheraan penduduk atau masyarakat. Kemiskinan,
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
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 terperinciPemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. No. (06 7-0 (0-98X Print D-6 Pemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Anita Trias Anggraeni
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 terperinciPEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE
PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE SKRIPSI Disusun oleh SETA SATRIA UTAMA 24010210120004 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB III METODE PENELITIAN. kabupaten/kota di provinsi Jawa Tengah yang terdiri dari : 1. Kab. Banjarnegara 13. Kab. Demak 25. Kab.
BAB III METODE PENELITIAN A. Obyek dan Subyek Penelitian Dalam penelitian ini daerah yang digunakan adalah seluruh kabupaten/kota di provinsi Jawa Tengah yang terdiri dari : 1. Kab. Banjarnegara 13. Kab.
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (217) ISSN: 2337-352 (231-928X Print) D-11 Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline
Lebih terperinciBAB I PENDAHULUAN. meningkat. Kemampuan yang meningkat ini disebabkan karena faktor-faktor. pembangunan suatu negara (Maharani dan Sri, 2014).
BAB I PENDAHULUAN A. Latar Belakang Masalah Masalah pertumbuhan ekonomi dapat dipandang sebagai masalah makroekonomi jangka panjang. Dari satu periode ke periode berikutnya kemampuan suatu negara untuk
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 terperinciKata Kunci kematian maternal, regresi, spline, nonparametrik, GCV
JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Print) D-13 Pendekatan Spline untuk Estimasi Kurva Regresi Nonparametrik (Studi Kasus pada Data Angka Kematian Maternal di Jawa Timur)
Lebih terperinciBAB 1 PENDAHULUAN. bersubsidi. Pupuk yang ditetapkan sebagai pupuk bersubsidi adalah pupuk
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Pupuk merupakan salah satu kebutuhan yang penting bagi petani untuk membantu meningkatkan produktivitas mereka dalam memenuhi kebutuhan pangan masyarakat Indonesia.
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 terperinciBAB V HASIL DAN PEMBAHASAN. 5.1 Trend Kesenjangann Ekonomi Antar Wilayah di Provinsi Jawa Tengah
44 BAB V HASIL DAN PEMBAHASAN 5.1 Trend Kesenjangann Ekonomi Antar Wilayah di Provinsi Jawa Tengah Kesenjangan ekonomi antar wilayah dapat ditentukan menggunakan indeks Williamson yang kemudian dikenal
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE
PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE SKRIPSI Disusun Oleh : ANISA SEPTI RAHMAWATI 24010212140046 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB IV GAMBARAN UMUM
BAB IV GAMBARAN UMUM A. Gambaran Umum Provinsi Jawa Tengah 1. Peta Provinsi Jawa Tengah Sumber : Jawa Tengah Dalam Angka Gambar 4.1 Peta Provinsi Jawa Tengah 2. Kondisi Geografis Jawa Tengah merupakan
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Pengumpulan Data Panel Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Tengah. Data yang
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
5 II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 12) ISSN: 2301-928X D-1 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square
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 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 terperinciFaktor-Faktor yang Mempengaruhi Contraceptive Prevalence Rate (Cpr) di Indonesia dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol.,., (0) 7-0 (0-9X Print) D-97 Faktor-Faktor yang empengaruhi Contraceptive Prevalence Rate (Cpr) di Indonesia dengan Pendekatan Regresi nparametrik Spline Diana Cristie dan
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Dalam ilmu statistika, metode yang dapat digunakan untuk menganalisis pola hubungan antara satu variabel atau lebih dengan satu variabel atau lebih lainnya
Lebih terperinciGUBERNUR JAWA TENGAH PERATURAN GUBERNUR JAWA TENGAH NOMOR 74 TAHUN 2013 TENTANG
GUBERNUR JAWA TENGAH PERATURAN GUBERNUR JAWA TENGAH NOMOR 74 TAHUN 2013 TENTANG KEBUTUHAN DAN HARGA ECERAN TERTINGGI PUPUK BERSUBSIDI UNTUK SEKTOR PERTANIAN DI PROVINSI JAWA TENGAH TAHUN ANGGARAN 2014
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 terperinciTABEL 4.1. TINGKAT KONSUMSI PANGAN NASIONAL BERDASARKAN POLA PANGAN HARAPAN
TABEL 4.1. TINGKAT KONSUMSI PANGAN NASIONAL BERDASARKAN POLA PANGAN HARAPAN No Kelompok Pola Harapan Nasional Gram/hari2) Energi (kkal) %AKG 2) 1 Padi-padian 275 1000 50.0 25.0 2 Umbi-umbian 100 120 6.0
Lebih terperinciPEMODELAN KETAHANAN PANGAN KEDELAI (GLYSINE SOYA MAX (LENUS&MERRIL)) DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL REGRESSION
PEMODELAN KETAHANAN PANGAN KEDELAI (GLYSINE SOYA MAX (LENUS&MERRIL)) DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL REGRESSION 1 Fathikatul Arnanda, 2 Yusnia Kriswanto, 3 Imaroh Izzatun, 4 Devi Nurlita,
Lebih terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
Lebih terperinciBAB I PENDAHULUAN. yang melibatkan seluruh kegiatan dengan dukungan masyarakat yang. berperan di berbagai sektor yang bertujuan untuk meratakan serta
BAB I PENDAHULUAN A. LATAR BELAKANG Pembangunan daerah merupakan suatu proses perubahan terencana yang melibatkan seluruh kegiatan dengan dukungan masyarakat yang berperan di berbagai sektor yang bertujuan
Lebih terperinciBAB I PENDAHULUAN. Definisi kekeringan dalam Permasalahan Kekeringan dan Cara. lebih panjang akan mengakibatkan ketidakmampuan memenuhi kebutuhan air
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Definisi kekeringan dalam Permasalahan Kekeringan dan Cara Mengatasinya (2003) adalah kekurangan curah hujan dari biasanya atau kondisi normal bila terjadi
Lebih terperinciAPLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
E-Jurnal Matematika Vol 6 (1), Januari 2017, pp 65-73 ISSN: 2303-1751 APLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
Lebih terperinciASPEK : PARTISIPASI MASYARAKAT DALAM PEMAKAIAN KONTRASEPSI INDIKATOR : HASIL PEROLEHAN PESERTA KB BARU
INDIKATOR : HASIL PEROLEHAN PESERTA KB BARU BULAN : KABUPATEN/KOTA IUD MOW MOP KDM IMPL STK PILL JML PPM PB % 1 Banyumas 748 34 3 790 684 2,379 1,165 5,803 57,379 10.11 2 Purbalingga 141 51 10 139 228
Lebih terperinciPERATURAN GUBERNUR JAWA TENGAH NOMOR 7 TAHUN 2018 TAHUN 2012 TENTANG
PERATURAN GUBERNUR JAWA TENGAH NOMOR 7 TAHUN 2018 TAHUN 2012 TENTANG ALOKASI DANA BAGI HASIL CUKAI HASIL TEMBAKAU BAGIAN PEMERINTAH PROVINSI JAWA TENGAH DAN PEMERINTAH KABUPATEN/KOTA DI JAWA TENGAH TAHUN
Lebih terperinciASPEK : PARTISIPASI MASYARAKAT DALAM PEMAKAIAN KONTRASEPSI INDIKATOR : HASIL PEROLEHAN PESERTA KB BARU
INDIKATOR : HASIL PEROLEHAN PESERTA KB BARU BULAN : KABUPATEN/KOTA IUD MOW MOP KDM IMPL STK PILL JML PPM PB % 1 Banyumas 447 60 8 364 478 2.632 629 4.618 57.379 8,05 2 Purbalingga 87 145 33 174 119 1.137
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR
SULVIA MEGASARI 1310 100 037 PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR 1 Sulvia Megasari dan I Nyoman Budiantara Jurusan Statistika, Fakultas Matematika
Lebih terperinciBAB IV GAMBARAN UMUM OBJEK PENELITIAN. Provinsi Jawa Tengah sebagai salah satu Provinsi di Jawa, letaknya diapit
BAB IV GAMBARAN UMUM OBJEK PENELITIAN A. Gambaran Umum Objek Penelitian 1. Kondisi Fisik Daerah Provinsi Jawa Tengah sebagai salah satu Provinsi di Jawa, letaknya diapit oleh dua Provinsi besar, yaitu
Lebih terperinciANALISIS REGRESI LINIER SEDERHANA DENGAN METODE THEIL
ANALISIS REGRESI LINIER SEDERHANA DENGAN METODE THEIL SKRIPSI Oleh : Prayitno Amigoro NIM. J2E 004 242 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciAPLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR
APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR Oleh : Isnia Dwimayanti (0 09 06) Pembimbing : DR Drs I Nyoman Budiantara, MS ABSTRAK Tingginya tingkat fertilitas
Lebih terperinciBAB III METODOLOGI PENELITIAN. mengenai situasi dan kondisi latar penelitian. Menurut Arikunto (1989),
BAB III METODOLOGI PENELITIAN A. Subjek dan Objek Penelitian Menurut Moleong (2010:132), subjek penelitian sebagai informan, yang berarti orang pada latar penelitian yang dapat memberikan informasi mengenai
Lebih terperinciI. PENDAHULUAN 1. Latar Belakang Tembakau merupakan salah satu komoditas perdagangan penting di dunia. Menurut Rachmat dan Sri (2009) sejak tahun
I. PENDAHULUAN 1. Latar Belakang Tembakau merupakan salah satu komoditas perdagangan penting di dunia. Menurut Rachmat dan Sri (2009) sejak tahun 2000-an kondisi agribisnis tembakau di dunia cenderung
Lebih terperinciRegresi Linier Berganda
Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. mendapatkan model dan faktor-faktornya, terlebih dahulu akan dibahas. bagaimana mendapatkan sampel dalam penelitian ini.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan hasil dari penelitian yang meliputi model terbaik dari indeks prestasi kumulatif mahasiswa dan faktor-faktor apa saja yang berpengaruh terhadap
Lebih terperinciKeadaan Tanaman Pangan dan Hortikultura Jawa Tengah April 2015
KATA PENGANTAR Sektor pertanian merupakan sektor yang vital dalam perekonomian Jawa Tengah. Sebagian masyarakat Jawa Tengah memiliki mata pencaharian di bidang pertanian. Peningkatan kualitas dan kuantitas
Lebih terperinciBAB 1 PENDAHULUAN. dan Jusuf Kalla, Indonesia mempunyai strategi pembangunan yang
BAB 1 PENDAHULUAN A. Latar Belakang Masalah Di era Presiden dan Wakil Presiden Republik Indonesia, Joko Widodo dan Jusuf Kalla, Indonesia mempunyai strategi pembangunan yang dinamakan dengan nawacita.
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI
Lebih terperinciBAB I PENDAHULUAN. terhadap kebijakan-kebijakan pembangunan yang didasarkan kekhasan daerah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah pokok dalam pembangunan daerah adalah terletak pada penekanan terhadap kebijakan-kebijakan pembangunan yang didasarkan kekhasan daerah yang bersangkutan dengan
Lebih terperinciBAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi.
BAB I Pendahuluan 1.1. Latar belakang Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
Lebih terperinciAnalisis Regresi Spline Multivariabel untuk Pemodelan Kematian Penderita Demam Berdarah Dengue (DBD) di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 0) ISSN: 0-98X D- Analisis Regresi Spline Multivariabel untuk Pemodelan Kematian Penderita Demam Berdarah Dengue (DBD) di Jawa Timur Reza Mubarak dan I Nyoman
Lebih terperinciDAFTAR ISI ABSTRACT. BAB I PENDAHULUAN 1.1 LatarBelakang Pembatasan Masalah TujuanPenulisan
`DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN HALAMAN PERSEMBAHAN KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR LAMPIRAN INTISARI ABSTRACT i ii iii iv v vii x xi xii xiv
Lebih terperinci