Pemodelan. The model should be complex enough to fit the data well, but simpler models are easier to interpret
|
|
- Ivan Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pemodelan tujuan The model should be complex enough to fit the data well, but simpler models are easier to interpret
2 Study Confirmatory Exploratory
3 How Many Predictors Can You Use?
4 Strategi Pemilihan Model
5 Strategi pemilihan model Evaluasi variabel bebas : Ideal : 10 respon untuk 1 prediktor Example : Jika n = 1000 hanya ada 30 pengamatan dengan Y = 1 Idealnya hanya ada 3 prediktor Prediktor yang banyak rentan dengan kasus MULTIKOLINIERITAS
6 CONTOH KASUS Studi mengenai faktor yang mempengaruhi banyaknya satellite kepiting betina. X Berat Lebar cangkang Warna 1 = agak terang 2 = sedang 3 = agak gelap 4 = gelap Kondisi Capit 1 = kedua-duanya baik, 0 selainnya 2 = salah satunya cacat, 0 selainnya Y 1 = memiliki satellite 1 0 = tidak memiliki satellite
7 Menggunakan peubah boneka: MODEL LOGITNYA : Logit [P(Y=1)] = α +β 1 Weight +β 2 Width + β 3 C 1 + β 4 C 2 + β 5 C 3 + β 6 S 1 + β 7 S 2 X 1 = Berat X2 = Lebar Cangkang C1 = 1 untuk warna agak terang, 0 selainnya C2 = 1 untuk warna sedang, 0 selainnya C3 = 1 untuk warna agak gelap, 0 selainnya S1 = 1 untuk kondisi capit yang kedua-duanya baik, 0 selainnya S2 = 1 untuk kondisi capit yang salah satunya jelek, 0 selainnya
8 HASIL ANALISIS Parameter Estimate SE Intercept Color (1) Color (2) Color (3) Spine (1) Spine (2) Weight Width
9 Testing Global Null Hypothesis: BETA=0 Test Chi-Square DF Pr > ChiSq Likelihood Ratio <.0001 Score <.0001 Wald
10 Uji likelihood-ratio (simultan) Hipotesis Uji H 0 : β1 = = β7 = 0. H 1 : minimal ada βi 0, i = 1, 2,,7 Statistik Uji G = 2(L 0 L 1 ) = 40.6 db = 7, Pvalue < Yang berarti tolak H 0 didapatkan kesimpulan bahwa minimal ada 1 prediktor yang mempengaruhi banyaknya satellite pada kepiting betina.
11 UJI PARSIAL (WALD) Parameter Estimate Std Error Wald Chi Square Pr> Chisq Intercept Color (1) Color (2) Color (3) Spine (1) Spine (2) Weight Width
12 Uji Parsial lanjutan Catatan : Walaupun secara simultan hasilnya signifikan, tetapi secara parsial hanya color yang sedang yang signifikan, ini mengindikasikan adanya multikolinieritas. Telah diuji dan dibuktikan bahwa width berpengaruh signifikan terhadap model, sehingga variabel width digunakan untuk analisis. Sedangkan variabel weight dibuang. weight and width have a strong correlation (0.887). For practical purposes they are equally good predictors, but it is nearly redundant to use them both. width (W), Color (C) dan spine (S).
13 SELEKSI MODEL Stepwise untuk menyeleksi variabel prediktor yang masuk dalam model : 1.Forward : Menyeleksi satu persatu variabel yang masuk dalam model secara sequential 2. Backward : Dimulai dengan memasukkan semua variabel prediktor, kemudian dibuang satu persatu secara sequential, sampai didapatkan model yang paling layak digunakan
14 CONTOH KASUS : METODE BACKWARD Data Kepiting Model Prediktor Deviance df AIC Model Banding 1 C*S+C*W+S*W Beda Deviance 2 C + S + W (2)-(1) 12.9 (df=11) 3a C + S (3a)-(2) 22.2 (df=1) 3b S + W (3b)-(2) 7.8 (df=3) 3c C + W (3c)-(2) 0.9 (df=2) 4a C (4a)-(3c) 24.6 (df=1) 4b W (4b)-(3c) 7.0 (df=3) 5 C = dark + W (5)-(3c) 0.5 (df=2) 6 None (6)-(5) 37.8 (df=2)
15 l. Memilih model UJI signifikansi MODEL : Hipotesis Ujinya : Ho : model sederhana lebih baik Ha : model Yang lebih Lengkap yang lebih baik Model 2 (C+S+W) Vs Model 1 (C*S+C*W+S*W) Beda Deviance = = 12.9 db = = 11, P-value = 0.30, Tolak Ha : Tidak diperlukan interaksi pada semua factor dalam model Model 4b (W) Vs Model 3c ( C+W) Beda deviance = = 7.0 Db = = 3, P-value = 0.07 Tolak Ha : untuk model ini tidak perlu memasukan variabel Color
16 MEMILIH model lanjutan Akaike information criterion (AIC) AIC = -2 (log likelihood jumlah parameter dalam model) = -2 log likelihood + 2 (jumlah parameter dalam model) Model C + W didapat -2 log likelihood = Jumlah parameter 5 ( 1 intercept, width, dan 3 color), AIC = (5) = Model yang lebih sederhana C = dark + W didapat -2 log likelihood = 188 Jumlah parameter 3 ( 1 intercept, color, width) AIC = (3) = 194.0
17 TINGKAT KEBAIKAN PREDIKSI MODEL TABEL KLASIFIKASI ŷ = 1 ketika πi > π o dan ŷ =0 ketika πi π o untuk beberapa nilaicut off pada π 0 Untuk model (C + W)sebagai prediktor, dari data 173 kepiting sebanyak 111 memiliki satellite dengan proporsi sampel = 111 / 173 = 0.64.
18 Uji Diagnostik Semakin sensitif uji diagnostik, semakin besar kemungkinan Anda akan mengklasifikasikan individu dengan penyakit sebagai positif. Semakin spesifik uji diagnostik, semakin besar kemungkinan Anda akan mengklasifikasikan individu tanpa penyakit sebagai negatif. Agar uji diagnostik untuk menjadi akurat, uji tersebut HARUS sensitive DAN spesifik.
19 Tabel Uji Diagnostik Hasil uji Sakit Ya Tidak Positif TP (a) FP(b) Negatif FN(c) TN(d) a= TP=True Positive b=fp = False Positive c =FN = False Negative d= TN = True Negative Sensitivitas = proporsi pasien dengan penyakit yang memiliki hasil tes positif = a / (a + c) Spesifisitas = proporsi pasien tanpa penyakit yang memiliki hasil tes negatif = d / (b + d) Positif Predictive Value (PPV) = proporsi pasien dengan hasil tes positif yang memiliki penyakit = a / (a + b) Negatif Nilai prediktif (NPV) = proporsi pasien dengan hasil tes negatif yang tidak memiliki penyakit = d / (c + d)
20 A classification table has limitations: It collapses continuous predictive values πˆ into binary ones. The choice of π0 is arbitrary. Results are sensitive to the relative numbers of times that y = 1 and y = 0.
21 PREDIKSI MODEL Table klasifikasi π 0 = 0.50 dan π 0 = 0.64
22 TABEL KLASIFIKASI lanjutan Sensitivitas = Spesifisitas = Ketika π 0 = dugaan sensitivitasnya = 74 / 111 = dan dugaan spesifisitasnya = 42/62 = Proporsi keseluruhan untuk kebenaran klasifikasi = ( ) / 173 = P P yˆ 0 yˆ 1 y y 0 1
23 Kurva ROC ROC menggambarkan hubungan antara sensitivitas dan spesifisitas (lihat slide berikutnya). ROC berhubungan sensitivitas disumbu x dan 1-spesifisitas pada sumbu y.
24 Kurva ROC (A receiver operating charateristic) 1 - Specificity ROC curve for the model for the horseshoe crabs using width and color as predictors
25 Ketika π0 mendekati 0, hampir semua prediksi y = 1; sensitivitas dekat 1, spesifisitas dekat 0, dan titik untuk (1 - spesifisitas, sensitivitas) memiliki koordinat dekat (1, 1). Ketika π0 mendekati 1, hampir semua prediksi y = 0; sensitivitas dekat 0, spesifisitas dekat 1, dan titik untuk (1 - spesifisitas, sensitivitas) memiliki koordinat dekat (0, 0). Untuk spesifisitas, daya prediksi yang lebih baik adalah yang memiliki sensitivitas lebih tinggi. Jadi, semakin baik daya prediksi, semakin tinggi kurva ROC.
26 When π0 = 0.642, specificity = 0.68, sensitivity = 0.67, and the point plotted has coordinates (0.32, 0.67). The area under the ROC curve is identical to the value of a measure of predictive power called the concordance index. Consider all pairs of observations (i, j ) such that yi = 1 and yj = 0. The concordance index c estimates the probability that the predictions and the outcomes are concordant, which means that the observation with the larger y also has the larger πˆ.
27 A value c = 0.50 means predictions were no better than random guessing. This corresponds to a model having only an intercept term. Its ROC curve is a straight line connecting the points (0, 0) and (1, 1). For the horseshoe crab data, c = with color alone as a predictor, with width alone, with width and color, and with width and an indicator for whether a crab has dark color.
28 ilustrasi Sumber:
29 Gambar A menunjukkan bahwa dengan titik cut-off dari CK> = 280 IU, sensitivitas sedikit rendah sementara spesifisitas tinggi. Gambar B menunjukan bahwa dengan cut-off point >=80 IU, sensitivitas dan spesifisitas tinggi. Sumber:
30 Gambar C menunjukkan bahwa dengan cut-off point >=40 IU, sensitivitas tinggi dan spesifisitas agak rendah. Intinya, cut-off point yang dipilih menentukan sensitivitas dan spesififitas tes Ketepatan (akurasi) keseluruhan tes diagnostik dapat diterangkan oleh luasnya area di bawah kurva ROC; makin luas area makin bertambah baik hasil tesnya (terbaik adalah area ROC pada Gambar B). Sumber:
31 Choose Sensitive or Specific Test? Sebuah uji yang ideal sangat sensitif dan spesifik. Namun, karena baik sensitivitas dan spesifisitas yang dibingkai tabel kontingensi 2x2, kenaikan sensitivitas akan menyebabkan penurunan spesifisitas, dan sebaliknya. Pilih tes yang sangat sensitif jika pengobatan yang efektif tersedia untuk TP(mis tuberkulosis,syphillis, dll). Selain menjadi efektif, perawatan ini mungkin murah, dan non-ekspansif, sehingga efek samping diabaikan. Di sisi lain, temuan FN akan merugikan pasien dan komunitas yang lebih besar dan menempatkan mereka pada risiko tinggi untuksuatu penyakit karena mereka tidak diobati dengan tersedia pengobatan yang efektif. Pilih uji yang sangat spesifik jika tes invasif, mahal, dan mengakibatkan efek samping banyak (kemoterapi misalnya untuk kanker) untuk temuan TN, sementara temuan FP akan menstigmatisasi pasien (mis HV / AIDS) Sumber:
32 PEMERIKSAAN MODEL Uji Likelihood-ratio yaitu : membandingkan model yang sederhana dengan model yang lebih kompleks Model kompleks kemungkinan mengandung efek non linier
33 PERBANDINGAN MODEL Mis : X = width sebagai prediktor Modelnya : logit[π(x)] = α + βx Dibandingkan dengan unsur Kuadrat Modelnya : logit[ (x)] = α + β1x + β2x 2 Hipotesis Uji : Ho : β2 = 0 Ha : β2 0
34 Statistik Uji : Uji Likelihood Ratio =0.83 dengan db=1, P-Value = 0.36 Kesimpulan : Terima Ho yang artinya Model sederhana lebih baik atau tidak perlu menggunakan unsur kuadrat dalam model.
35 GOODNESS Of FIT dan DEVIANCE Deviance dapat dicari dengan rumus : G 2 (M) = 2 observed [log(observed/fitted)] Statistic pearson dengan rumus : X 2 (M) =(observed fitted) 2 /fitted dengan; M = model yang diduga
36 CONTOH KASUS Suatu studi ingin mengetahui apakah AZT dapat memperlambat gejala AIDS Logit( ) = X z
37 Peluang gejala AIDS-nya akan terus meningkat bagi subjek yang menggunakan AZT secepatnya yaitu : Proporsi Ras putih yang menggunakan AZT Proporsi = 14/107 = Peluangnya = 0.131/( ) = Karena ada 107veteran kulit putih yang menggunakan AZT maka Dugaannya : 107 (0.150) = 16 Dugaan veteran yang gejala AIDSnya tidak meningkat = 107 (0.85) = 91.
38 G 2 = 1.38 dan X 2 = G 2 dan X 2 yang kecil mengindikasikan bahwa model yang didapatkan cocok.
39 RESIDUAL MODEL LOGIT
40 CONTOH KASUS Pelamar yang diterima (Y), gender (G) dan Departemen (D). nik adalah Jumlah gender i dalam departemen k, Yik adalah jumlah pelamar yang lulus dan πik adalah peluang sukses. contoh departemen astronomi menerima 6 wanita dengan standar deviasi = 2.87 departemen memiliki standar residual yang paling besar yang diduga oleh model.
41 the model may be inadequate, perhaps because a gender effect exists in some departments or because the binomial assumption of an identical probability of admission for all applicants of a given gender to a department is unrealistic. Its goodness-of-fit statistics are G2 = 44.7 and X2 = 40.9, both with df = 23. This model fits rather poorly (P-values = and 0.012).
42 Departments with large standardized residuals are responsible for the lack of fit. Significantly more females were admitted than the model predicts in the Astronomy and Geography departments, and fewer were admitted in the Psychology department. Without these three departments, the model fits adequately (G2 = 24.4,X2 = 22.8, df = 20). For the complete data, next we consider the model that also has a gender effect. It does not provide an improved fit (G2 = 42.4,X2 = 39.0, df = 22),
43 DIAGNOSTIK PENGARUH Identifikasi pengamatan berpengaruh dapat dilakukan dengan statistic D f beta, DifChisq, dan C bar (mirip dengan cook s distance pada regresi linear).
44 Contoh kasus Suatu studi dengan subyek pria berusia digolongkan : x = tekanan darah y = sakit jantungnya meningkat atau tidak selama periode pengamatan. Π i = peluang sakit jantung untuk tekanan darah kategori i Modelnya : logit(πi ) = α + βx i x i memiliki skor (111.5, 121.5, 131.5, 141.5, 151.5, 161.5, 176.5, 191.5)
45 HASIL ANALISIS Untuk data ini didapatkan G 2 = 5.9, X 2 = 6.3 dengan df = 6 tidak mengindikasikan lack of fit ( ketidakcocokan model).
46
Kasus. Survey terhadap remaja usia tahun apakah pernah melakukan kerja paruh waktu (part-time)??
Kasus Survey terhadap remaja usia 15-16 tahun apakah pernah melakukan kerja paruh waktu (part-time)?? Berikut Tabel datanya: Race Gender Yes Part Time Job No White Male 43 134 Female 26 149 Black Male
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 terperinciTES DIAGNOSTIK (DIAGNOSTIC TEST)
TES DIAGNOSTIK (DIAGNOSTIC TEST) Oleh: Risanto Siswosudarmo Departemen Obstetrika dan Ginekologi FK UGM Yogyakarta Pendahuluan. Test diagnostik adalah sebuah cara (alat) untuk menentukan apakah seseorang
Lebih terperinciHUBUNGAN ANTAR PEUBAH
HUBUNGAN ANTAR PEUBAH DALAM ANALISIS INGIN DIKETAHUI ATAU DIEVALUASI HUBUNGAN ATAU KETERKAITAN ANTAR PEUBAH Hubungan Antar Peubah Besarnya gaji Lama bekerja 1 Hubungan Antar Peubah (lanjutan) Pendapatan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data 1. Deskriptif Statistik Statistik deskriptif digunakan untuk menjelaskan atau menggambarkan secara umum berbagai karakteristik data yang telah dikumpulkan
Lebih terperinciRegresi Logistik 4.1 INTERPRETING THE LOGISTIC REGRESSION MODEL 4.2 INFERENCE FOR LOGISTIC REGRESSION
Respon Biner Regresi Logistik 4.1 INTERPRETING THE LOGISTIC REGRESSION MODEL 4.2 INFERENCE FOR LOGISTIC REGRESSION Model regresi logistik menggunakan peubah penjelas, baik kategorik atau kontinu, untuk
Lebih terperinciDependent VS independent variable
Kuswanto-2012 !" #!! $!! %! & '% Dependent VS independent variable Indep. Var. (X) Dep. Var (Y) Regression Equation Fertilizer doses Yield y = b0 + b1x Evaporation Rain fall y = b0+b1x+b2x 2 Sum of Leave
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 terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
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 REGRESI ANALISIS REGRESI
ANALISIS REGRESI Wahyu Widhiarso Fakultas Psikologi UGM ANALISIS REGRESI PENGERTIAN Jenis uji statistika yang dipakai untuk melihat daya prediksi variabel independen (prediktor) terhadap variabel dependen
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciInferensia Statistik parametrik VALID?? darimana sampel diambil
Inferensia Statistik parametrik VALID?? Tergantung dari bentuk populasi Tergantung dari bentuk populasi darimana sampel diambil Uji kesesuaian (goodness of fit) ) untuk tabel frekuensi Goodness-of-fit
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI PENGAMBILAN KEPUTUSAN PETANI TERHADAP PENGGUNAAN BENIH PADI DI KECAMATAN NISAM KABUPATEN ACEH UTARA
FAKTOR-FAKTOR YANG MEMPENGARUHI PENGAMBILAN KEPUTUSAN PETANI TERHADAP PENGGUNAAN BENIH PADI DI KECAMATAN NISAM KABUPATEN ACEH UTARA 18 Hayatul Rahmi 1, Fadli 2 email: fadli@unimal.ac.id ABSTRAK Pengambilan
Lebih terperinciLEMBAR PENJELASAN KEPADA RESPONDEN. Saya bernama Desi Handayani Lubis adalah mahasiswa S2 Program Studi
Lampiran 1. LEMBAR PENJELASAN KEPADA RESPONDEN Saya bernama Desi Handayani Lubis adalah mahasiswa S2 Program Studi Pascasarjana Ilmu Kesehatan Masyarakat Fakultas Kesehatan Masyarakat Universitas Sumatera
Lebih terperinci15/10/2014. Respon Biner
Respon Biner 1 Regresi Logistik 4.1 INTERPRETING THE LOGISTIC REGRESSION MODEL 4.2 INFERENCE FOR LOGISTIC REGRESSION Model regresi logistik menggunakan peubah penjelas, jl baik bik kategorik kt atau kontinu,
Lebih terperinciLampiran 2. Fungsi dari masing-masing pernyataan yang digunakan dalam PROC MIXED
LAMPIRAN Lampiran. Bentuk Umum Dari PROC MIXED PROC MIXED pilihan-pilihan ; BY nama-nama peubah ; CLASS nama-nama peubah ; ID nama-nama peubah; MODEL peubah respon = nama-nama peubah / pilihan-pilihan
Lebih terperinciLampiran 1. Perhitungan nilai IR (incident rate per kecamatan) = x = 61, karena nilai IR Kecamatan Adiwerna > 55 per 100.
Lampiran 1 Perhitungan nilai IR (incident rate per kecamatan) 1. IR Adiwerna = JKD = 79 128968 x100.000 = 61, karena nilai IR Kecamatan Adiwerna > 55 per 100.000 penduduk, maka digolongkan sebagai daerah
Lebih terperinciBAB 4 PEMBAHASAN HASIL PENELITIAN
BAB 4 PEMBAHASAN HASIL PENELITIAN 41 Hasil Uji Statistik 411 Statistik Deskriptif Pada bagian ini akan dibahas mengenai hasil pengolahan data statistik deskriptif dari variabel-variabel yang diteliti Langkah
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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penelitian Kurva ID anteseden menampilkan model ambang hujan dan persamaan empirik yang disajikan pada Gambar 4.1. Model ambang hujan pada penelitian yang
Lebih terperinciLampiran Hasil Output SPSS. Statistics. Skor Kepuasan Pasien Rawat Jalan. Valid 200 Missing 0 Mean Skor Kepuasan Pasien Rawat Jalan Frequenc y
1 Lampiran Hasil Output SPSS A. Analisis Univariat 1. Kepuasan Pasien Statistics Skor Kepuasan Pasien Rawat Jalan 200 Missing 0 Mean 46.73 Skor Kepuasan Pasien Rawat Jalan Frequenc y Cumulative 39 4 2.0
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab sebelumnya telah dijelaskan mengenai populasi dan proses pengumpulan data untuk kepentingan analisis data penelitian. Penelitian dilakukan dengan cara pengumpulan
Lebih terperinciBAB IV ANALISIA HASIL DAN PEMBAHASAN
39 BAB IV ANALISIA HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Dari 144 perusahaan manufaktur
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Analisis Model Berdasarkan teori dan metode penelitian yang telah dikemukakan maka model logit dengan rasio keuangan sebagai variabelnya akan digunakan untuk menyelesaikan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Penelitian ini merupakan suatu observasional, analitik, studi kasus kontrol untuk melihat perbandingan akurasi skor wells dengan skor padua dalam memprediksi
Lebih terperinciApa itu suatu Hypothesis?
Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik
Lebih terperinciLampiran. 1. Kuisioner
Lampiran. 1. Kuisioner FAKTOR-FAKTOR YANG MEMPENGARUHI PEMANFAATAN LAYANAN VOLUNTARY COUNSELING AND TESTING (VCT) PADA KELOMPOK RISIKO HIV/AIDS DI KLINIK IMS DAN VCT VETERAN MEDAN Petunjuk : a. Isilah
Lebih terperinciKUESIONER PENGARUH KARAKTERISTIK KADER TERHADAP PELAKSANAAN PENIMBANGAN BALITA DI POSYANDU KABUPATEN PIDIE NANGGRO ACEH DARUSSALAM TAHUN 2010
Lampiran 3 KUESIONER PENGARUH KARAKTERISTIK KADER TERHADAP PELAKSANAAN PENIMBANGAN BALITA DI POSYANDU KABUPATEN PIDIE NANGGRO ACEH DARUSSALAM TAHUN 2010 A. Karakteristik Responden No. Responden :.. - Umur
Lebih terperinciEBM Overview: Beberapa Konsep Penting Evidence-Based Medicine
EBM Overview: Beberapa Konsep Penting Evidence-Based Medicine Prof. Bhisma Murti Department of Public Health, Faculty of Medicine, Universitas Sebelas Maret Pretest Probability dan Pengambilan Keputusan
Lebih terperinciModel Regresi untuk Data Deret Waktu. Kuliah 8 Metode Peramalan Deret Waktu
Model Regresi untuk Data Deret Waktu Kuliah 8 Metode Peramalan Deret Waktu r.rahma.anisa@gmail.com Review Salah satu asumsi regresi linear klasik: cov e i, e j = 0 dengan e i menunjukkan galat pengamatan
Lebih terperinciBAB IV ANALISA HASIL DAN PEMBAHASAN. Tabel 4.1. Pada table 4.1 diatas menunjukan bahwa hasil uji statistik deskriptif untuk
BAB IV ANALISA HASIL DAN PEMBAHASAN A. Analisis Deskriptif Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation IS 81 0 1.23.426 SIZE 81 4.8932 7.4245 6.171004.6447805 NPM 81.0002.2895.093994.0754724
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek dalam penelitian ini adalah perusahaan manufaktur disektor 5 (consumer goods industry) periode 2008-2010. Berikut ini peneliti
Lebih terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017
Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017 1 Pada model linear klasik, seperti regresi linear, memerlukan asumsi bahwa peubah respon y menyebar Normal. Pada kenyataanya banyak ditemukan bahwa
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS REGRESI TERAPAN
LAPORAN PRAKTIKUM ANALISIS REGRESI TERAPAN OLEH: Gempur Safar 06/193137/PA/10877 Asisten: Jim Oklahoma (10419) Indri Rivani Purwanti (10990) Dosen Drs. Zulaela, M.Si. LABORATORIUM KOMPUTASI MATEMATIKA
Lebih terperinciLEMBAR PENJELASAN KEPADA CALON RESPONDEN. Perbandingan Sensitivitas Spesifisitas Skor Koivuranta Dan Sinclair Sebagai
Lampiran 1 LEMBAR PENJELASAN KEPADA CALON RESPONDEN Saya, Farida Sosiawati mahasiswa D4 Keperawatan Poltekkes Kemenkes Yogyakarta akan melakukan penelitian yang berjudul Perbandingan Sensitivitas Spesifisitas
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 terperinci4. HASIL PENELITIAN. 35 Universitas Indonesia
4. HASIL PENELITIAN 4.1. Pengumpulan Data Data didapatkan dari kuesioner program skrining See & Treat di 4 Puskesmas Jatinegara yaitu Kampung Melayu, Cipinang Besar Utara, Bidara Cina dan Rawa Bunga dari
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 terperinciDAFTAR LAMPIRAN. Daftar Perusahaan Sektor Industri Dasar dan Kimia Periode
DAFTAR LAMPIRAN Lampiran 1 Daftar Perusahaan Sektor Industri Dasar dan Kimia Periode 2008-2013 N0 NAMA PERUSAHAAN KODE PERSAHAAN 1 PT. Barito Pasific Tbk BRPT 2 PT. Budi Acid Jaya, Tbk BUDI 3 PT. Duta
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap Harga Saham Pada Perusahaan Perdagangan, Jasa Dan Investasi Di Daftar Efek Syariah
Lebih terperinciBAB II TINJAUAN PUSTAKA. penulisan skripsi. Teori penunjang tersebut adalah: Regresi logistik, analisis survival,
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melalukan pembahasan mengenai permasalahan dari skripsi ini, pada bab ini akan diuraikan beberapa teori penunjang yang dapat membantu dalam penulisan skripsi.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi,
BAB IV HASIL DAN PEMBAHASAN A. Hasil Analisis 1. Analisis Statistik Deskriptif Statistik deskriptif berfungsi untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean),
Lebih terperinciBAB IV HASIL PENELITIAN. A. Deskrispsi Data
BAB IV HASIL PENELITIAN A. Deskrispsi Data Penelitian yang berjudul Pengaruh Persepsi Dan Motivasi Belajar Terhadap Hasil Belajar Siswa Pada Mata Pelajaran Kewirausahaan Siswa Kelas X di SMK Negeri 1 Sukoharjo
Lebih terperinciGambaran Duplikasi Penomoran Rekam Medis. Gambaran Kualifikasi Pendidikan. Gambaran Pengetahuan. Statistics pemberian nomor. N Valid 60.
Gambaran Duplikasi Penomoran Rekam Medis Statistics N Valid 60 Missing 0 Frequency Percent Valid Percent Cumulative Percent Valid duplikasi 24 40.0 40.0 40.0 tidak duplikat 36 60.0 60.0 100.0 Total 60
Lebih terperinciBAB IV HASIL PENGUJIAN. Pada penelitian ini, peneliti menggunakan sampel perusahaan manufaktur
BAB IV HASIL PENGUJIAN IV.1 Gambaran Populasi dan Sampel Pada penelitian ini, peneliti menggunakan sampel perusahaan manufaktur yang bergerak di industri consumer goods yang ada di Bursa Efek Indonesia
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN Data dan Sampel Data yang digunakan dalam penelitian ini merupakan data sekunder yang
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Data dan Sampel Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari laporan keuangan perusahaan manufaktur
Lebih terperinciGENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI
GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI Agus Supriatna 1), Riaman 2), Sudradjat 3), Tari Septiyani 4) Departemen Matematika, FMIPA Unpad Jalan Raya Bandung-Sumedang
Lebih terperinciOthers Institution Credit Job Code
4. Residence status (status kepemilikan rumah) yang dinotasikan dengan RS. Peubah ini dibagi menjadi enam kelompok. 5. Job code (kode pekerjaan) yang dinotasikan dengan JC. Peubah ini dibagi menjadi lima
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. data yang sudah dikumpulkan dalam penelitian ini.berikut hasil analisis
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang sudah dikumpulkan dalam penelitian ini.berikut hasil analisis
Lebih terperinciPendahuluan : Evaluasi*
MMA10991 Topik Khusus - Machine Learning Pendahuluan : Evaluasi* Dr. rer. nat. Hendri Murfi * Beberapa bagian dari slide ini adalah terjemahan dari slide Data Mining oleh I. H. Witten, E. Frank dan M.
Lebih terperinciMENENTUKAN MODEL KOEFISIEN REGRESI MULTIPLE VARIABEL DENGAN MENGGUNAKAN MAKSIMUM LIKELIHOOD SKRIPSI BENNY SOFYAN SAMOSIR
MENENTUKAN MODEL KOEFISIEN REGRESI MULTIPLE VARIABEL DENGAN MENGGUNAKAN MAKSIMUM LIKELIHOOD SKRIPSI BENNY SOFYAN SAMOSIR 080823004 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
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 terperinciADLN Perpustakaan Universitas Airlangga
PERBANDINGAN METODE GENERALIZED CROSS VALIDATION DAN GENERALIZED MAXIMUM LIKELIHOOD DALAM REGRESI NONPARAMETRIK SPLINE UNTUK MEMPERKIRAKAN JUMLAH LEUKOSIT PADA TERSANGKA FLU BURUNG DI JAWA TIMUR RINGKASAN
Lebih terperinciABSTRAK. Pembimbing II : Penny S M., dr., Sp.PK., M.Kes
iv ABSTRAK UJI DIAGNOSTIK PEMERIKSAAN IMUNOSEROLOGI IgM ANTI SALMONELLA METODE IMBI DAN RAPID TEST TERHADAP BAKU EMAS KULTUR Salmonella typhi PADA PENDERITA TERSANGKA DEMAM TIFOID Gabby Ardani L, 2010.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
51 BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek penelitian yang menjadi sampel penelitian ini adalah perusahaanperusahaan perbankan yang terdaftar di Bursa Efek Indonesia (BEI) dan mempublikasikan
Lebih terperinciAnalisis Korelasi & Regresi
Analisis Korelasi & Regresi Oleh: Ki Hariyadi,, S.Si., M.PH Nuryadi, S.Pd.Si UIN JOGJAKARTA 1 Pokok Bahasan Analisis Korelasi Uji Kemaknaan terhadap ρ (rho) Analisis Regresi Linier Analisis Kemaknaan terhadap
Lebih terperinciBAB IV PEMBAHASAN DAN HASIL PENELITIAN
BAB IV PEMBAHASAN DAN HASIL PENELITIAN IV.1 Analisis Deskriptif IV.1.1 Gambaran Mengenai Return Saham Tabel IV.1 Descriptive Statistics N Range Minimum Maximum Mean Std. Deviation Return Saham 45 2.09-0.40
Lebih terperinciPemodelan Data Cacahan (Count Data) dalam GLM. Dr. Kusman Sadik, M.Si Sekolah Pascasarjana Departemen Statistika IPB Semester Genap 2017/2018
Pemodelan Data Cacahan (Count Data) dalam GLM Dr. Kusman Sadik, M.Si Sekolah Pascasarjana Departemen Statistika IPB Semester Genap 2017/2018 Pendahuluan Pada model linear klasik, seperti regresi linear,
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 terperinci3. Lama bekerja sebagai PSK.Tahun
KUESIONER HUBUNGAN SOSIODEMOGRAFI, PENGETAHUAN, DAN SIKAP PEKERJA SEKS KOMERSIAL TERHADAP UPAYA PENCEGAHAN HIV/AIDS DI KECAMATAN BANGKO KABUPATEN ROKAN HILIR PROPINSI RIAU Hari/Tanggal : Waktu : Pukul...
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Penelitian ini bertujuan untuk menguji pengaruh debt to equity ratio. sampel penelitian dengan rincian sebagai berikut :
44 BAB IV HASIL DAN PEMBAHASAN A. Hasil Pengumpulan Data Penelitian ini bertujuan untuk menguji pengaruh debt to equity ratio (DER), price to earning ratio (PER), dan earning pershare (EPS) terhadap return
Lebih terperinciHUBUNGAN PERSENTASE BODY FAT
ABSTRAK HUBUNGAN PERSENTASE BODY FAT (% BF) YANG DIUKUR DENGAN MENGGUNAKAN BOD POD DAN WAIST CIRCUMFERENCE (WC) SERTA CUT OFF POINT (COP) DAN ODDS RATIO (OR) COP WC PADA OBESITAS Dhaifina Alkatirie, 2010
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Data Pendapatan Bunga Tabel 4.1 PT Bank Mandiri (Persero), Tbk Perkembangan Pendapatan Bunga Tahun 2007 2011 (dalam jutaan) Tahun Pendapatan Bunga
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
95 BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Identifikasi Sampel Penelitian Seleksi sampel mencakup sektor perbankan yang menerbitkan obligasi di PEFINDO, tetapi hanya sektor perbankan yang terdaftar
Lebih terperinciMultiple Regression (Regresi. Majemuk)
Multiple Regression (Regresi Majemuk) /liche/statistik S2 Profesi F.Psi.UI/2009 1 Regresi Majemuk Diperkenalkan oleh Pearson pada 1908 Digunakan untuk mengetahui besarnya proporsi dari suatu variabel yang
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciKUESIONER PENELITIAN FAKTOR-FAKTOR YANG MEMENGARUHI IBU HAMIL TRIMESTER III
KUESIONER PENELITIAN FAKTOR-FAKTOR YANG MEMENGARUHI IBU HAMIL TRIMESTER III YANG MENGALAMI ANEMIA DALAM MEMILIH PENOLONG PERSALINAN DI WILAYAH KERJA PUSKESMAS HAMPARAN PERAK TAHUN 2013 No. Responden :...
Lebih terperinciKLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Betrisandi betris.sin@gmail.com Universitas Ichsan Gorontalo Abstrak Pendapatan untuk perusahaan asuransi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) untuk
BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) untuk periode 4 tahun yaitu mulai tahun periode 2009-2012. Dipilihnya BEI sebagai tempat
Lebih terperinciBAB IV ANALISIS DATA. bebas dan variabel terikat, kemudian data tersebut di analisis dengan
BAB IV ANALISIS DATA A. Pengujian Hipotesis Setelah diperoleh masing-masing jumlah dari kategori variabel bebas dan variabel terikat, kemudian data tersebut di analisis dengan menggunakan analisis kuantitatif,
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. independent yaitu dana pihak ketiga, tingkat suku bunga SBI, tingkat Non
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskriptif Statistik Deskripsi variabel yang digunakan dalam penelitian ini meliputi nilai minimum, nilai maksimum, mean, dan standar deviasi dari tiga variabel
Lebih terperinciKUESIONER PENELITIAN
71 KUESIONER PENELITIAN FAKTOR-FAKTOR YANG MEMPENGARUHI PEMAKAIAN ALAT PELINDUNG DIRI (APD) PADA PEKERJA STIMULASI DI UNIT PENDERESAN PT SOCFIN INDONESIA TANAH BESIH TAHUN 2014 Bersama kuesioner ini, saya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Data yang digunakan pada penelitian ini merupakan data sentimen dari pengguna aplikasi android yang memberikan komentarnya pada fasilitas user review
Lebih terperinciPENGARUH MOTIVASI DAN PENGALAMAN KERJA TERHADAP PRODUKTIVITAS KERJA KARYAWAN PADA PT PEGADAIAN (PERSERO) CABANG CIBINONG
PENGARUH MOTIVASI DAN PENGALAMAN KERJA TERHADAP PRODUKTIVITAS KERJA KARYAWAN PADA PT PEGADAIAN (PERSERO) CABANG CIBINONG Oleh : Fitri Zakiyah (10208526) Latar Belakang Sumber Daya Manusia (SDM) merupakan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
70 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Hasil Penelitian 1. Logistic Regression Binery Penelitian ini menggunakan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia sebagai sampel penelitian.
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 terperinciIII. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu :
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Salah satu yang mempengaruhi kualitas penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Dalam
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
31 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif ini digunakan untuk memberikan gambaran mengenai demografi responden penelitian. Data demografi tersebut antara lain
Lebih terperinciBAB IX ANALISIS REGRESI
BAB IX ANALISIS REGRESI 1. Model Analisis Regresi-Linear Analisis regresi-linear adalah metode statistic yang dapat digunakan untuk mempelajari hubungan antarsifat permasalahan yang sedang diselidiki.
Lebih terperinciKuesioner Penelitian
Kuesioner Penelitian PENGARUH FAKTOR PROVIDER DAN KARAKTERISTIK KONSUMEN TERHADAP KEPUASAN PESERTA JAMINAN KESEHATAN NASIONAL (JKN) RUANG RAWAT INAP RUMAH SAKIT ISLAM MALAHAYATI MEDAN TAHUN 2014 A. KARAKTERISTIK
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciDAMPAK PROGRAM KAWASAN RUMAH PANGAN LESTARI (KRPL) TERHADAP PENGELUARAN KONSUMSI RUMAH TANGGA
DAMPAK PROGRAM KAWASAN RUMAH PANGAN LESTARI (KRPL) TERHADAP PENGELUARAN KONSUMSI RUMAH TANGGA (Studi Kasus Di Desa Pucangsari Kecamatan Purwodadi Kabupaten Pasuruan) Teguh Sarwo Aji, Mu munatus Sholihah
Lebih terperinci10 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK35) 0 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Tabel Kontingensi Struktur peluang tabel kontingensi Perbandingan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. digunakan untuk mengetahui deskripsi suatu data, analisis ini digunakan
BAB IV HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Analisis statistik deskriptif
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Rohmaniah (2017) menganalisis model ambang hujan untuk peringatan dini pergerakan tanah di wilayah Indonesia menggunakan data curah hujan harian berbasis
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Profitabilitas, Kepemilikan Saham Oleh Publik dan Leverage terhadap Pengungkapan
BAB IV ANALISIS HASIL DAN PEMBAHASAN Dalam Bab ini penulis akan melakukan analisis perhitungan Pengaruh Size, Profitabilitas, Kepemilikan Saham Oleh Publik dan Leverage terhadap Pengungkapan Corporate
Lebih terperinciBAB IV. Statistik Parametrik. Korelasi Product Moment. Regresi Linear Sederhana Regresi Linear Ganda Regresi Logistik
BAB IV Statistik Parametrik Korelasi Product Moment Regresi Linear Sederhana Regresi Linear Ganda Regresi Logistik Korelasi Product Moment Korelasi product moment disebut juga korelasi Pearson adalah teknik
Lebih terperinciSTATISTIKA TEKNIK LNK2016 CORRELATION & REGRESSION
STATISTIKA TEKNIK LNK2016 CORRELATION & REGRESSION ! Correlation is a statistical method used to determine whether a relationship between variables exists.! Regression is a statistical method used to describe
Lebih terperinciIII. METODOLOGI PENELITIAN. Data yang digunakan dalam penulisan ini adalah data sekunder berupa data
III. METODOLOGI PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penulisan ini adalah data sekunder berupa data tahunan dari periode 2003 2012 yang diperoleh dari publikasi data dari Biro
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Textile dan Otomotif yang terdaftar di BEI periode tahun
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Analisa Penelitian ini menggunakan data skunder berupa laporan keuangan audit yang diperoleh dari website resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id.
Lebih terperinciAnalisis Chi-Square (x 2 )
Analisis Chi-Square (x 2 ) Chi square ("χ 2 " dari huruf Yunani "Chi "Kai") to determine if data good or not. Expl... to determine possible outcomes for genetic crosses. How will we know if our fruit fly
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan
Lebih terperinciBAB IV. STATISTIK PARAMETRIK. KORELASI PRODUCT MOMENT. REGRESI LINEAR SEDERHANA REGRESI LINEAR GANDA REGRESI LOGISTIK
BAB IV. STATISTIK PARAMETRIK. KORELASI PRODUCT MOMENT. REGRESI LINEAR SEDERHANA REGRESI LINEAR GANDA REGRESI LOGISTIK BAB IV Statistik Parametrik Korelasi Product Moment Regresi Linear Sederhana Regresi
Lebih terperinciBAB III METODE PENELITIAN. metode analisis data serta pengujian hipotesis.
BAB III METODE PENELITIAN Pada bab 3 ini akan dijelaskan mengenai metode penelitian yang meliputi populasi dan sampel penelitian, data dan sumber data, variabel operasional, metode analisis data serta
Lebih terperinciharga rata-rata dimana harga tersebut dipengaruhi oleh jumlah barang yang diperoleh pada masing-masing harganya, dengan demikian diperlukah juga
BAB IV ANALISA HASIL DAN PEMBAH ASAN A. DESKRIPSI DATA 1. Metode Persediaan rata-rata Dalam penelitian ini yang menjadi variabel bebas (X) adalah metode persediaan rata-rata yaitu : metode yang didasarkan
Lebih terperinci