PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION
|
|
- Widya Yulia Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Onlne d: PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION Aref Rachman Hakm 1, Hasb Yasn 2, Supart 3 1 Mahasswa Jurusan Statstka FSM Undp 2,3 Staff Pengajar Jurusan Statstka FSM Undp ABSTRACT Regresson analyss s a statstcal analyss that models the relatonshp between the response varable and the predctor varable. Geographcally Weghted Regresson (GWR) s the development of lnear regresson wth the added factor of the geographcal locaton where the response varable s taken, so that the resultng parameters wll be local. Mxed Geographcally Weghted Regresson (MGWR) has a basc concept that s a combnaton of a lnear regresson model and GWR, by modelng varables that are local and whch are global varables. Methods for estmatng the model parameters MGWR no dfferent from the GWR usng Weghted Least Square (WLS). Selecton of the optmum bandwdth usng the Cross Valdaton (CV). Applcaton models MGWR the percentage of poor people n the dstrct and town n Central Java showed MGWR models that dfferent sgnfcantly from the global regresson model. As well as models generated for each area wll be dfferent from each other. Based on the Akake Informaton Crteron (AIC) between the global regresson model, the GWR and MGWR models, t s known that MGWR models wth Gaussan kernel weghtng functon s the best model s used to analyze the percentage of poor n the countes and ctes n Central Java because t has the smallest AIC value. Keywords: Akake Informaton Crteron, Cross Valdaton, Kernel Gaussan functon, Mxed Geographcally Weghted Regresson, Weghted Least Square. 1. Pendahuluan Tnggnya angka kemsknan tentu bermbas pada duna penddkan, akan banyak anak yang putus sekolah alasan tdak punya baya untuk sekolah. Padahal selama n dketahu bahwa penddkan tu pentng untuk membangun sumber daya manusa yang handal. Tanpa sumber daya manusa yang handal maka sebuah negara akan sult berkembang. Jawa Tengah merupakan salah satu provns angka kemsknan yang termasuk tngg. Padahal bla dlhat dar banyaknya sektor ndustr, pabrk-pabrk yang ada d provns Jawa Tengah bsa dkatakan cukup banyak, namun hal n tdak lantas semata-mata membuat makmur masyarakatnya. Perbedaan letak geografs akan mempengaruh potens yang dmlk atau dgunakan oleh suatu daerah, metode Geographcally Weghted Regresson (GWR) merupakan pengembangan dar regres lner menambahkan faktor letak geografs dmana data tersebut dambl sehngga estmas parameter yang dhaslkan akan bersfat lokal (Fotherngham, et al, 2002). Pada saat pengujan parameter predktor GWR ada beberapa varabel yang tdak sgnfkan atau tdak mempunya pengaruh lokas, namun bla dkaj lebh lanjut ternyata varabel-varabel n ada yang berpengaruh secara global. Maka dar tu dkembangkan lag metode Mxed Geographcally Weghted Regresson (MGWR) yang dkembangkan oleh Fotherngham, et al, (2002). Model Mxed Geographcally Weghted Regresson
2 (MGWR) merupakan gabungan dar model regres lner global model GWR. Sehngga model MGWR akan dhaslkan estmator parameter yang sebagan bersfat global dan sebagan yang lan bersfat lokal sesua lokas pengamatan data (Purhad dan Yasn, 2012). 2. Tnjauan Pustaka 2.1 Kemsknan Kemsknan adalah suatu konds ketdakmampuan dar seg ekonom untuk memenuh kebutuhan dasar sehar-har. John Frendman (1993) mendefnskan kemsknan sebaga suatu konds tdak terpenuhnya kebutuhan dasar (esensal) ndvdu sebaga manusa (Hadyant, 2006). Gars kemsknan dpergunakan sebaga suatu batas untuk menentukan mskn atau tdaknya seseorang. Penduduk mskn adalah penduduk yang memlk rata-rata pengeluaran per kapta per bulan d bawah gars kemsknan. Komponen Gars Kemsknan (GK) terdr dar dua yatu Gars Kemsknan Makanan (GKM) dan Gars Kemsknan Bukan Makanan (GKBM) (BPS, 2013). 2.2 Regres Lner Analss regres adalah metode analss statstka yang dgunakan untuk memodelkan hubungan kebergantungan yang mungkn ada antara varabel respon (y) varabel predktor (x). Model Regres untuk p varabel predktor, dan jumlah pengamatan sebanyak n dapat dtuls sebaga berkut:, = 1,2,...,n Parameter model regres d estmas metode memnmumkan jumlah kuadrat error atau serng dkenal Ordnary Least Square (OLS). Dalam OLS errornya dasumskan dentk, ndependen dan berdstrbus normal mean nol dan varans konstan. Dengan taksran sebaga berkut: Dengan: = vektor dar parameter yang dtaksr berukuran (p+1) x 1 = matrks varabel bebas berukuran n x (p+1) = vektor observas dar varabel respon berukuran (n x 1) Untuk pengujan model regres dgunakan dua uj yatu: Pertama Uj Kesesuaan Model dgunakan untuk menguj kesesuaan model regres, dgunakan prosedur uj hpotess sebaga berkut : palng tdak ada satu, k = 1,2,...,p Statstk Uj yang dgunakan adalah Pengamblan keputusan krtera tolak jka. Kedua Uj Parameter Model pengujan n dgunakan untuk mengetahu varabel predktor mana saja yang secara sgnfkan berpengaruh terhadap varabel respon. Rumusan hpotess :, k = 1,2,...,p Statstk Uj yang dgunakan adalah dan JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 576
3 = elemen dagonal dar perkalan matrks Pengamblan keputusan adalah Tolak jka Sumber Varans Regres Error Total Tabel 1 Analss Varans Model Regres Derajat Jumlah Kuadrat Kebebasan Rata-rata Kuadrat F htung SSR SSE SST n 1 n 1 n 1 2 ( yˆ y) p 2 ( y yˆ ) n - p - 1 ( y y) 2 n 1 SSR MSR p SSE MSE n p 1 MSR F MSE Asums yang dgunakan dalam model regres antara lan tdak ada autokorelas antar error (ndependen), varan error homogen (dentk), error berdstrbus normal. dan tdak adanya multkolnertas antar varabel predktor. 2.3 Geographcally Weghted Regresson (GWR) Model GWR adalah pengembangan dar model regres dmana setap parameter dhtung pada setap lokas pengamatan, sehngga setap lokas pengamatan mempunya nla parameter regres yang berbeda-beda atau bersfat lokal. Model GWR dapat dtuls sebaga berkut: y p 0 k, k1 u v u v, x, = 1, 2,,n y k : nla observas varabel respon ke- x k : nla observas varabel predktor ke- k pada lokas pengamatan ke- 0 u, v : konstanta / ntercept pada pengamatan ke- u, v : menyatakan koordnat letak geografs (longtude, lattude) dar lokas pengamatan ke- u, v : nla observas varabel predktor ke- k pada lokas pengamatan ke- k : error pengamatan ke- dasumskan dentk, ndependen dan 2 berdstrbus normal mean nol dan varan konstan Estmas parameter model GWR dperoleh metode Weghted Least Square (WLS) yatu memberkan pembobot yang berbeda untuk setap lokas dmana data tersebut dambl. Sehngga ddapatkan estmas sebaga berkut: JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 577
4 Pembobotan yang dgunakan dalam model GWR salah satunya menggunakan fungs jarak Gaussan, fungs pembobot menurut Lesage (2001), dapat dtuls sebaga berkut: Dmana adalah denstas normal standar dan menunjukkan smpangan baku dar vektor jarak adalah jarak Euclden antara lokas ke lokas dan h adalah parameter non negatf yang dketahu dan basanya dsebut parameter penghalus (bandwdth). Menurut Fotherngham, et al. (2002), ada beberapa metode yang dgunakan untuk memlh bandwdth optmum, salah satu dantaranya adalah metode Cross Valdaton (CV) yang secara matemats ddefnskan sebaga berkut: h Dengan yˆ adalah nla penaksr y dmana pengamatan d lokas dhlangkan dar proses estmas. Untuk mendapatkan nla bandwth (h) yang optmal maka dperoleh dar h yang menghaslkan nla CV yang mnmum. Untuk mengdentfkas varabel predktor yang berpengaruh secara lokal dlakukan pengujan pengaruh geografs terhadap setap varabel predktor (Me, et al, 2004). Dengan pengujan sebaga berkut: H 0 :, untuk k (k= 0,1,2, p) (tdak ada perbedaan pengaruh yang sgnfkan dar varabel predktor x k antara satu lokas lokas lannya) H 1 : Mnmal ada satu, untuk = 1,2,, n yang berbeda. (ada perbedaan pengaruh yang sgnfkan dar varabel predktor x k antara satu lokas lokas lannya) statstk uj sebaga berkut: Dengan, adalah vektor kolom berukuran (p+1). df 1 = ( ) dan menolak H 0 jka.. Dengan tngkat sgnfkans sebesar maka akan JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 578
5 2.4 Mxed Geographcally Weghted Regresson (MGWR) Metode MGWR adalah suatu metode pemodelan yang menggabungkan model regres global model regres yang terbobot. Berdasarkan model GWR bla ternyata varable predktor tdak semuanya berpengaruh secara lokal dan ada varabel predktor yang bersfat global maka model nlah yang dsebut model Mxed Geographcally Weghted Regresson (MGWR) (Purhad dan Yasn, 2012). Model MGWR p varabel predktor dan q varabel predktor dantaranya bersfat lokal, mengasumskan bahwa ntersep model bersfat lokal dapat dtulskan sebaga berkut:, = 1, 2,.,n = nla observas varabel respon ke- = nla observas varabel predktor ke-k pada lokas pengamatan ke- = konstanta / ntercept pada pengamatan ke- = menyatakan koordnat letak geografs (longtude,lattude) dar lokas pengamatan ke- = koefsen regres observas varabel predktor ke-k pada lokas pengamatan ke- = koefsen regres observas varabel predktor ke-k = error pengamatan ke- dasumskan dentk, ndependent dan berdstrbus normal mean nol dan varan konstan Estmas parameter pada model MGWR dapat dlakukan metode Weghted Least Square (WLS) sepert halnya pada model GWR. Dengan langkah awal yatu membentuk matrks pembobot untuk setap lokas pengamatan (Fotherngham, et al, 2002). Estmas parameter model MGWR dapat dtuls sebaga berkut: ), = Pengujan Kesesuaan Model MGWR dlakukan hpotess sebaga berkut: H 0 : = (Model MGWR tdak berbeda Model Regres Global) H 1 : mnmal ada satu k = 0,1,2,, p, dan = 1,2,, n (Model MGWR berbeda Model Regres Global) Statstk Uj Dengan: F(1) = JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 579
6 = =, =1,2 dan =, = 1,2 df 1 = dan df 2 =. Tolak H 0 jka F(1) (Me, et al, 2006). Menurut Me, et al, (2006), uj Serentak Parameter Model MGWR dgunakan menguj secara serentak bagamana sgnfkans dar varabel varabel model MGWR. Yang pertama adalah pengujan serentak pada parameter varabel predktor global. Dengan Hpotess sebaga berkut: H 0 : H 1 : Mnmal ada satu Statstk Uj F(2) = Dengan : =, = 1,2. =, = 1,2. derajat bebas df 1 = dan df 2 =. Tolak H 0 jka F(2). Selanjutnya uj serentak yang kedua adalah uj Hpotess serentak pada parameter varabel predktor lokal. Dengan bentuk Hpotess sebaga berkut: H 0 : = = = = 0, = 1,2,... n H 1 : mnmal ada satu Statstk Uj: F(3) = Dengan: =, =1,2. df 1 = dan df 2 =. Tolak H 0 jka F(3). Uj selanjutnya adalah Pengujan Parsal Parameter model MGWR. Menurut Purhad dan Yasn (2012), uj n dgunakan untuk mengetahu varabel global dan lokal yang berpengaruh sgnfkan terhadap respon pada model MGWR. Pada pengujan n akan d lakukan dua kal yatu pengujan sgnfkans varabel global dan varabel lokal. Untuk pengujan sgnfkans pada varabel global dgunakan hpotess sebaga berkut: H 0 : ( varabel global tdak sgnfkan ) H 1 : ( varabel global sgnfkan ) Untuk k =1,2, p Statstk Uj: JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 580
7 Dengan adalah elemen dagonal ke-k dar matrk, T sgnfkans sebesar α, maka dapat ambl keputusan tolak H 0 jka, dmana df = Uj hpotess selanjutnya dtunjukkan untuk mengetahua varabel lokal yang berpengaruh sgnfkan terhadap respon pada model MGWR dgunakan hpotess sebaga berkut: H 0 : ( varabel lokal pada lokas ke- tdak sgnfkan ) H 1 : (varabel lokal pada lokas ke- sgnfkan) Untuk k = 1,2,, q dan = 1,2,... n Dengan Statstk Uj: adalah elemen dagonal ke-k dar matrk T dan Tolak H 0 jka, dmana df = 3. Metode Peneltan Data yang dgunakan bersfat sekunder bersumber dar BPS Jateng. Data persentase penduduk mskn dan faktor-faktor yang akan dgunakan dalam peneltan, melput seluruh kabupaten dan kota yang ada d Jawa Tengah pada tahun Serta mengacu pada berta resm stattstk yang dterbtkan pada tahun tersebut tentang kemsknan. Varabel yang dgunakan dalam peneltan n adalah persentase penduduk mskn per kabupaten dan kota d Jawa Tengah sebaga varabel respon (Y) dan varabel Upah Mnmum Regonal (X1) (dalam ratusan rbu rupah), Indeks Pembangunan Manusa (X2) (dalam persen), Masyarakat Prasejahtera (X3) (dalam persen), Tngkat Partspas Angkatan Kerja (X4) (dalam persen), Kepemlkan Tanah (X5) (dalam persen), Kepadatan Penduduk (X6) (Jwa/ km 2 ) serta Gars Lntang Selatan (u), Gars Bujur (v). Langkah-lagkah peneltan sebaga berkut : 1. Menganalsa model regres global 2. Menganalsa model GWR 3. Menganalss model MGWR 4. Memlh model terbak AIC 4. Hasl dan Pembahasan Pada pengujan n karena terdapat perbedaan satuan data antar varabel predktor, maka terlebh dahulu varabel predktor dstandarkan (Varabel Z) yatu dkurang mean dan dbag standar devasnya. Dengan tngkat sgnfkans ( ) sebesar 5% ddapatkan 4 parameter sgnfkan yatu parameter menggunakan metode Stepwse Regresson model regres yang dbentuk untuk persentase penduduk mskn d Kabupaten dan Kota d Jawa Tengah tahun adalah: JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 581
8 Dengan asums tdak ada autokorelas antar error (ndependen), varan error homogen (dentk), error berdstrbus normal. dan tdak adanya multkolnertas antar varabel predktor. Berdasarkan analss GWR uj pengaruh lokas ddapatkan hasl bahwa menggunakan tngkat sgnfkans ( ) sebesar 5% menympulkan bahwa untuk varabel predktor X1,X2,X3 ada perbedaan pengaruh yang sgnfkan dar varabel predktor x k antara satu lokas lokas lannya. Untuk varabel predktor X4,X5,X6 tdak ada perbedaan pengaruh yang sgnfkan dar varabel predktor x k antara satu lokas lokas lannya. Tabel 2 Uj Pengaruh Lokas GWR Varabel F3 P Value keputusan Z sgnfkan Z sgnfkan Z sgnfkan Z tdak sgnfkan Z tdak sgnfkan Z tdak sgnfkan Pada pengujan kesesuaan model MGWR dperoleh hasl bahwa menggunakan tngkat sgnfkans sebesar 5% menympulkan bahwa Model MGWR berbeda Model Regres Global. Tabel 3 Uj Kecocokan Model MGWR Source SS df MS F1 P Improvement MGWR Regres Pada pengujan serentak parameter model varabel predktor global menggunakan tngkat sgnfkans sebesar 5% menympulkan bahwa varabel predktor global secara serentak berpengaruh terhadap pemodelan persentase penduduk mskn d Kabupaten dan Kota d Jawa Tengah. Tabel 4 Uj Serentak Parameter Model Varabel Global Source SS df MS F1 P Improvement MGWR Regres Selanjutnya untuk pengujan parameter model varabel predktor lokal menggunakan tngkat sgnfkans sebesar 5% menympulkan bahwa varabel predktor lokal secara serentak berpengaruh terhadap pemodelan persentase penduduk mskn d Kabupaten dan Kota d Jawa Tengah. Tabel 5 Uj Serentak Parameter Model Varabel lokal Source SS df MS F1 P Improvement MGWR Regres JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 582
9 Pada pengujan parsal parameter model MGWR untuk varabel global menggunakan tngkat sgnfkans sebesar 5% ddapatkan hasl bahwa varabel predktor global yang berpengaruh sgnfkan adalah kepemlkan tanah (X5) dan kepadatan penduduk (X6). Tabel 6 Uj Parsal Parameter Model Varabel Global Varabel Beta t P_val keputusan Z tdak sgnfkan Z sgnfkan Z sgnfkan Pada pengujan parsal parameter model MGWR untuk varabel lokal, menggunakan tngkat sgnfkans sebesar 5% ddapatkan hasl bahwa tdak semua daerah sgnfkan pada ketga varabel lokal (X1,X2,X3). Ada beberapa daerah yang hanya sgnfkan pada satu atau dua varabel saja. Selengkapnya pada tabel (7) berkut: Tabel 7 Hasl Uj Parsal Parameter Model Varabel Lokal Kabupaten dan kota Varabel no sgnfkan 1 Clacap, Banyumas, Banjarnegara, Wonosobo, Boyolal Z1, Z2, Z3 2 Purbalngga, Klaten, Sragen, Blora, Rembang, Kudus, Z1,Z3 Demak 3 Magelang, Sokoharjo, Wonogr, Grobogan, Semarang, Z1,Z2 Temanggung, Kendal, Kota Magelang, Kota Salatga 4 Karanganyar, Pemalang, Kota Surakarta Z1 5 Kebumen, Purworejo, Batang, Pekalongan, Brebes, Kota Z2,Z3 Semarang, Kota Pekalongan, Kota Tegal 6 Pat, Jepara, Tegal Z3 JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 583
10 Pada Tabel 8 dperoleh bahwa model MGWR pembobot Gaussan lebh bak dgunakan untuk persentase penduduk mskn d kabupaten dan kota d Jawa Tengah karena mempunya MSE dan AIC yang terkecl. Hasl yang dperoleh sebaga berkut: Tabel 8 Perbandngan Kesesuaan Model Model MSE AIC Regres Global GWR pembobot (Gaussan) MGWR pembobot (Gaussan) Kesmpulan Pada kasus kemsknan d Kabupaten dan Kota d Jawa Tengah faktor-faktor yang berpengaruh terhadap kemsknan tdak semua berpengaruh secara global namun ada beberapa faktor bersfat lokal pada daerah daerah tertentu, sehngga model yang dhaslkan antara satu lokas dan lokas lanya akan berbeda. Berdasarkan model MGWR pembobot fungs kernel Gaussan, faktor-faktor yang mempengaruh persentase penduduk mskn d Kabupaten dan kota d Jawa Tengah secara lokal adalah Upah Mnmum Regonal, Indeks pembangunan manusa dan Masyarakat Prasejahtera. Sedangkan varabel kepemlkan tanah dan Kepadatan penduduk berpengaruh sgnfkan secara global pada semua lokas pengamatan. Berdasarkan perbandngan antara MGWR, Regres global maupun GWR, Model MGWR merupakan model terbak karena memlk nla AIC terkecl. DAFTAR PUSTAKA Draper, N., dan Smth, H Analss Regres Terapan. PT. Grameda Pustaka Utama. Jakarta. Fotherngham, A.S., Brundson, C. dan Charlton, M Geographcally Weghted Regresson. John Wley and Sons, Chchester, UK. Hadyant, P Kemsknan & Upaya Pemberdayaan Masyarakat. Komuntas, Jurnal Pengembangan Masyarakat Islam Volume 2, Nomor 1. Leung, Y., Me, C.L., & Zhang, W.X. (2000a), Statstc Tests for Spatal Non-Statonarty Based on the Geographcally Weghted Regresson Model, Envronment and Plannng A, Lesage, J.P A Famly of Geographcally Weghted Regresson Models. Unversty of Toledo. Me, C. L., He S. Y., Fang K. T., (2004), A note on the mxed geographcally weghted regresson model", Journal of Regonal Scence, 44, Me, C.L., Wang, N., dan Zhang, W.X. (2006), Testng the mportance of the explanatory varables n a mxed geographcally weghted regresson model, Envronment and Plannng A, vol. 38, hal Purhad & Yasn, H Mxed Geographcally Weghted Regresson Model Case Study : The Percentage Of Poor Households In Mojokerto European Journal of Scentfc Research, Vol.69, ssue 2, hal JURNAL GAUSSIAN Vol. 3, No. 4, Tahun 2014 Halaman 584
Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression
Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciANALISIS FAKTOR-FAKTOR TINGKAT KEMISKINAN DI KABUPATEN WONOSOBO DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION
JURNAL GAUSSIAN, Volume, Nomor, ahun 3, Halaman 59-68 Onlne d: http://eournal-s.undp.ac.d/ndex.php/gaussan ANALISIS FAKOR-FAKOR INGKA KEMISKINAN DI KABUPAEN WONOSOBO DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED
Lebih terperinciPemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciPERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH
PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH La Mftakhul Janah 1, TanWahyu Utam 2 1, emal: lamftakhul7@gmal.com
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciPenerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah
The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciPEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHTED REGRESSION PADA TINGKAT PENGANGGURAN TERBUKA DI JAWA TENGAH. DOI: /medstat.9.2.
p-issn 1979 3693 e-issn 477 0647 MEDIA SAISIKA 9() 016: 133-147 http://ejournal.undp.ac.d/ndex.php/meda_statstka PEMODELAN REGRESI BERGANDA DAN GEOGRAPHICALLY WEIGHED REGRESSION PADA INGKA PENGANGGURAN
Lebih terperinciANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR
ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School
Lebih terperinciModel Regresi Variabel dengan Metode Selisih Mutlak. Moderating Variable Regression Model with an Absolute Difference Method
Model Regres Varabel dengan Metode Selsh Mutlak Moderatng Varable Regresson Model wth an Absolute Dfference Method Desy Ika Rachmawat 1, Des Yunart, dan Darnah And Nohe 3 1 Mahasswa Program Stud Statstka
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel atau lebih dari dua variabel independen X 1, X 2, X 3,...,X i terhadap satu
BAB II TINJAUAN PUSTAKA 2.1 Analss Regres Berganda Analss regres berganda adalah suatu metode untuk meramalkan nla pengaruh dua varabel ndependen atau lebh terhadap satu varabel dependen. Lebh mudahnya
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciAnalisis Regresi Linear Sederhana
Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks
Lebih terperinciANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)
ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciPemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)
Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan
Lebih terperinciMENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG)
MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG) OKTAVIANI PRIHATININGSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciS - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK
S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data
9 III. METODE PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam peneltan adalah data prmer dan data sekunder. Data prmer berupa data prmer (cross secton) Surve Khusus Tabungan dan Investas
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciFaktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression
Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.
Lebih terperinciPemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur
D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-146
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Prnt) D-146 Pemodelan Propors Kasus Penyakt Infeks Saluran Pernapasan Akut (ISPA) bagan Atas pada Balta d Kabupaten Gresk dengan Geographcally
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciProsiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:
Prosdng Semnar Nasonal Matematka, Statstka, dan Aplkasnya 7 3 September 7, Samarnda, Indonesa ISBN: 978-6-53--3 Pemodelan Geographcally Weghted Regresson (GWR) Dengan Fungs Kernel Adaptve Gaussan Untuk
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciModel Geographically Weighted Poisson Regression (Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007)
LOGO Model Geographcally Weghted Posson Regresson (Stud Kasus : Jumlah Kematan Bay d Jawa Tmur & Jawa Tengah Tahun 2007) SEMINAR HASIL TESIS Oleh : Salmon Notje Aulele Dosen Pembmbng : Dr. Purhad, M.Sc
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 361-368 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan APLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang
Lebih terperinciBAB IV TRIP GENERATION
BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan
Lebih terperinciPemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan
Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN Dalam peneltan n penuls bermaksud untuk menelt bagamana pengaruh perubahan kebjakan moneter terhadap jumlah kredt yang dberkan oleh bank pada beberapa kelompok bank berdasarkan
Lebih terperinciIndependent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi
Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBIPLOT UNTUK MENGETAHUI KARAKTERISTIK KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN PRODUKSI BAWANG PUTIH, BAWANG MERAH, CABE BESAR DAN CABE RAWIT
Bplot (DahSaftr) BIPLOT UNTUK MENGETAHUI KARAKTERISTIK KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN PRODUKSI BAWANG PUTIH, BAWANG MERAH, CABE BESAR DAN CABE RAWIT Dah Saftr 1, Supart 2, Est Pratw 3, Tyas
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciPemodelan Regresi Variabel Moderasi Dengan Metode Sub-Group. Regression Modeling of Moderating Variable with a Method of Sub Group
Jurnal EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Pemodelan Regres Varabel Moderas Dengan Metode Sub-Group Regresson Modelng of Moderatng Varable wth a Method of Sub Group Rsna Septawat, Des
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciTIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN
Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciPENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciUji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi
Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciPemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)
JURNAL SAINS DAN SENI IS Vol., No., () (98X Prnt) D9 Pemodelan Jumlah Kasus Penyakt etanus Neonatorum d Jawa mur ahun dengan Geographcally Weghted ZeroInflated Posson Regresson (GWZIPR) Rath Kumala Puspa
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciBAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam
BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua
Lebih terperinci