PEMODELAN REGRESI NONPARAMETRIK MENGGUNAKAN PENDEKATAN POLINOMIAL LOKAL PADA BEBAN LISTRIK DI KOTA SEMARANG. DOI: /medstat
|
|
- Yenny Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 p-issn e-issn MEDIA SAISIKA 9() 016: ttp://ejournal.undp.ac.d/ndex.pp/meda_statstka PEMODELAN REGRESI NONPARAMERIK MENGGUNAKAN PENDEKAAN POLINOMIAL LOKAL PADA BEBAN LISRIK DI KOA SEMARANG Supart 1, Alan Prautama 1, Departemen Statstka, Unverstas Dponegoro e-mal: DOI: /medstat Abstract Semarang s te provncal captal of Central Java, wt nfrastructure and economc s growt was g. e penomenon of power outages tat occurred n Semarang, certanly dsrupted economc development n Semarang. Large electrcal energy consumed by ndustral-scale consumers and ouseolds n te San Francsco area, montored or recorded automatcally and presented nto a storcal data load power consumpton. erefore, ts study modelng te load power consumpton at a tme wen not nfluenced by te use of electrcal load (t-1)-t. Modelng usng nonparametrc regresson approac wt Local polynomal. In ts study, te kernel used s a Gaussan kernel. In local polynomal modelng, determned optmum bandwdt. One of te optmum bandwdt determnaton usng te Generalzed Cross Valdaton (GCV). GCV values obtaned amounted to wt a mnmum bandwdt of 394. Modellng generate local polynomal of order wt MSE value of Keywords: electrcal load, local polnomal, gaussan kernel, GCV. 1. PENDAHULUAN Semarang merupakan bu kota provns Jawa enga, dengan nfrastruktur dan pertumbuan ekom yang tngg. Fenomena pemadaman lstrk yang terjad d Semarang, tentunya mengganggu perkembangan ekonom yang ada d Semarang. Hal n dkarenakan nvestor enggan untuk bernvestas d kota Semarang dkarenakan serng terjad pemadaman lstrk. Ole karena tu, Kota Semarang arus memlk supla daya yang memada untuk memenu kebutuan energ lstrk d areanya. Besar energ lstrk yang dkonsums ole konsumen skala ndustr maupun ruma tangga d area Semarang, terpantau atau tercatat secara otomats dan tersaj menjad data stors beban pemakaan lstrk aran per 30 ment selama 4 jam ataupun menjad data beban puncak pemakaan lstrk. Menurut Mujman dan Pryosuslo (01), data beban puncak lstrk adala data beban pemakaan energ lstrk maksmal yang tercatat berdasarkan waktu yatu, aran, mngguan, maupun bulanan. Beban puncak n basanya terjad pada pukul dan Beban puncak terjad ketka kebutuan lstrk konsumen menanjak ke ttk yang palng tngg d satu waktu tertentu, bak dalam rentang waktu jam, ar, mnggu, bulan, ngga taun. Pemodelan beban lstrk dperlukan sebaga dasar untuk predks nla beban lstrk d kota Semarang. Meda Statstka 9() 016:
2 Sala satu analss statstka yang dgunakan untuk pemodelan adala analss regres. Analss regres merupakan analss ubungan antara varabel varabel respon (Y) dengan predktor (X). Pendekatan regres dbedakan menjad dua yatu pendekatan secara parametrk dan pendekatan nonparametrk. Pendekatan parametrk merupakan pemodelan regres yang terkat dengan asums-asums dalam regres. Asums-asums tersebut antara lan multkolnertas, resdual normaltas, omokedaststas resdual, dan nonautokorelas. Sedangkan pendekatan regres nonparametrk tdak ada asums-asums yang arus dpenu dalam pemodelan. Regres parametrk dlakukan apabla bentuk kurva regresnya dketau. Sedangkan regres nonparametrk dlakukan jka bentuk kurva regresnya tdak dketau. Regres semparametrk dgunakan jka sebagan bentuk kurva regresnya tdak dketau sedangkan yang sebagan lannya dketau. Kurva regres nonparametrk dasumskan smoot (mulus/alus) yang termuat dalam suatu ruang fungs tertentu msalnya ruang sobolev (Eubank et al, 004). Pada prosedur regres nonparamterk, data akan mencar sendr bentuk kurva regresnya tanpa dpengaru ole subjektvtas penelt. Beberapa model regres nonparametrk yang tela dkembangkan antara lan Penalzed Splne (Kadr et al, 010), Smootng Splne (Eubank et al, 004), Regres Splne Multrespon (Lestar et al, 010), Regres Menggunakan Kernel (Hu et al, 004), Kernel of Smootng Splne (Ln et al, 004) dan Polnomal Lokal (Wu dan Zang, 006) Polnomal lokal mempunya beberapa keleban antara lan dapat mengurang asmtotk bas dan mengaslkan estmas yang bak (Wels dan Yee, 005). Estmas Polnomal Lokal dapat menggunakan WLS (Wegted Least Square) dengan cara memnmumkannya (akezawa, 006). Dalam regres polnomal lokal tngkat kemulusan fungsnya dtentukan bandwdtnya. Penentuan bandwdt optmal dapat menggunakan metode GCV (Generalzed Cross Valdaton) (Wu dan Zang, 006). Pada peneltan n akan dmodelkan beban lstrk d Kota Semarang menggunakan model Polnomal Lokal. Pemodelan n nantnya darapkan bsa dgunakan untuk peramalan beban lstrk d Kota Semarang.. INJAUAN PUSAKA.1. Estmator Kernel Sala satu metode estmas pada polnomal lokal adala menggunakan WLS (Wegted Least Square) sengga dperlukan pembobotan. Sala satu pembobotan yang dgunakan untuk mendapatkan estmas adala Fungs Kernel (Eubank, 1988). Fungs Kernel K dengan bandwdt ddefnskan sebaga berkut: x ( x) = K 1 K ; < x < dan > 0. (1) Sfat-sfat dar fungs kernel adala sebaga berkut: 1. ( x) 0 K untuk semua x. K ( x) dx = 1 3. xk ( x) dx = 0 4. x K( x) dx = σ > 0 Sedangkan menurut Hardle (1990) terdapat beberapa jens fungs Kernel: 86 Supart (Pemodelan Regres Nonparametrk)
3 1. Kernel Unform : K( x ) = I( x < 1). Kernel Segtga : K( x) = ( 1 x ); I( x < 1) 1 ; = 3 1 ; I( x < 1) K x x ; I x < K x x ; I x < 1 3 π π K x = x K x = exp x π 3. Kernel Eparcnkov : K( x) ( x ) 4. Kernel Kuadrat : ( ) ( ) = ( ) 5. Kernel wwegt : ( ) ( ) 3 = ( ) 6. Kernel Cosnus : ( ) cos ; I( x < 1) 7. Kernel Gaussan : ( ) ( ).. Polnomal Lokal Model regres nonparametrk dapat dnyatakan sebaga berkut: y = η( x ) + e, = 1,,..., n () dmana η ( x ) adala fungs yang tdak dketau bentuknya dengan predktor x dan e adala resdual pengamatan ke-. Sala satu pemodelan regres nonparametrk menggunakan polnomal lokal. Pada dasarnya pemodelan polnomal lokal menggunakan prnsp deret aylor, yang menyatakan bawa setap fungs mulus dapat secara lokal ddekat dengan polnomal dar beberapa derajat. Msalkan x 0 merupakan ttk awal yang dtentukan dmana fungs η akan destmas dengan estmator Kernel. Melalu deret aylor, η ( x ) pada persamaan () dapat ddekat secara lokal ole polnomal berderajat p sebaga berkut (Wu dan Zang, 006): (1) p ( p) ( ) ( ) + ( ) ( ) + + ( ) ( ) η x η x x x η x x x η x p (3) ! ( r) Msalkan βr ( x0) = η ( x0)/ r!, r = 0,1,,..., p, maka persamaan (3) dapat dtuls menjad: p ( x ) ( x ) + ( x x ) ( x ) + + ( x x ) ( x ) η β β β (4) p 0 Dar persamaan (4), dapat dnyatakan sebaga berkut : η( x ) = Xβ (5) dengan 1 ( x1 x0) ( x1 x0) ( x1 x0) 1 ( x x0) ( x x0) ( x x0) X = 1 ( xn x0) ( xn x0) ( xn x0) [ η η η ] η x = x1 x xn dan β β0 x0 β1 x0 βp x0 ( ) ( ) ( ) ( ) = ( ) ( ) ( ) Untuk mendapatkan estmator ˆβ dlakukan dengan memnmumkan krtera Wegted Least Square (WLS) sebaga berkut: Meda Statstka 9() 016:
4 n = 1 ( y ) xβ K x x0 ( ). (6) K(( x x ) / ) K( x x ) bandwdt, sengga krtera WLS dapat dtuls sebaga berkut: 0 0 = dengan K merupakan fungs kernel dan adala sebua ( ) ( ) y-xβ K y - Xβ (7) dmana K = dag( K( x1 x 0),, K( xn x0)), sengga estmas untuk ˆβ dberkan ole: ( ) -1 ˆ β= XKX XKy (Wu dan Zang, 006). Hal yang arus dperatkan dalam polnomal lokal. Pemlan parameter bandwdt memlk peran pentng dalam melakukan estmas. Pemlan bandwdt yang terlalu besar mengakbatkan plot asl estmas model akan menjau plot data awal sengga menjad sangat alus (oversmootng). Ketka bandwdt terlalu besar maka bas pemodelannya akan besar dan keragaman akan kecl. Pemlan bandwdt yang terlalu kecl mengakbatkan plot asl estmas model yang berluk-luk (undersmootng). Ketka bandwdt terlalu kecl maka bas pemodelannya akan kecl dan keragaman akan besar. Ole karena tu, arus dcar bandwdt yang optmal untuk menyembangkan bas dan keragaman agar dperole estmas yang bak. Selan tu, pemlan derajat pada polnomal lokal juga arus dperatkan dmana derajat yang besar akan mengurang bas pemodelan, tetap akan menyebabkan keragaman yang besar..3. Generalzed Cross Valdaton (GCV) Sala satu cara menentukan bandwdt yang optmal dengan menggunakan metode GCV (Generalzed Cross Valdaton). Fungs GCV dberkan sebaga berkut: ( ) GCV ( ) [ ] I-A( ) MSE = 1 tr n, dan ( ) n = 1-1 dengan MSE ( ) = ( y yˆ ) 1 nla ( ) ( ) A = XKX XK A dperole dar ubungan y=a ˆ ( ) ysengga Nla GCV terkecl akan memberkan nla bandwdt yang optmal. 3. MEODE PENELIIAN Peneltan n menggunakan data beban lstrk d kota Semarang dar Januar 014 sampa dengan Desember 015. Pada peneltan n data dbag menjad dua bagan yatu data tranng dan data testng. Data tranng dar Januar 014 sampa dengan November 014, sedangkan data testng adala pada bulan Desember 014. Varabel respon pada peneltan n adala penggunaan beban lstrk pada waktu ke-t (Y t ), sedangkan varabel predktor adala penggunaan beban lstr pada waktu ke-(t-1) atau Y t-1. Fungs kernel yang dgunakan dalam peneltan n adala fungs kernel Gaussan. 88 Supart (Pemodelan Regres Nonparametrk)
5 4. HASIL DAN PEMBAHASAN 4.1. Statstka Deskrptf Berdasarkan Gambar 1, terlat bawa beban lstrk d kota Semarang dar Januar- November 014 menyebar secara acak. erlat juga beberapa kejadan berada pada batas nterval tertentu. Beban Lstrk Waktu () Gambar 1. Plot Data Beban Lstrk Kota Semarang aun 014 Statstka deskrptf beban lstrk d Kota Semarang dar Januar-November 014 dsajkan pada abel 1. abel 1. Statstka Deskrptf Data Beban Lstrk d Kota Semarang Januar-November 014 Mnmum Maksmum Rata-Rata Medan Varans Data beban lstrk Kota Semarang pada taun 014 mempunya nla mnmum sebesar dan nla maksmum dengan rata-rata dan varan Data mnmum terjad pada tanggal 8 Jul dan data maksmum terjad pada tanggal 4 November. 4.. Pemodelan Beban Lstrk d Kota Semarang Menggunakan Polnomal Lokal Dalam regres polnomal lokal, pemlan bandwdt sangat pentng untuk dperatkan. Bandwdt menjad sala satu faktor yang palng utama dalam penentuan estmas parameter d regres polnomal lokal. Selan bandwdt, ttk lokal (x 0 ) dan orde polnomal juga merupakan al yang pentng. Metode yang dgunakan dalam menentukan nla optmal tersebut yatu dengan Generalzed Cross Valdaton (GCV). Untuk mendapatkan nla x 0 yang optmal, dlakukan dengan tral error dar sekumpulan nla x 0 yang terdapat dalam nterval tertentu yang dcobakan. Karena data mnmun dan data maksmum maka nla x 0 dcobakan pada nterval 415 sampa dengan 695. Meda Statstka 9() 016:
6 Sedangkan dcoba-coba mula dar 1 sampa dperole nla optmal dan orde polnomal dcoba orde,3,4,5 dan 6. Sengga estmas polnomal lokal yang optmal merupakan kombnas antara bandwdt, ttk lokal (x 0 ) dan orde polnomal lokal. Setela dlakukan beberapa tral dan error dperole GCV mnmum terletak pada polnomal orde. Ada beberapa nla X 0 dan yang mempunya GCV mnmum. Namun penelt meml terkecl dengan GCV mnmum sebesar yatu jatu pada nla x 0 = 415 dan = 394. Secara umum model polnomal lokal orde adala: yˆ = ˆ β + ˆ β ( X x ) abel. Hasl Estmas Pemodelan menggunakan Polnomal Lokal Orde (Lner) Varabel Hasl Estmas 0 ˆβ ˆβ x 415 Berdasarkan abel, model polnomal yang terbentuk adala: yˆ = ( X 415) 0 Gambar plot data modfkas dan estmasnya dsajkan dalam Gambar. Setela data dkembalkan dalam bentuk aslnya dan nla estmasnya dsajkan dalam Gambar 3. Beban Lstrk ke Beban Lstrk ke -1 Gambar. Estmas Model Data Modfkas 90 Supart (Pemodelan Regres Nonparametrk)
7 Inflas ke Waktu ke Gambar 3. Estmas Model Data Asl Berdasarkan Gambar 3 dapat dlat bawa model polnomal lokal yang terpl memlk kemampuan yang cukup bagus dalam mengestmas kurva regres data aktual. Data asl estmas mengkut pergerakan data aktual namun cenderung kurang ft. Namun, kemampuan yang cukup bagus dalam pemodelan belum bsa menjamn bawa regres polnomal lokal bagus ketka dgunakan peramalan. Ole karena tu, model perlu dcobakan pada data out sampel pada bulan Desember 014. Untuk melat apaka model polnomal lokal orde dengan bandwdt 394 dan ttk lokal 15 bagus dgunakan untuk peramalan, maka model tersebut perlu dcobakan teradap data out sampel Bulan Desember dan dtung MAPE nya. Beban Lstrk Bulan Desember Gambar 4. Data Aktual dan Data Predks Out Sampel Meda Statstka 9() 016:
8 abel 3. Perbandngan Data Aktual Out Sampel dengan Data Estmas Out Sampel Model Polnomal Lokal anggal Data Aktual Data Estmas Data Aktual Data Estmas anggal Out Sampel Out Sampel Out Sampel Out Sampel Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Desember Dar data out sampel dan estmasnya dperole nla MAPE sebesar 7.47 % yang mengndkaskan model mempunya knerja yang sangat bagus. 5. KESIMPULAN Pemodelan beban lstrk d Kota Semarang menggunakan pendekatan polnomal lokal dengan fungs kernel Gaussan ddapat bandwdt optmal sebesar 394. Model tersebut mengaslkan nla MSE model dengan data n sample sebesar dengan orde optmum polnomal lokalnya adala orde (lner). Pada data out sample mengaslkan nla estmas dengan MAPE yang anya 7.47%. PENGHARGAAN Pada peneltan n, penuls ngn mengucapkan terma kas kepada DRPM Kemenrstek Dkt sebaga pember dana dalam skema peneltan Fundamental yang ddana pada taun 016. Penuls juga ngn berterma kas kepada Departemen Statstka Unverstas Dponegoro Semarang.. DAFAR PUSAKA Eubank, R.L, 1988, Nonparametrc Regresson and Splne Smootng, second edton, Marcell dekker, Inc., New York. Eubank, R.L., Huang, C., Maldonado, Y.M., Wang, N., Wang, S., dan Bucanan, R.J., 004, Smootng Splne Estmaton n Varyng-Coeffcent Models, J. R. Statst. Soc., 66, Part 3, pp Supart (Pemodelan Regres Nonparametrk)
9 Hardle, W, 1990, Appled Nonparametrc Regresson, Cambrdge Unversty, New York. Hu, Z., Wang, N., dan Carroll, R.J., 004, Profle Kernel Versus Backfttng In e Partally Lner Models For Longtudnal Or Clustered Data, Bometrka, Vol. 91, No., pp Kadr, M. Al., Carroll R.J. dan Wand, M.P., 010, Margnal Longtudnal Semparametrc Regresson Va Penalzed Splne, Statstcs and Probabblty Letters, 80, pp Lestar, B., Budantara, I.N., Sunaryo, S., dan Masur, M., 010, Splne Estmator n Mult-Response Nonparametrc Regresson Model wt Unequal Correlaton of Errors, Journal of Matematcs and Statstcs, Vol. 6, No. 3, al Ln, X., Wang, N., Wels, A.H., dan Carroll, R.J., 004, Equvalent Kernels Of Smootng Splnes In Nonparametrcs Regresson For Clustered/Longtudnal Data, Bometrka, Vol. 91, No. 1, pp Mujman dan Pryosuslo, L., 01, Permodelan Beban Puncak Gardu Induk Waters dengan Program Aplkas Mcrosoft Excel, Prosdng Semnar Nasonal Aplkas Sans dan eknolog (SNAS) Perode III, Yogyakarta. akezawa, K., 006. Introducton to Nonparametrc Regresson, Jon Wley & Sons Inc.,New Jersey. Wels, A.H dan Yee,.Y. 005, Local Regresson for Vector Responses, Journal of Statstcal Plannng and Inference, Vol. 136, al Wu, H. dan Zang, J.., 006, Nonparametrc Regresson Metods for Longtudnal Data Analyss, A Jon-Wley and Sons Inc. Publcaton, New Jersey. Meda Statstka 9() 016:
PEMODELAN 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 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 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 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 II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciSpline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat
Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan
Lebih terperinciBootstrap Pada Regresi Linear dan Spline Truncated
Statstka, Vol. 8 No. 1, 47 54 Me 2008 Bootstrap Pada Regres Lnear dan Splne runcated Harson Darmaw 1) dan Bambang Wdjanarko Otok 2) 1) enaga Pengajar d Jurusan Matematka UNRI, Pekanbaru e-mal: son_ms@yahoo.co.d
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 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 terperinciMODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED
MODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED Harm Sugart 1 1 FMIPA Unverstas Terbuka. Tangerang Selatan Emal korespondens : arm@ut.ac.d Abstrak Eksplotas sumber daya
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 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 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 terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
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 terperinciU JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK
Jurusan Teknk Spl dan Lngkungan FT UGM U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SABTU, JULI OPEN BOOK WAKTU MENIT PETUNJUK ) Saudara bole menggunakan komputer untuk mengerjakan soal- soal ujan n. Tabel
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 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 VIII PENUTUP 8.1. Kesimpulan Penelitian
A VIII PENUTUP 8.. Kesmpulan Peneltan Dalam peneltan yang tela dlakukan, dperole nformas knerja transms dan spektrum gelombang serta stabltas terumbu ottle Reef TM sebaga peredam gelombang ambang terbenam
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 terperinciTaksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil
Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data
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 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 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 I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciIntegrasi. Metode Integra. al Reimann
Integras Metode Integra al Remann Metode Integral Trapezoda Metode Integra al Smpson Permasalaan Integras Pertungan ntegral adala pertungan dasar yang dgunakan dalam kalkulus, dalam banyak keperluan. Integral
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 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 terperinciMODEL REGRESI SEMIPARAMETRIK CAMPURAN SPLINE TRUNCATED DAN DERET FOURIER (Studi Kasus : Angka Harapan Hidup Provinsi Jawa Timur)
TESIS SS 14501 MODEL REGRESI SEMIPARAMETRIK CAMPURAN SPLINE TRUNCATED DAN DERET FOURIER (Stud Kasus : Angka Harapan Hdup Provns Jawa Tmur) KHAERUN NISA NRP. 1315 01 018 DOSEN PEMBIMBING Prof. Dr. Drs.
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 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 terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
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 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 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 terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
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 terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
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 terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciPerbandingan Metode Partial Least Square (PLS) dengan Regresi Komponen Utama untuk Mengatasi Multikolinearitas
Statstka, Vol. No., 33 4 Me 0 Perbandngan Metode Partal Least Square (PLS) dengan Regres Komponen Utama untuk Mengatas Multkolneartas Nurasana, Muammad Subanto, Rka Ftran Jurusan Matematka FMIPA UNSYIAH
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciREGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciPEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI VISUAL UK. PETRA SURABAYA
PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA (I Nyoman Budantara, et al.) PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI
Lebih terperinciANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI SPLINE. Suparti 1. Abstract
Analss Data (Supart) ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI SPLINE Supart 1 1 Staf Pengajar Jurusan Statstka FSM UNDIP Abstract The nflaton data s one of the fnancal tme seres data
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 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 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 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 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 terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
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 terperinciCorresponding Author:
Perbandngan Fungs Ketahanan Hdup Dengan Metode Non Parametrk Menggunakan Uj Gehan Dan Uj Cox-Mantel (Lvng wth Securty Functon Comparson Method Usng Non Paremetrk Gehan test and Cox-Mantel Tes Ans Sept
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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
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 terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
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 terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciRegresi Polinomial local untuk Data Survey Skala Besar
Semnar Nasonal Statstka IX Insttut eknolog Sepuluh Nopember, 7 November 009 Regres Polnomal local untuk Data Survey Skala Besar Stud kasus: Model Pengeluaran Rumah angga berdasarkan Data Susenas Jawa mur
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
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 terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
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 III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian
BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB IV HASIL DAN ANALISIS DATA PENELITIAN. Mojokerto pada kelas IX-A yang berjumlah 34 siswa. Penelitian ini dilaksanakan
57 BAB IV HASIL DAN ANALISIS DATA PENELITIAN A. Deskrps Pelaksanaan Peneltan Kegatan peneltan n tela dlaksanakan ole penelt d MTs Neger Mojokerto pada kelas IX-A yang berjumla 34 sswa. Peneltan n dlaksanakan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
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 terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
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 terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
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 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 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 terperinciPEMODELAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA KASUS TETANUS NEONATORUMDI PROVINSIJAWA TIMUR
ISBN : 978.602.36.002.0 PEMODELAN REGRESI ZERO INFLAED NEGAIVE BINOMIAL (ZINB) PADA KASUS EANUS NEONAORUMDI PROVINSIJAWA IMUR Cndy Cahyanng Asut, Isman Zan 2 Mahasswa Jurusan Statstka Insttut eknolog Sepuluh
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 terperinciREKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA
REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan
Lebih terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
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 terperinciRIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN
RIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN Sudartanto 1, Nono Suwarno 2, Ahmad Taofk 3 JurusanStatstka FMIPA-UNPAD, Fapet UNPAD, Jurusan Agrotek UIN emal : sudartanto@unpad.ac.d;
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 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 terperinciESTIMASI INTERVAL KURVA REGRESI NONPARAMETRIK SPLINE TRUNCATED MULTIVARIABEL (Studi Kasus : Data Indeks Demokrasi Indonesia)
TESIS SS4 50 ESTIMASI INTERVAL KURVA REGRESI NONPARAMETRIK SPLINE TRUNCATED MULTIVARIABEL (Stud Kasus : Data Indeks Demokras Indonesa) SUPRAPTO NRP. 066500700 DOSEN PEMBIMBING : Prof. Dr. Drs. I Nyoman
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 terperinciBINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciHubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya
Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes
Lebih terperinci