PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG (Studi Kasus: Nilai Capaian Mahasiswa dalam Mata Kuliah Metode Statistika Tahun 2008/2009)
|
|
- Farida Tan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG (Studi Kasus: Nilai Capaian Mahasiswa dalam Mata Kuliah Metode Statistika Tahun 2008/2009) TRI WURI SASTUTI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009
2 RINGKASAN TRI WURI SASTUTI. Pemodelan Regresi Tiga Level pada Data Pengamatan Berulang (Studi Kasus: Nilai Capaian Mahasiswa dalam Mata Kuliah Metode Statistika Tahun 2008/2009). Dibimbing oleh INDAHWATI dan YENNI ANGRAINI. Pemodelan multilevel adalah pemodelan untuk data yang memiliki struktur berjenjang. Pemodelan ini digunakan pada data berjenjang karena antar amatan pada level yang lebih rendah tidak saling bebas, sehingga hal ini melanggar asumsi kebebasan dalam pendekatan statistika konvensional, misalnya analisis regresi linear satu level. Salah satu studi kasus data berjenjang adalah data nilai capaian mahasiswa pada mata kuliah Metode Statistika. Setiap kelas paralel (level ketiga) terdiri dari sejumlah mahasiswa (level kedua) dan setiap mahasiswa memiliki nilai ujian yang diukur dalam beberapa titik waktu (level kesatu). Pada penelitian ini dihasilkan model regresi tiga level untuk data pengamatan berulang. Faktor-faktor yang paling berpengaruh terhadap nilai capaian Metode Statistika adalah IPK TPB, jenis kelamin, interaksi antara IPK TPB dengan asal daerah, dan interaksi antara waktu ujian dengan jenis kelamin mahasiswa. Berdasarkan komponen keragaman diketahui bahwa terdapat keragaman perbedaan nilai capaian antar kelas, keragaman perbedaan nilai antar mahasiswa dalam kelas, dan juga terdapat keragaman nilai capaian antar waktu dalam mahasiswa dalam kelas.
3 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG (Studi Kasus: Nilai Capaian Mahasiswa dalam Mata Kuliah Metode Statistika Tahun 2008/2009) TRI WURI SASTUTI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2009
4 Judul Skripsi : Pemodelan Regresi Tiga Level pada Data Pengamatan Berulang (Studi Kasus: Nilai Capaian Mahasiswa dalam Mata Kuliah Metode Statistika Tahun 2008/2009) Nama : Tri Wuri Sastuti NIM : G Menyetujui: Pembimbing I Pembimbing II ( Ir. Indahwati, M.Si) (Yenni Angraini, S.Si, M.Si) NIP NIP Mengetahui: Ketua Departemen, (Dr. Ir, Hari Wijayanto, MS) NIP Tanggal Lulus :
5 RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 05 Februari 1988 sebagai anak ketiga dari empat bersaudara dari pasangan Parlan dan Supri Hariyanti. Pada tahun 1999 penulis menyelesaikan pendidikan dasar di Madrasah Ibtidaiyah Nurul Huda Jakarta, kemudian melanjutkan studi ke sekolah menengah pertama di SLTP Negeri 175 Jakarta hingga tahun Pada tahun 2005 penulis menyelesaikan pendidikan menengah atas di SLTA Negeri 38 Jakarta dan pada tahun yang sama diterima di Institut Pertanian Bogor melalui jalur Ujian Saringan Masuk IPB (USMI) serta pada tahun 2006 penulis diterima menjadi mahasiswa mayor Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam IPB dengan minor Matematika Keuangan dan Aktuaria Departemen Matematika. Semasa menjadi mahasiswa, penulis aktif mengikuti organisasi kemahasiswaan. Pada tahun 2006/2007 penulis menjadi staf kewirausahaan himpunan profesi Gamma Sigma Beta (GSB). Penulis pernah menjadi asisten dosen Fisika pada tahun 2006/2007 dan pada tahun yang sama penulis menjadi staf pengajar di bimbingan belajar Maestro Depok sampai tahun Penulis juga pernah menjadi validator quick count pemilu dan pemilihan Presiden di Lembaga Survei Indonesia pada tahun Praktik lapang dilakukan penulis di PT Swadaya Pandu Artha pada Divisi Research and Development pada bulan Februari-April 2009 dan penulis juga melakukan magang di Bank Bukopin Tbk pada Divisi Pengembangan UKMK dan Bisnis Komersil pada bulan Mei-November 2009.
6 KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Shalawat serta salam disampaikan kepada Nabi Muhammad SAW beserta keluarga dan para sahabatnya. Karya ilmiah ini memiliki judul Pemodelan Regresi Tiga Level pada Data Pengamatan Berulang (Studi Kasus: Nilai Capaian Mahasiswa dalam Mata Kuliah Metode Statistika Tahun 2008/2009). Karya ilmiah ini merupakan syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Terima kasih penulis ucapkan kepada: 1. Ibu Ir. Indahwati, M.Si selaku pembimbing yang telah meluangkan waktunya untuk membimbing, berdiskusi, serta memberi arahan kepada penulis. 2. Ibu Yenni Angraini, S.Si, M.Si selaku pembimbing yang telah meluangkan waktunya untuk membimbing, berdiskusi, serta memberi arahan dan saran kepada penulis. 3. Mama, Bapak, mba Reri, mas Arif dan Jati atas segala doa, dukungan, dan kasih sayangnya. 4. Srt Mar Eko Yulianto selaku imam dalam hidupku, terima kasih atas rasa sayang, dukungan, perhatian, dan penantian yang dicurahkan kepada penulis. 5. Seluruh dosen Departemen Statistika atas ilmu dan nasihat yang bermanfaat sehingga membantu penulis dalam menyelesaikan karya ilmiah ini, serta kepada seluruh staf Departemen Statistika (Bu Markonah, Bu sulis, Pak Iyan, Bu Tri, Bu Dedeh, Bu Aat, Bang Sudin, Mang Herman, Mang Dur) yang telah membantu penulis selama belajar di Statistika IPB. 6. Rekan satu pembimbing (Wiwid, Isna, Miu, Ela, Mega), Wiwi, Trimi, Hafiz, Angga, Mojo, Popi, teman-teman STK 42 lainnya, adik-adik STK 43 dan STK 44. Semoga karya ilmiah ini bermanfaat. Bogor, Desember 2009 Penulis
7 DAFTAR ISI Halaman DAFTAR TABEL... viii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... viii PENDAHULUAN Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA Data Kelompok dan Pengamatan Berulang... 1 Pemodelan Multilevel... 1 Model Regresi Tiga Level dengan Pengamatan Berulang... 2 Pendugaan Parameter... 2 Pendugaan Koefisien Korelasi Intra Kelompok... 3 Pengujian Hipotesis... 3 Likelihood Ratio Test (LRTs)... 3 Centering Covariates... 3 BAHAN DAN METODE Bahan... 4 Metode... 4 PEMBAHASAN Deskripsi Data... 4 Ilustrasi Keragaman Antar Kelas dan Antar Mahasiswa... 5 Eksplorasi data... 5 Analisis Regresi Tiga Level... 6 Interpretasi Hasil Model Terbaik... 8 KESIMPULAN DAN SARAN... 9 Kesimpulan... 9 Saran... 9 DAFTAR PUSTAKA... 9 LAMPIRAN... 10
8 viii DAFTAR TABEL Halaman 1 Keragaman antara kelas Statistika dengan kelas Ilmu Ekonomi Hasil perbandingan model dalam memilih struktur intersep acak Hasil perbandingan model dalam memilih struktur efek tetap Hasil uji LRT perbandingan model dalam memilih struktur kemiringan acak Nilai dugaan efek tetap pada analisis regresi tiga level sesuai dengan Model Nilai dugaan komponen ragam pada analisis regresi tiga level sesuai dengan Model Hasil perbandingan model struktur kovarian untuk sisaan pada level satu... 8 DAFTAR GAMBAR Halaman 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika Grafik antara nilai capaian dengan waktu pada dua kelas yang berbeda Garis regresi dari 30 kelas paralel berdasarkan IPK TPB Garis regresi dari 30 kelas paralel berdasarkan waktu Langkah dalam memilih struktur intersep acak Langkah dalam memilih struktur efek tetap... 7 DAFTAR LAMPIRAN Halaman 1 Urutan 30 kelas paralel Metode Statistika tahun 2008/ Pengkodean peubah penjelas Kelas paralel yang memiliki nilai tertinggi lebih dari seratus Statistika deskriptif setiap kelas paralel Plot interaksi antara peubah penjelas intra level dan interaksi peubah penjelas antar level 13 6 Korelasi intra kelas dan korelasi intra mahasiswa... 14
9 1 PENDAHULUAN Latar Belakang Pada kehidupan sehari-hari sering kali dijumpai data yang memiliki struktur berjenjang (hierarchical) atau berkelompok (clustered). Pada struktur berjenjang, individu-individu dalam kelompok yang sama memiliki karakteristik yang cenderung mirip, dengan kata lain antar amatan pada level yang lebih rendah tidak saling bebas, sehingga melanggar asumsi kebebasan dalam pendekatan statistika konvensional, misalnya regresi linear sederhana satu level. Jika pelanggaran asumsi ini diabaikan maka akan mengakibatkan nilai dugaan galat baku koefisien regresi berbias ke bawah sehingga akan banyak ditemukan hubungan yang signifikan secara statistik dalam pengujian hipotesis. Hal inilah yang menjadi salah satu alasan mengapa diperlukan analisis multilevel pada data berjenjang ( Salah satu jenis data berjenjang adalah data pengamatan berulang. Dikatakan data pengamatan berulang jika peubah responnya diukur secara berulang pada unit analisis yang sama berdasarkan faktor pengamatan yang berbeda. Salah satu contoh dari faktor pengamatan yang berbeda adalah waktu. Setiap unit amatan yang sama akan diamati secara berulang berdasarkan waktu yang berbeda-beda. Secara alamiah, pengamatan yang diukur secara berulang pada individu yang sama memiliki keterkaitan (tidak saling bebas). Metode Statistika (STK211) merupakan mata kuliah interdep yang berada di bawah naungan Departemen Statistika sejak berlakunya sistem Mayor-Minor di IPB tahun Pada tahun 2008/2009, kelas paralel mata kuliah Metode Statistika mencapai lebih dari 30 kelas paralel. Pada umumnya setiap kelas paralel terdiri dari satu departemen dan kelas-kelas tersebut di bawah tanggung jawab dosen Departemen Statistika ataupun dosen departemen lain yang sudah terbiasa mengajar mata kuliah ini. Setiap kelas paralel terdiri dari sejumlah mahasiswa dan setiap mahasiswa memiliki nilai ujian yang dilakukan pada beberapa titik waktu. Pada umumnya setiap mata kuliah diuji pada dua titik waktu yaitu pada saat ujian tengah semester (UTS) dan ujian akhir semester (UAS). Namun ada pula dosen yang memberikan ujian sampai tiga ataupun empat waktu. Oleh Karena itu data nilai capaian mahasiswa pada mata kuliah Metode Statistika memiliki struktur data berjenjang pengamatan berulang dengan faktor pengamatan berulang yang digunakan adalah waktu ujian. Selain struktur datanya berjenjang, banyaknya kelas paralel yang terdiri dari mahasiswa dengan IPK TPB yang berbedabeda diduga menimbulkan keragaman dalam capaian nilai mahasiswa dalam mata kuliah ini. Demikian pula faktor jenis kelamin, asal daerah, serta jumlah mahasiswa per kelas. Berdasarkan permasalahan di atas, akan dilakukan pemodelan regresi tiga level pada data pengamatan berulang. Nilai amatan berulang sebagai level kesatu yang tersarang pada level kedua (mahasiswa) tersarang pada level ketiga (kelas paralel). Tujuan Penelitian ini bertujuan untuk: 1. Mengkaji penerapan model regresi tiga level data pengamatan berulang untuk menganalisis hubungan antara capaian mahasiswa dalam mata kuliah Metode Statistika dengan faktor-faktor yang mempengaruhinya. 2. Mencari faktor-faktor yang berpengaruh dalam keragaman capaian mahasiswa untuk mata kuliah Metode Statistika, baik pada level kesatu, kedua (mahasiswa) maupun pada level ketiga (kelas paralel). 3. Menduga komponen-komponen ragam capaian mahasiswa dalam mata kuliah Metode Statistika. TINJAUAN PUSTAKA Data Kelompok dan Data Pengamatan Berulang Data kelompok merupakan data dimana peubah responnya diukur hanya satu kali pada setiap satuan analisis pada level terendah. Setiap satuan analisis pada data ini tersarang dalam unit kelompok sebagai level yang lebih tinggi. Sebuah data dikatakan data pengamatan berulang jika peubah respon diukur lebih dari satu kali pengamatan pada satuan analisis yang sama dengan memberikan faktor pengamatan yang berbeda. Faktor pengamatan berulang dapat berupa waktu, perlakuan percobaan atau berupa kondisi observasi. (West et al., 2007). Pemodelan Multilevel Struktur multilevel mengindikasikan bahwa data yang akan dianalisis berasal dari beberapa level, dimana level yang lebih
10 2 rendah tersarang dalam level yang lebih tinggi. Pemodelan multilevel merupakan suatu pemodelan statistik untuk menduga hubungan antar peubah yang diamati pada level-level yang berbeda dalam struktur data berjenjang. 1. Model Regresi Tiga Level dengan Pengamatan Berulang Analisis regresi mengkaji pola hubungan antara satu peubah respon dengan satu atau lebih peubah penjelas. Jika datanya memiliki struktur berjenjang atau mengandung data pengamatan berulang yang berjenjang, regresi multilevel lebih tepat digunakan dalam masalah ini. Pada regresi multilevel, satu peubah respon hanya diukur pada level terendah dan peubah penjelas dapat berada pada semua level. Secara konseptual, model dipandang sebagai suatu sistem berjenjang dari persamaan-persamaan regresi. Jika Y tij merupakan peubah respon dalam waktu ke-t pada mahasiswa ke-i dan pada kelas paralel ke-j, dan diasumsikan setiap level memiliki satu peubah penjelas dengan intersep dan kemiringan acak, maka model regresi tiga level pada data pengamatan berulang dapat diformulasikan sebagai berikut: Model Level 1 (Pengamatan Berulang) Y tij = β 0ij + β 1ij T tij + tij Model Level 2 (Mahasiswa) β 0ij = β 00j + β 01j V ti + u 0ij β 1ij = β 10j + β 11j V ti + u 1ij Model Level 3 (Kelas Paralel) β 00j = β β 001 Z t + w 00j β 01j = β β 011 Z t + w 01j β 10j = β β 101 Z t + w 10j β 11j = β β 111 Z t + w 11j Ketiga model di atas dapat digabung menjadi model regresi tiga level sebagai berikut: Y tij = β β 001 Z t + β 010 V ti + β 100 T tij + β 011 Z t V ti + β 101 Z t T tij + β 110 V ti T tij + β 111 Z t V ti T tij + w 01j V ti + w 10j T tij + w 11j V ti T tij + u 1ij T tij + w 00j + u 0ij + tij dimana t=1,2,...,n ij. i=1,2,..,n j, dan j=1,2,..,n. Indeks n ij merupakan banyaknya pengamatan berulang pada mahasiswa ke i dalam kelas ke j. Dalam model tersebut T adalah peubah penjelas pada level satu, V merupakan peubah penjelas pada level dua, dan Z merupakan peubah penjelas pada level tiga. Meskipun demikian, pada pemodelan multilevel tidak diharuskan kehadiran peubah penjelas pada setiap levelnya. Tantular (2009) misalnya, hanya menggunakan satu peubah penjelas pada level terendah dalam analisis regresi tiga level tanpa pengamatan berulang, dan tidak ada peubah penjelas pada level kedua dan ketiga. Secara umum model regresi multilevel dapat diformulasikan melalui catatan matriks dan vektor dalam bentuk model linear campuran (Linear Mixed Model/LMM) sebagai berikut: (West et al., 2007) y = X β + Z u+ ε Tetap Acak u ~ N (0, G) dan ε ~ N (0, R) dimana y merupakan peubah respon berukuran nx1, dimana n merupakan jumlah dari n ij. X adalah matriks rancangan untuk efek tetap dan Z adalah matriks rancangan untuk afek acak. β adalah parameter efek tetap, sedangkan u dan ε masing-masing merupakan vektor parameter efek acak dan sisaan.. G merupakan matriks blok diagonal yang merepresentasikan ragam koragam untuk semua efek acak dalam u, dan R adalah matriks blok diagonal yang merepresentasikan matriks ragam koragam untuk semua sisaan dalam ε. Matriks G dan R keduanya merupakan matriks simetrik dan definit positif. Dalam model dengan pengamatan berulang, sisaan dalam individu yang sama dapat berkorelasi, namun antara u dan ε diasumsikan saling bebas. 2. Pendugaan Parameter Pendugaan parameter (koefisien regresi dan komponen ragam) yang umum digunakan pada pemodelan multilevel adalah metode kemungkinan maximum likelihood (ML) atau Restricted Maximum Likelihood (REML).
11 3 3. Pendugaan Koefisien Korelasi Intraklas Jika kita mempunyai data dengan struktur berjenjang yang sederhana, maka regresi multilevel dapat digunakan untuk memberikan nilai dugaan bagi korelasi intraklas. Korelasi intraklas menunjukkan proporsi keragaman yang dijelaskan oleh struktur kelompok dalam populasi, yang dapat juga diinterpretasikan sebagai korelasi harapan antara dua unit yang dipilih secara acak yang berada dalam kelompok yang sama (Hox, 2002). Korelasi intraklas dapat diperoleh pada setiap level kelompok. Pada model regresi tiga level terdapat dua korelasi intraklas yaitu korelasi intra kelas dan korelasi intra mahasiswa (Goldstein, 1999). Jika efek acak keragaman yang berhubungan dengan level ketiga dilambangkan dengan σ 2 3 dan efek acak keragaman yang berhubungan dengan level kedua yang tersarang pada level ketiga dilambangkan dengan σ 2 2, maka korelasi intra kelas (ρ 3 ) dan korelasi intra mahasiswa (ρ 2 ) dengan asumsi intersep acak dan tanpa peubah penjelas adalah sebagai berikut: Pada regresi tiga level, korelasi intra kelas dan proporsi keragaman yang dapat dijelaskan oleh struktur kelas memiliki formula yang sama, sedangkan proporsi keragaman yang dapat dijelaskan oleh struktur mahasiswa adalah sebagai berikut: Pengujian Hipotesis Hipotesis dalam LMM terdiri dari hipotesis nol (H 0 ) dan hipotesis alternatif (H A ). Hipotesis dapat menjadi formula dalam dua model yang memiliki hubungan tersarang. Model yang lebih umum yang mengandung kedua hipotesis H 0 dan H A disebut model referensi sedangkan model yang hanya mencakup H 0 disebut sebagai model tersarang. Model referensi mengandung semua parameter yang diuji sedangkan model tersarang tidak. Model tersarang merupakan bagian dari model referensi. Uji hipotesis ini biasanya digunakan untuk menentukan model mana yang akan dipilih antara model tersarang dengan model referensi. Likelihood Ratio Test (LRT) LRT digunakan untuk membandingkan nilai fungsi likelihood antara model tersarang dengan model referensi dalam pengujian hipotesis. Fungsi dari LRT dituliskan sebagai: -2 log L tersarang L referensi = -2 logl tersarang -2 log L tersarang 2 ~χ L df referensi - -2 logl referensi Statistik di atas menyebar mengikuti sebaran khi kuadrat dengan derajat bebas selisih dari banyaknya parameter antara kedua model. Pada LRT untuk pengujian efek tetap, pendugaan parameternya menggunakan metode ML. Penghitungan uji statistik dalam pendugaan efek tetap adalah selisih dari -2 ML log-likelihood antara dua model yang menyebar khi kuadrat dengan nilai derajat bebas selisih dari banyaknya parameter efek tetap antara kedua model. Uji hipotesis untuk parameter kovarian dalam LMM menggunakan pendugaan REML baik untuk model tersarang ataupun untuk model referensi. Penghitungan uji statistik untuk pendugaan ini adalah selisih dari -2 REML log-likelihood antara dua model yang menyebar khi kuadrat dengan nilai derajat bebas selisih dari banyaknya parameter acak antara dua model (West et al., 2007). Centering Covariates Centering Covariates berfungsi untuk mengubah interpretasi intersep. Biasanya intersep dimaknai sebagai nilai tengah dari peubah respon saat peubah penjelasnya bernilai nol. Pada kenyataannya nilai nol sering berada di luar wilayah hasil. Untuk menghindari hal tersebut maka dilakukanlah centering. Centering dilakukan supaya makna intersep menjadi nilai tengah peubah respon saat peubah penjelas bernilai tertentu yang pasti terkandung di dalam data (misalnya rataan atau median). Selain itu centering juga dapat mengurangi kolinearitas antar peubah penjelas (West et al, 2007).
12 4 Kelas 2 Kelas 1 Mahasiswa Mahasiswa Mahasiswa Mahasiswa N1 N2 N1 N2 N1 N2 N1 N2 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam mata kuliah Metode Statistika tahun 2008/2009 pada beberapa titik waktu yang menjadi peubah respon pada level satu. Peubah penjelas pada level satu adalah waktu ujian. Peubah penjelas level dua adalah IPK TPB, jenis kelamin, dan asal daerah. Jumlah mahasiswa per kelas dan persentase nilai Pengantar Matematika minimal berhuruf mutu B merupakan peubah-peubah penjelas pada level ketiga. Struktur data dapat dilihat pada Gambar 1. Metode Langkah-langkah yang dilakukan pada penelitian ini adalah: 1. Melakukan konversi nilai capaian Metode Statistika untuk kelas paralel yang nilai maksimumnya melebihi Melakukan analisis deskriptif per kelas paralel untuk mendapatkan gambaran umum data. 3. Mengeksplorasi hubungan antara capaian mahasiswa dalam mata kuliah Metode Statistika dengan peubah-peubah penjelasnya secara grafis. 4. Melakukan centering terhadap beberapa peubah penjelas, yaitu mengurangkan data dengan rataannya. 5. Mencari model terbaik yang dapat memodelkan hubungan antara capaian mahasiswa dalam mata kuliah Metode Statistika dengan peubah-peubah penjelasnya, dengan tahapan: 1. Memilih struktur intersep acak 2. Memilih struktur efek tetap 3. Memilih struktur kemiringan acak 4. Memasukkan interaksi peubah penjelas antar level ke dalam model 5. Memilih struktur kovarian untuk sisaan pada level satu 6. Menduga komponen ragam capaian mahasiswa dalam mata kuliah Metode Statistika berdasarkan model yang telah diperoleh. PEMBAHASAN Deskripsi Data Perkuliahan Metode Statistika tahun 2008/ 2009 terbagi menjadi dua waktu yaitu semester ganjil dan semester genap. Jika waktu yang berdasarkan semester itu diabaikan dan data diamati hanya pada satu angkatan (2007), maka diperoleh jumlah kelas paralel seluruhnya sebanyak 30 kelas. Urutan kelas paralel dapat dilihat pada Lampiran 1. Data yang diamati merupakan data nilai mahasiswa yang terdaftar mengambil mata kuliah Metode Statistika tahun 2008/2009. Secara umum pengambilan nilai dilakukan sebanyak dua kali, yaitu pada saat ujian tengah semester (UTS) dan ujian akhir semester (UAS). Namun ada pula dosen yang memberikan ujian lebih dari dua waktu. Dosen kelas TIN memberikan ujian Metode Statistika sebanyak tiga waktu yaitu ujian 1 saat UTS, ujian 2 (antara UTS dan UAS), dan ujian 3 saat UAS. Selain kelas TIN, kelas paralel AGH memiliki empat waktu pengambilan nilai ujian, yaitu ujian1 (sebelum UTS), ujian 2 (saat UTS), ujian 3 (antara UTS dengan UAS), dan ujian 4 (UAS). Meskipun demikian, perbedaan frekuensi ujian antar kelas paralel tidak menjadi masalah dalam analisis ini.
13 5 Secara umum kelas paralel Metode Statistika tahun 2008/2009 memiliki rataan jumlah mahasiswa sebanyak mahasiswa per kelas, rata-rata persentase Pengantar Matematika minimal B per kelas sebesar 49.12%, rata-rata IPK TPB sebesar 2.86, mayoritas mahasiswa berjenis kelamin perempuan (63%), 76% mahasiswa berasal dari Pulau Jawa, rata-rata nilai UTS setiap mahasiswa sebesar 61.33, dan rata-rata nilai UAS setiap mahasiswa sebesar (Lampiran 4). Ilustrasi Keragaman Antar Kelas dan Antar Mahasiswa Untuk menggambarkan adanya keragaman antar kelas, dipilih dua kelas yang memiliki rata-rata nilai ujian tertinggi pada setiap waktu ujian yaitu kelas Statistika yang memiliki ratarata UAS tertinggi dan kelas Ilmu Ekonomi yang memiliki rata-rata UTS tertinggi. Kelas Statistika memiliki rata-rata IPK TPB cukup besar yaitu 3.2 dan 71.21% mahasiswanya memiliki nilai mutu Pengantar Matematika minimal B, sedangkan kelas Ilmu Ekonomi memiliki rata-rata IPK TPB yang cukup kecil yaitu sebesar 2.72 dan % mahasiswanya memiliki nilai Pengantar Matematika dibawah B. Meskipun kedua kelas itu sama-sama memiliki rata-rata nilai ujian tertinggi, namun terlihat jelas keragaman dari dua kelas tersebut berdasarkan peubah tertentu, sehingga menimbulkan pertanyaan apakah peubah-peubah tersebut memiliki pengaruh terhadap nilai capaian atau tidak (Tabel 1). Tabel1 Keragaman antara kelas Statistika dengan kelas Ilmu Ekonomi Peubah Nilai rata-rata STK IE % PM min B Jumlah Mahasiswa IPK TPB % Laki-laki %Luar Jawa UTS UAS Beberapa faktor yang diduga memiliki pengaruh terhadap nilai capaian Metode Statistika terdiri dari peubah kategorik dan numerik. Sebelum dianalisis, dilakukan pengkodean terhadap peubah kategorik yang dapat dilihat pada Lampiran 2. Mahasiswa yang berada dalam kelas yang sama akan memiliki kemiripan. Hal ini kemungkinan karena proses seleksi awal masuk departemen, pengaruh dosen, jumlah mahasiswa, suasana kelas, dan faktor lainnya. Gambar 2 menggambarkan ilustrasi keragaman nilai dalam kelas dibandingkan antar kelas, sebagai contoh diambil kelas MSL dan kelas Kimia Keterangan axis: 0 = UTS MSL 2 =UTS Kimia 1 = UAS MSL 3 = UAS Kimia Gambar 2 Grafik antara nilai capaian dengan waktu pada dua kelas yang berbeda Nilai capaian dua pasang mahasiswa pada dua kelas berbeda yang terpilih secara acak menunjukkan kemiripan yang lebih besar pada mahasiswa dalam kelas yang sama, dimana kelas yang diwakili dengan bujur sangkar adalah mahasiswa pada kelas MSL dan simbol yang diwakili oleh segitiga adalah mahasiswa pada kelas Kimia. Umumnya perubahan nilai untuk mahasiswa-mahasiswa kelas MSL tidak terlalu besar. Eksplorasi Data Ekplorasi dilakukan untuk mendeteksi keberadaan interaksi antar peubah penjelas, baik antar peubah penjelas dalam level yang sama atau interaksi peubah penjelas antar level yang berbeda. Eksplorasi interaksi bermanfaat dalam pemilihan struktur efek tetap dan penambahan interaksi peubah antar level pada analisis regresi tiga level supaya model yang terbentuk lebih efektif. Interaksi peubah yang terjadi dalam level yang sama adalah interaksi antara IPK TPB dengan asal daerah sedangkan interaksi antar level terjadi pada peubah waktu (level 1) dengan peubah pada level 2 yaitu jenis kelamin. Untuk interaksi antar peubah penjelas lainnya tidak nampak adanya interaksi dalam eksplorasi ini karena plot interaksinya menunjukkan pola yang sejajar (Lampiran 5). Selain mendeteksi interaksi, eksplorasi juga diperlukan untuk mendeteksi adanya keragaman perbedaan nilai karena adanya keragaman pengaruh peubah penjelas antar kelas. Untuk pengaruh IPK TPB misalnya,
14 6 dilakukan eksplorasi dengan membuat garis regresi antar nilai capaian Metode Statistika (Y) dengan IPK TPB (X) pada setiap kelas paralel, sehingga akan diperoleh 30 garis regresi. Pada eksplorasi garis regresi ini terdeteksi adanya keragaman pengaruh IPK TPB antar kelas berupa keragaman intersep dan kemiringan garis regresi antar kelas (Gambar 3). Sama halnya dengan peubah IPK TPB, intersep dan kemiringan peubah waktu juga beragam antar kelas (Gambar 4). tersarang dalam kelas dengan nilai-p sebesar sehingga untuk analisis selanjutnya digunakan pengaruh intersep acak terhadap kelas dan terhadap mahasiswa dalam kelas (Tabel 2). M1.1 Model tanpa peubah penjelas dengan intersep acak terhadap kelas Nilai Capaian ,50 2,50 3,50 IPK TPB M1.2 Model tanpa peubah penjelas dengan intersep acak terhadap kelas dan mahasiswa dalam kelas Gambar 5 Langkah dalam memilih struktur intersep acak Tabel 2 Hasil perbandingan model dalam memilih struktur intersep acak Gambar 3 Garis regresi dari 30 kelas paralel berdasarkan IPK TPB Perbandingan model Nilai-P M1.1 dengan M NIlai Capaian ,5 1 1,5 2 Waktu Gambar 4 Garis regresi dari 30 kelas paralel berdasarkan waktu Analisis Regresi Tiga level Untuk mendapatkan model dugaan regresi tiga level yang terbaik, maka diperlukan beberapa tahapan sebagai berikut: Tahap 1 Memilih struktur intersep acak Pada tahap satu dilakukan pemilihan struktur intersep acak dengan menggunakan metode REML (Gambar 5). Pemilihan struktur intersep ini untuk mengetahui apakah ada keragaman intersep antar mahasiswa jika diketahui terdapat keragaman intersep antar kelas. Hasil uji LRT menyatakan terdapat keragaman intersep antar mahasiswa yang Model tanpa peubah penjelas dengan intersep acak terhadap kelas dan mahasiswa ini dapat memberikan informasi keragaman yang dijelaskan oleh struktur kelas dan struktur mahasiswa, selain itu dapat pula diketahui korelasi intra kelas dan korelasi intra mahasiswa. Proporsi keragaman nilai capaian yang dapat dijelaskan oleh kelas tanpa dipengaruhi oleh faktor apapun sebesar 20.92% sedangkan proporsi keragaman nilai capaian yang dapat dijelaskan oleh struktur mahasiswa dalam kelas tanpa dipengaruhi oleh faktor apapun sebesar 17.61%. Selain itu dapat diketahui pula bahwa korelasi antara dua mahasiswa yang dipilih secara acak yang berada dalam kelas yang sama adalah sebesar 0.21, sedangkan korelasi intra mahasiswa antara dua nilai ujian yang dipilih secara acak yang berada dalam mahasiswa yang sama sebesar 0.39 (Lampiran 6). Tahap 2 Memilih struktur efek tetap Pemilihan struktur efek tetap bermaksud untuk mendapatkan peubah-peubah penjelas yang memiliki pengaruh yang besar terhadap nilai capaian dengan cara memasukkan satupersatu peubah penjelas setiap levelnya pada model (Gambar 6). Pendugaan parameter pada tahap ini menggunakan metode ML.
15 7 Berdasarkan hasil perbandingan model dengan menggunakan LRT yang hasilnya disajikan pada Tabel 3, model yang diterima adalah M2.3 dengan peubah penjelas waktu, IPK TPB, jenis kelamin, asal daerah, dan interaksi antara IPK TPB dengan asal daerah. M2.4 tidak dapat diterima karena setelah diuji LRT, peubah penjelas pada level 3 (persentase nilai Pengantar Matematika dan jumlah mahasiswa setiap kelas) tidak berpengaruh terhadap nilai capaian dengan nilai-p sebesar Tidak berpengaruhnya persentase nilai pengantar Matematika terhadap nilai capaian Metode Statistika mungkin disebabkan kurangnya pendalaman logika dan analisis statistika pada mata kuliah Pengantar Matematika sedangkan dalam mata kuliah Metode Statistika sangat dibutuhkan kemampuan tersebut. M2.1 Model tanpa peubah penjelas dengan intersep acak terhadap kelas dan mahasiswa dalam kelas M2.2 Model dengan peubah penjelas pada level 1 (waktu) dengan intersep acak terhadap kelas dan mahasiswa dalam kelas M2.3 Model 2.2 ditambahkan dengan peubahpeubah penjelas pada level 2 dan interaksinya M2.4 Model 2.3 ditambahkan dengan peubahpeubah penjelas pada level 3 Gambar 6 Langkah dalam memilih struktur efek tetap Tabel 3 Hasil perbandingan model dalam memilih struktur efek tetap Perbandingan model Nilai-P M2.1 dengan M M2.2 dengan M M2.3 dengan M Tahap 3 Memilih struktur kemiringan acak Setelah melakukan tahap dua, dilanjutkan dengan tahap tiga yaitu memilih struktur kemiringan acak yang berpengaruh terhadap model. Pada tahap ini metode yang digunakan adalah pendugaan REML. Awalnya model tanpa pengaruh kemiringan acak dibuat dengan peubah penjelas sesuai dengan Model 2.3 (M3.1), kemudian model tersebut dibandingkan satu persatu dengan: 1. Model dengan kemiringan waktu acak (M3.2) 2. Model dengan kemiringan IPK TPB acak (M3.3) 3. Model dengan kemiringan jenis kelamin acak (M3.4) 4. Model dengan kemiringan asal daerah acak (M3.5) Berdasarkan hasil uji LRT, pengaruh kemiringan acak yang signifikan terhadap model adalah kemiringan waktu, IPK TPB, dan jenis kelamin (Tabel 4). Tabel 4 Hasil uji LRT perbandingan model dalam memilih struktur kemiringan acak Perbandingan model Nilai-P M3.1 dengan M M3.1 dengan M M3.1 dengan M M3.1 dengan M Tahap 4 Memasukkan peubah penjelas yang menjelaskan interaksi peubah antar level Tahap empat adalah tahap pembentukan model dengan efek tetap dan efek acak yang signifikan serta ditambahkan interaksi peubah antar level (M4.1). Interaksi yang dimasukkan dalam model adalah interaksi waktu dengan peubah penjelas yang berada pada level 2 yaitu interaksi waktu dengan jenis kelamin seperti yang dijelaskan pada eksplorasi data sebelumnya. Nilai dugaan efek tetap pada analisis regresi tiga level sesuai dengan Model 4.1 dapat dilihat pada Tabel 5, sedangkan nilai dugaan komponen ragamnya disajikan dalam Tabel 6. Tahap 5 Memilih struktur kovarian untuk sisaan pada level satu Langkah terakhir adalah memeriksa apakah nilai-nilai yang ada pada mahasiswa yang sama saling bebas atau tidak saling bebas. Dari model yang diperoleh pada tahap 4 yaitu model dengan asumsi ragam sisaan antar waktu homogen saling bebas (M4.1), kemudian dibuat model pembandingnya yaitu model dengan asumsi keragaman sisaan antar waktu homogen tidak saling bebas (M5.1). Berdasarkan hasil uji hipotesis diketahui bahwa ragam sisaan antar waktu homogen dan saling bebas (Tabel 7). Dengan demikian tidak
16 8 terbukti ada keterkaitan antar nilai ujian dalam mahasiswa yang sama. Hal ini mungkin disebabkan oleh jumlah titik waktu dominan terlalu sedikit (dua titik), adanya perbedaan tingkat kesulitan antara materi UTS dan UAS, dan kemungkinan dikarenakan adanya perbedaan dosen pada waktu UTS dengan UAS. Dengan demikian Model 4.1 merupakan model terbaik pada data capaian Metode Statistika. Tabel 5 Nilai dugaan efek tetap pada analisis regresi tiga level sesuai dengan Model 4.1 Solusi untuk Efek Tetap Efek tetap Nilai duga Nilai -P Intersep <.0001 Waktu IPK TPB <.0001 Jk Asal daerah Ipktpb*Asaldaerah Waktu*Jk <.0001 Tabel 6 Nilai dugaan komponen ragam pada analisis regresi tiga level sesuai dengan Model 4.1 Pendugaan Parameter Koragam Parameter Nilai Duga Nilai -P Koragam ; , ; ; , ; , ; ; , ; , ; , ; ; ; <.0001 ; < <.0001 Tabel 7 Hasil perbandingan model struktur kovarian untuk sisaan pada level satu Perbandingan model Nilai-P M4.1 dengan M Interpretasi Hasil Model Terbaik Berdasarkan Tabel 5 dapat diketahui bahwa rata-rata nilai capaian Metode Statistika dari mahasiswa yang berjenis kelamin perempuan, memiliki IPK 2.86, berasal dari Pulau Jawa, dan pada saat UTS sebesar Selain itu terlihat adanya interaksi IPK TPB dengan asal daerah. Hal ini berarti pengaruh IPK TPB terhadap nilai capaian Metode Statistika tergantung dari asal daerah mahasiswanya. Naiknya IPK TPB sebesar satu satuan mengakibatkan rata-rata nilai capaian untuk mahasiswa dari Pulau Jawa meningkat sebesar , untuk mahasiswa dari luar Jawa meningkat sebesar Interaksi juga terjadi pada peubah waktu dengan jenis kelamin mahasiswa. Pengaruh waktu ujian terhadap nilai capaian Metode Statistika tergantung pada jenis kelamin. Ratarata nilai capaian Metode Statistika dari UTS ke UAS pada mahasiswa yang berjenis kelamin perempuan menurun sebesar , sedangkan penurunan rata-rata nilai capaian pada mahasiswa yang berjenis kelamin lakilaki sebesar Rata-rata nilai capaian Metode Statistika pada mahasiswa berjenis kelamin laki-laki selalu lebih rendah dari mahasiswa yang berjenis kelamin perempuan. Pada saat UTS, rata-rata nilai mahasiswa lebih rendah dari mahasiswinya, sedangkan pada saat UAS, rata-rata nilai capaian mahasiswa laki-laki lebih rendah dari rata-rata nilai mahasiswa perempuannya. Berdasarkan Tabel 6, keragaman nilai tidak hanya terjadi antar kelas, keragaman nilai juga terjadi antar mahasiswa dalam kelas dan antar waktu dalam mahasiswa dalam kelas. Keragaman nilai Metode Statistika antar kelas pada mahasiswa yang memiliki IPK TPB 2.86, berjenis kelamin perempuan yang berasal dari Pulau Jawa pada saat UTS sebesar Nilai koragam antara intersep dan kemiringan waktu sebesar yang signifikan menandakan adanya hubungan negatif antara intersep dengan kemiringan waktu. Perbedaan nilai antara UTS dan UAS untuk kelas-kelas dengan intersep rendah lebih besar dari pada kelas-kelas yang memiliki intersep tinggi, demikian pula sebaliknya. Adapun keragaman perbedaan nilai UTS dan UAS antar kelas sebesar Begitu pula dengan IPK TPB dan jenis kelamin, kedua faktor tersebut juga dapat menimbulkan keragaman perbedaan nilai antar kelas. Keragaman kemiringan IPK TPB antar kelas sebesar , sedangkan keragaman perbedaan nilai antara laki-laki dan perempuan antar kelas sebesar
17 9 Dari Tabel 6 juga terlihat adanya keragaman perbedaan nilai antara UTS dan UAS antar mahasiswa dalam kelas sebesar , dan keragaman nilai antar waktu dalam mahasiswa dalam kelas sebesar KESIMPULAN DAN SARAN Kesimpulan Faktor-faktor yang berpengaruh terhadap nilai capaian Metode Statistika adalah IPK TPB, jenis kelamin mahasiswa, interaksi IPK TPB dengan asal daerah dan interaksi antara waktu dengan jenis kelamin mahasiswa. Waktu, IPK TPB dan jenis kelamin yang berbeda-beda menimbulkan keragaman perbedaan nilai antar kelas. Namun keragaman nilai tidak hanya terjadi antar kelas saja, keragaman juga terjadi antar mahasiswa dalam kelas dan keragaman antar waktu dalam mahasiswa dalam kelas. Keragaman nilai terbesar adalah keragaman nilai Metode Statistika antar kelas pada mahasiswa yang memiliki IPK TPB 2.86, berjenis kelamin perempuan yang berasal dari Pulau Jawa dan pada waktu UTS sebesar Saran Pada data struktur berjenjang, amatanamatan yang berada dalam kelompok yang sama cenderung mirip. Namun dalam penelitian ini, keterkaitan antara nilai UTS dan nilai UAS dalam mahasiswa yang sama tidak nampak. Hal ini kemungkinan dikarenakan banyaknya titik waktu pada data pengamatan berulang terlalu sedikit. Supaya korelasi antara nilai ujian dalam mahasiswa yang sama dapat terlihat, maka sebaiknya titik waktu pada data pengamatan berulang diperbanyak, dengan kata lain perlu penambahan frekuensi ujian. DAFTAR PUSTAKA [Anonim]. umentation/mlwin [23 Desember 2008, 10:02:20] Goldstein H Multilevel Statistical Models. Institute of Education, Multilevel Model Project, London. Hox J Multilevel Analysis : Techniques and Applications. New Jersey : Lawrence Erlbaum Associates, Inc. Tantular B Penerapan Model Regresi Linier Multilevel pada Data Pendidikan dan Data Nilai Ujian. [Tesis]. Bogor: Program Pascasarjana. Institut Pertanian Bogor. West B.T., K.B. Welch, dan A.T. Galecki Linear Mixed Models : A Practical Guide Using Statistical Software. New York : Chapman & Hall.
18 10
19 L A M P I R A N
20 11 Lampiran 1 Urutan 30 kelas paralel Metode Statistika tahun 2008/ Statistika (STK) 2. Manajemen Sumberdaya Lahan (MSL) 3. Geo Fisika dan Meteorologi (GFM) 4. Matematika (MTK) 5. Ilmu Komputer (KOM) 6. Fisika (FIS) 7. Bio Kimia 8. Kimia 9. Agronomi dan Holtikultura (AGH) 10. Lanskap 11. Fakultas Kedokteran Hewan (FKH) 12. Budi Daya Perairan (BDP) 13. Manajemen Sumber Daya Perairan (MSP) 14. Teknologi hasil Perairan (THP) 15. PSP 16. Ilmu Teknologi Kelautan (ITK) 17. Ilmu Pakan Peternakan(IPTP) 18. Ilmu Nutrisi Perternakan(INTP) 19. Manajemen Hutan (MENHUT) 20. Teknologi Hasil Hutan (THH) 21. Konservasi Sumberdaya Hutan (KSH) 22. Silvikultur (SILVI) 23. Ilmu Teknologi Pangan (ITP) 24. Teknologi Industri Pertabian (TIN) 25. Ilmu Ekonomi (IE) 26. Ilmu Manajemen (MAN) 27. Ekonomi Sumberdaya Lingkunagn (ESL) 28. Gizi Masyarakat (GM) 29. Ilmu Keluarga dan Konsumen (IKK) 30. Komunikasi dan Pengembangan Masyarakat (KPM) Lampiran 2 Pengkodean peubah penjelas Peubah Penjelas Kode Makna Waktu -1 Ujian Sebelum UTS 0 UTS 1 Ujian diantara UTS dan UAS 2 UAS Jenis Kelamin 0 Perempuan 1 Laki-laki Asal Daerah 0 Jawa 1 Luar Jawa Lampiran 3 Kelas paralel yang memiliki nilai tertinggi lebih dari seratus Kelas Paralel Ujian1 (sebelum UTS) Ujian2 (UTS) Ujian3 (Antara UTS dan UAS) Ujian4 (UAS) STK KIMIA FKH IPTP INTP ITP
21 12 Lampiran 4 Statistika deskriptif setiap kelas paralel % Lakilaki % Luar Jawa Ujian2 (UTS) Ujian4 (UAS) % PM Jumlah IPK Ujian1 Ujian3 No Dept min B mahasiswa TPB 1* STK 71, , ,00-83,68 2* MSL 57, , ,46-53,73 3 GFM 51, , ,24-53,27 4 MTK 76, , ,76-35,36 5 KOM 71, , ,16-48,34 6 FIS 56, , ,24-58,88 7* BIOKIMIA 60, , ,49-70,80 8 KIMIA 58, , ,72-72,15 9 AGH 59, , ,87 61,46 58,03 72,70 10 LANSKAP 70, , ,66-51,66 11 FKH 46, , ,42-60,73 12 BDP 47, , ,59-46,94 13 MSP 40, , ,17-43,36 14 THP 40, , ,02-36,23 15 PSP 32, , ,04-37,87 16 ITK 33, , ,70-52,56 17 IPTP 32, , ,92-65,53 18 INTP 32, , ,82-53,31 19 MENHUT 35, , ,08-44,30 20 THH 38, , ,49-56,78 21 KSH 30, , ,24-52,10 22 SILVI 33, , ,75-44,37 23 ITP 89, , ,22-76,18 24 TIN 63, , ,51 58,11 68,43 25 IE 32, , ,15-69,88 26 MAN 42, , ,49-64,08 27 ESL 36, , ,83-53,35 28 GM 66, , ,29-57,92 29 IKK 34, , ,17-77,10 30 KPM 28, , ,35-53,52 Seluruh kelas *= 1 mahasiswa berasal dari dari departemen Gizi Masyarakat 2* = 5 mahasiswa berasal dari departemen Teknik Pertanian 7* = 1 mahasiswa berasal dari departemen Biologi
22 13 Lampiran 5 Plot interaksi antar peubah penjelas intra level dan interaksi peubah penjelas antar level Plot Interaksi Antara Asal Daerah dengan Jenis Kelamin Asal Daerah Jawa Luar Jawa Plot Interaksi Antara Asal Daerah dengan IPK TPB IPK TPB <2.76 >= Mean Mean Laki-laki Jenis Kelamin Perempuan Jawa Asal Daerah Luar Jawa Plot Interaksi Antara IPK TPB dengan Jenis Kelamin IPK TPB <2.76 >= Mean Laki-laki Jenis Kelamin Perempuan Plot Interaksi Antara Waktu Dengan Asal Daerah Plot Interaksi Antara Waktu Dengan Asal Daerah 62 Asal Daerah Jawa Luar Jawa Jenis Kelamin Laki-laki Perempuan Mean Mean UAS Waktu UTS UAS Waktu UTS Plot Interaksi Antara Waktu Dengan IPK TPB IPK TPB <=2.75 > Mean UAS Waktu UTS
23 14 Lampiran 6 Korelasi intra kelas dan korelasi intra mahasiswa Pendugaan Parameter Koragam Parameter Koragam Pendugaan Sebagai fungsi proporsi keragaman Sebagai fungsi korelasi intraklas
Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika
4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciAPLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani
S-4 APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA Indahwati, Dian Kusumaningrum, Wiwid Widiyani Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Metode Statistika
Lebih terperinciMODEL REGRESI DUA LEVEL CAPAIAN NILAI AKHIR METODE STATISTIKA TAHUN 2008/2009 WIWID WIDIYANI
MODEL REGRESI DUA LEVEL CAPAIAN NILAI AKHIR METODE STATISTIKA TAHUN 008/009 WIWID WIDIYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 009 RINGKASAN
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK (Choice the Best Linear Regression Multilevel Models)
, Oktober 2009 p : 1-7 ISSN : 0853-8115 Vol 14 No.2 PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK Bertho Tantular 1, Aunuddin 2, Hari Wijayanto 2 1 Jurusan Statistika FMIPA Universitas Padjadjaran
Lebih terperinciLampiran 1. Hasil Analisis Chi Square Hubungan antara Jenis Kelamin dengan Kreativitas.
LAMPIRAN Lampiran 1. Hasil Analisis Chi Square Hubungan antara Jenis Kelamin dengan Kreativitas. JK * Kreativitas Crosstabulation Kreativitas Sedang Tinggi Total JK 1 Count 17 10 27 Expected Count 18.0
Lebih terperinciKAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G
KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI Oleh : SITI NURBAITI G14102022 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007 ABSTRAK SITI
Lebih terperinciB. Asal SLTA, Sebaran Nilai, Jalur Masuk, dan Kondisi Sosial Ekonomi Mahasiswa TPB IPB
B. Asal SLTA, Sebaran Nilai, Jalur Masuk, dan Kondisi Sosial Ekonomi Mahasiswa TPB IPB Tabel B.1 Jumlah Mahasiswa Baru TPB IPB Berdasarkan Jalur Masuk dan Jenis Kelamin Tahun 2012/2013 SNMPTN-UNDANGAN
Lebih terperinciPemodelan Regresi 2-Level Dengan Metode Iterative Generalized Least Square (IGLS) (Studi Kasus: Tingkat Pendidikan Anak di Kabupaten Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized
Lebih terperinciPENERAPAN REGRESI LOGISTIK BINER MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA TAHUN 2008/2009 (Studi Kasus : Fakultas MIPA IPB) ISNA HUSNIYATI
PENERAPAN REGRESI LOGISTIK BINER MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA TAHUN 28/29 (Studi Kasus : Fakultas MIPA IPB) ISNA HUSNIYATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciBAB 2 LANDASAN TEORI
19 BAB 2 LANDASAN TEORI 2.1. Metode Analisis Data 2.1.1. Uji Validitas Validitas adalah suatu ukuran yang membuktikan bahwa apa yang diamati peneliti sesuai dengan apa yang sesungguhnya ada dalam dunia
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciLampiran 1 Formulir Evaluasi Proses Belajar Mengajar
LAMPIRAN Lampiran 1 Formulir Evaluasi Proses Belajar Mengajar 12 13 Lampiran 2 Hasil pembersihan data EPBM mata kuliah Fakultas R Null Null(%) R1 Redu Redu(%) R2 FEM 1087 39 0.35% 1048 738 6.62% 310 TPB
Lebih terperinciPENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN
PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU
Lebih terperinciEVALUASI PELAKSANAAN KURIKULUM SISTEM MAYOR-MINOR PROGRAM PENDIDIKAN SARJANA (S1) INSTITUT PERTANIAN BOGOR DICKY PRATAMA YENDRA
EVALUASI PELAKSANAAN KURIKULUM SISTEM MAYOR-MINOR PROGRAM PENDIDIKAN SARJANA (S1) INSTITUT PERTANIAN BOGOR DICKY PRATAMA YENDRA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)
Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi S-28 Bertho Tantular 1) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD berthotantular@gmail.com Abstrak Secara umum model
Lebih terperinciLampiran 1. Arsitektur Mondrian (Julian Hyde 2005)
LAMPIRAN 16 Lampiran 1. Arsitektur Mondrian (Julian Hyde 2005) 16 Lampiran 2. Arsitektur Three-tier Data Warehousing (Han & Kamber 2006) 16 Lampiran 3. Data Tabel dalam Dimensi a. Data tabel dim_angkatan
Lebih terperinciForum Statistika dan Komputasi, Oktober 2010 p : ISSN :
, Oktober 2010 p : 23-31 ISSN : 0853-8115 Vol 15 No.2 APLIKASI REGRESI LOGISTIK ORDINAL MULTILEVEL UNTUK PEMODELAN DAN KLASIFIKASI HURUF MUTU MATA KULIAH METODE STATISTIKA (The Application of Multilevel
Lebih terperinciPEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA
PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU TENDI FERDIAN DIPUTRA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 RINGKASAN TENDI
Lebih terperinciBAB I PENDAHULUAN. mencanangkan program wajib belajar sembilan tahun. Program ini dimulai dari
BAB I PENDAHULUAN 1.1 Latar Belakang Sebagai upaya peningkatan mutu pendidikan di Indonesia, pemerintah mencanangkan program wajib belajar sembilan tahun. Program ini dimulai dari pendidikan Sekolah Dasar
Lebih terperinciHASIL DAN PEMBAHASAN
3 HASIL DAN PEMBAHASAN Analisis Dekriptif Analisis deskripsi merupakan teknik eksplorasi data untuk melihat pola data secara umum. Dari data TIMSS 7 rata-rata capaian matematika siswa Indonesia sebesar
Lebih terperinciRata-rata Nilai. 2 saudara 25%
Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai
Lebih terperinciANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA
ANALISIS KINERJA INSTITUT PERTANIAN BOGOR BERDASARKAN SURVEI KEPUASAN MAHASISWA DAN EPBM AHMAD CHAERUS SUHADA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON
MODEL REGRESI LOGISTIK UNTUK KEJADIAN INFEKSI LUKA OPERASI NOSOKOMIAL ANTON DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006 Untuk Mama dan Andri Aku tahu
Lebih terperinciPEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang)
PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang) SKRIPSI Oleh: DYAN ANGGUN KRISMALA NIM: J2E 009 040 JURUSAN
Lebih terperinciPENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI
PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 RINGKASAN ALIFTA DIAH AYU RETNANI.
Lebih terperinciPENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES
PENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES Bertho Tantular 1 S-1 1 Jurusan Statistika FMIPA Universitas Padjadjaran 1 bertho@unpad.ac.id Abstrak Data yang diperoleh dari pengukuran berulang
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika
6 c. Menghitung sebaran pilihan jawaban dan reliabilitas soal. 3. Penerapan teori respon butir dengan menggunakan model IRT 1PL, IRT 2PL, dan IRT 3PL. a. Pengujian asumsi model IRT b. Menghitung parameter
Lebih terperinciPENGARUH METODE PENGOLAHAN TERHADAP KANDUNGAN MINERAL REMIS (Corbicula javanica) RIKA KURNIA
PENGARUH METODE PENGOLAHAN TERHADAP KANDUNGAN MINERAL REMIS (Corbicula javanica) RIKA KURNIA DEPARTEMEN TEKNOLOGI HASIL PERAIRAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2011
Lebih terperinciHASIL DAN PEMBAHASAN. Deskripsi Data
metode penarikan contoh yang tepat di survei tahap I. 3. Melaksanakan survei tahap I, untuk mengetahui karakteristik pelayanan program sarjana yang diinginkan mahasiswa. 4. Menyusun kuesioner untuk survei
Lebih terperinciSALINAN KEPUTUSAN REKTOR INSTITUT PERTANIAN BOGOR Nomor : 027/K13/PP/2007. Tentang
SALINAN KEPUTUSAN REKTOR INSTITUT PERTANIAN BOGOR Nomor : 027/K13/PP/2007 Tentang PENETAPAN MAYOR PADA PROGRAM PENDIDIKAN PASCASARJANA KURIKULUM SISTEM MAYOR-MINOR INSTITUT PERTANIAN BOGOR REKTOR INSTITUT
Lebih terperinciESTIMASI PARAMETER PADA MODEL REGRESI LINIER MULTILEVEL DENGAN METODE RESTRICTED MAXIMUM LIKELIHOOD (REML) abang Semarang SKRIPSI.
ESTIMASI PARAMETER PADA MODEL REGRESI LINIER MULTILEVEL DENGAN METODE RESTRICTED MAXIMUM LIKELIHOOD (REML) abang Semarang PT Jasa Marga ro) C SKRIPSI Disusun Oleh : ISNI RAKHMI DIANTI J2E 006 018 PROGRAM
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciBAB IV PROFIL LEMBAGA DAN GENDER DI INSTITUT PERTANIAN BOGOR. tahapan embrional ( ), tahapan pelahiran dan pertumbuhan ( ),
57 BAB IV PROFIL LEMBAGA DAN GENDER DI INSTITUT PERTANIAN BOGOR 4.1 Profil Kampus Institut Pertanian Bogor 4.1.1 Sejarah Singkat IPB Estafet sejarah perkembangan Institut Pertanian Bogor dimulai dari tahapan
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciPREFERENSI MAHASISWA IPB TERHADAP MATA KULIAH METODE STATISTIKA MENGGUNAKAN ANALISIS KONJOIN
PREFERENSI MAHASISWA IPB TERHADAP MATA KULIAH METODE STATISTIKA MENGGUNAKAN ANALISIS KONJOIN (Studi Kasus: Mahasiswa IPB Program Strata Satu yang Mengambil Mata Kuliah Metode Statistika 2009/2010) EKA
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
Lebih terperinciSIFAT FISIS MEKANIS PANEL SANDWICH DARI TIGA JENIS BAMBU FEBRIYANI
SIFAT FISIS MEKANIS PANEL SANDWICH DARI TIGA JENIS BAMBU FEBRIYANI DEPARTEMEN HASIL HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2008 RINGKASAN Febriyani. E24104030. Sifat Fisis Mekanis Panel Sandwich
Lebih terperinciARI SUPRIYATNA A
ANALISIS INTEGRASI PASAR JAGUNG DUNIA DENGAN PASAR JAGUNG DAN DAGING AYAM RAS DOMESTIK, SERTA PENGARUH TARIF IMPOR JAGUNG DAN HARGA MINYAK MENTAH DUNIA Oleh: ARI SUPRIYATNA A14303050 PROGRAM STUDI EKONOMI
Lebih terperinciD. HASIL EVALUASI BELAJAR MAHASISWA TPB IPB
D. HASIL EVALUASI BELAJAR MAHASISWA TPB IPB Tabel D.1 Sebaran Nilai Akhir Mata Kuliah TPB IPB Tahun Akademik 2012/2013 No Kode MK 1 AFF211 2 AGB100 3 AGB111 4 ARL110 5 ARL211 6 BIK200 7 BIO100 Jalur Masuk
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciTINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen
4 TINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen (1989). Namun demikian sebagian besar penerapannya menggunakan
Lebih terperinci4 HASIL DAN PEMBAHASAN
9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB 2005-2010 Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun 2005-2010 menurun tetapi
Lebih terperinciPROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciPERENCANAAN LANSKAP PEMUKIMAN TRADISIONAL SEGENTER, PULAU LOMBOK, SEBAGAI KAWASAN WISATA BUDAYA. Oleh MUHAMMAD IMAM SULISTIANTO A
PERENCANAAN LANSKAP PEMUKIMAN TRADISIONAL SEGENTER, PULAU LOMBOK, SEBAGAI KAWASAN WISATA BUDAYA Oleh MUHAMMAD IMAM SULISTIANTO A34201037 PROGRAM STUDI ARSITEKTUR LANSKAP FAKULTAS PERTANIAN INSTITUT PERTANIAN
Lebih terperinciPEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang)
PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang) SKRIPSI Oleh: AMANDA DEVI PARAMITHA NIM: 24010210141036 JURUSAN
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciKAJIAN SUMBERDAYA DANAU RAWA PENING UNTUK PENGEMBANGAN WISATA BUKIT CINTA, KABUPATEN SEMARANG, JAWA TENGAH
KAJIAN SUMBERDAYA DANAU RAWA PENING UNTUK PENGEMBANGAN WISATA BUKIT CINTA, KABUPATEN SEMARANG, JAWA TENGAH INTAN KUSUMA JAYANTI SKRIPSI DEPARTEMEN MANAJEMEN SUMBERDAYA PERAIRAN FAKULTAS PERIKANAN DAN ILMU
Lebih terperinciANALISIS HASIL TANGKAPAN SUMBERDAYA IKAN EKOR KUNING (Caesio cuning) YANG DIDARATKAN DI PPI PULAU PRAMUKA, KEPULAUAN SERIBU
i ANALISIS HASIL TANGKAPAN SUMBERDAYA IKAN EKOR KUNING (Caesio cuning) YANG DIDARATKAN DI PPI PULAU PRAMUKA, KEPULAUAN SERIBU DESI HARMIYATI SKRIPSI DEPARTEMEN MANAJEMEN SUMBERDAYA PERAIRAN FAKULTAS PERIKANAN
Lebih terperinciPENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI
PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPENGARUH LAMA WAKTU PENUMPUKAN KAYU KARET (Hevea brasiliensis Muell. Arg.) TERHADAP SIFAT - SIFAT PAPAN PARTIKEL TRIDASA A SAFRIKA
PENGARUH LAMA WAKTU PENUMPUKAN KAYU KARET (Hevea brasiliensis Muell. Arg.) TERHADAP SIFAT - SIFAT PAPAN PARTIKEL TRIDASA A SAFRIKA DEPARTEMEN HASIL HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2008
Lebih terperinciTINJAUAN PUSTAKA TIMSS 2007
3 TINJAUAN PUSTAKA TIMSS 007 TIMSS ( Trends in Mathematics and Science Study) merupakan penelitian yang dilakukan oleh IEA (International Association for the Evaluation of Educational Achievement) yang
Lebih terperinciOLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1
ANALISIS REGRESI MULTILEVEL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI NILAI UASBN SD/MI (Studi Kasus Nilai UASBN SD/MI di Kecamatan Tulangan Tahun Ajaran 2009/2010) OLEH: SINDY FEBRI A. 1307 100 066 DOSEN
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI OPINI MAHASISWA TPB IPB TAHUN AKADEMIK 2005/2006 UNTUK MEMILIH MAYOR STATISTIKA SEBAGAI PILIHAN PERTAMA KARLINA SERAN
FAKTOR-FAKTOR YANG MEMPENGARUHI OPINI MAHASISWA TPB IPB TAHUN AKADEMIK 2005/2006 UNTUK MEMILIH MAYOR STATISTIKA SEBAGAI PILIHAN PERTAMA KARLINA SERAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciANALISIS EKOSISTEM TERUMBU KARANG UNTUK PENGEMBANGAN EKOWISATA DI KELURAHAN PANGGANG, KABUPATEN ADMINISTRATIF KEPULAUAN SERIBU
ANALISIS EKOSISTEM TERUMBU KARANG UNTUK PENGEMBANGAN EKOWISATA DI KELURAHAN PANGGANG, KABUPATEN ADMINISTRATIF KEPULAUAN SERIBU INDAH HERAWANTY PURWITA DEPARTEMEN MANAJEMEN SUMBERDAYA PERAIRAN FAKULTAS
Lebih terperinci= Kegiatan ekstrakurikuler di luar perkuliahan = Kondisi belajar
L A M P I R A N LAMPIRAN 1 Peubah yang Digunakan Peubah laten: PRES LTR_ORTU FAK_EKO KEG_EXTRA KON_BEL LITRATUR KOMPTISI CITA_2 = Prestasi belajar = Latar belakang orang tua = Faktor ekonomi = Kegiatan
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI REALISASI KREDIT SOLUSI MODAL (SM) DI BANK DANAMON SIMPAN PINJAM UNIT CIBINONG KABUPATEN BOGOR
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI REALISASI KREDIT SOLUSI MODAL (SM) DI BANK DANAMON SIMPAN PINJAM UNIT CIBINONG KABUPATEN BOGOR SKRIPSI ROBBI FEBRIO H34076133 DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI
Lebih terperinciKARAKTERISASI ALAT PENANGKAP IKAN DEMERSAL DI PERAIRAN PANTAI UTARA JAWA BARAT FIFIANA ALAM SARI SKRIPSI
KARAKTERISASI ALAT PENANGKAP IKAN DEMERSAL DI PERAIRAN PANTAI UTARA JAWA BARAT FIFIANA ALAM SARI SKRIPSI DEPARTEMEN PEMANFAATAN SUMBERDAYA PERIKANAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN
Lebih terperinciANALISIS FAKTOR-FAKTOR FISIK YANG MEMPENGARUHI PRODUKTIVITAS PADI SAWAH DENGAN APLIKASI SISTEM INFORMASI GEOGRAFIS
ANALISIS FAKTOR-FAKTOR FISIK YANG MEMPENGARUHI PRODUKTIVITAS PADI SAWAH DENGAN APLIKASI SISTEM INFORMASI GEOGRAFIS (Studi Kasus di Kabupaten Bogor, Jawa Barat) RANI YUDARWATI PROGRAM STUDI MANAJEMEN SUMBERDAYA
Lebih terperinciANALISIS DAN STRATEGI MENINGKATKAN KEPUASAN MAHASISWA IPB TERHADAP PENYELENGGARAAN AKADEMIK AMALIA KHAIRATI
ANALISIS DAN STRATEGI MENINGKATKAN KEPUASAN MAHASISWA IPB TERHADAP PENYELENGGARAAN AKADEMIK AMALIA KHAIRATI PROGRAM STUDI GIZI MASYARAKAT DAN SUMBERDAYA KELUARGA FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
14 BAB I PENDAHULUAN 1.1. Latar Belakang Model multilevel merupakan teknik statistik yang telah mengalami pengembangan dari regresi klasik/sederhana. Pengembangan itu didasari karena dalam penelitian diberbagai
Lebih terperinciPERSEPSI DAN SIKAP KONSUMEN TERHADAP KEAMANAN PANGAN SUSU FORMULA DENGAN ADANYA ISU BAKTERI Enterobacter sakazakii DI KECAMATAN TANAH SAREAL BOGOR
PERSEPSI DAN SIKAP KONSUMEN TERHADAP KEAMANAN PANGAN SUSU FORMULA DENGAN ADANYA ISU BAKTERI Enterobacter sakazakii DI KECAMATAN TANAH SAREAL BOGOR SKRIPSI INTAN AISYAH NASUTION H34066065 DEPARTEMEN AGRIBISNIS
Lebih terperinciPENGARUH PADAT PENEBARAN 60, 75 DAN 90 EKOR/LITER TERHADAP PRODUKSI IKAN PATIN
PENGARUH PADAT PENEBARAN 60, 75 DAN 90 EKOR/LITER TERHADAP PRODUKSI IKAN PATIN Pangasius hypophthalmus UKURAN 1 INCI UP (3 CM) DALAM SISTEM RESIRKULASI FHEBY IRLIYANDI SKRIPSI PROGRAM STUDI TEKNOLOGI DAN
Lebih terperinciPENGARUH PENINGKATAN JUMLAH PENDUDUK TERHADAP PERUBAHAN PEMANFAATAN RUANG DAN KENYAMANAN DI WILAYAH PENGEMBANGAN TEGALLEGA, KOTA BANDUNG
PENGARUH PENINGKATAN JUMLAH PENDUDUK TERHADAP PERUBAHAN PEMANFAATAN RUANG DAN KENYAMANAN DI WILAYAH PENGEMBANGAN TEGALLEGA, KOTA BANDUNG DIAR ERSTANTYO DEPARTEMEN ARSITEKTUR LANSKAP FAKULTAS PERTANIAN
Lebih terperinciANALISIS PERSEPSI DAN SIKAP TERHADAP PERAN GENDER PADA MAHASISWA FAKULTAS EKOLOGI MANUSIA INSTITUT PERTANIAN BOGOR NI NYOMAN SUSI RATNA DEWANTI
ANALISIS PERSEPSI DAN SIKAP TERHADAP PERAN GENDER PADA MAHASISWA FAKULTAS EKOLOGI MANUSIA INSTITUT PERTANIAN BOGOR Oleh: NI NYOMAN SUSI RATNA DEWANTI PROGRAM STUDI GIZI MASYARAKAT DAN SUMBERDAYA KELUARGA
Lebih terperinciSEM GANJIL
SEM GANJIL 2013-2014 Auditorium GMK, 19 Agustus 2013 VISI IPB Menjadi perguruan tinggi berbasis kelas dunia dengan kompetensi utama pertanian tropika dan biosains serta berkarakter kewirausahaan VISI DEP
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP SIKAP DAN PERILAKU MEMBELI BUKU BAJAKAN PADA MAHASISWA IPB PUSPA WIDYA UTAMI
ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP SIKAP DAN PERILAKU MEMBELI BUKU BAJAKAN PADA MAHASISWA IPB PUSPA WIDYA UTAMI DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA INSTITUT PERTANIAN
Lebih terperinciPENERAPAN MODEL FINITE LENGTH LINE SOURCE UNTUK MENDUGA KONSENTRASI POLUTAN DARI SUMBER GARIS (STUDI KASUS: JL. M.H. THAMRIN, DKI JAKARTA)
PENERAPAN MODEL FINITE LENGTH LINE SOURCE UNTUK MENDUGA KONSENTRASI POLUTAN DARI SUMBER GARIS (STUDI KASUS: JL. M.H. THAMRIN, DKI JAKARTA) EKO SUPRIYADI DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA
Lebih terperinciTabel 1. Penjabaran Learning Outcome PS ESL S1 Pernyataan Kompetensi: Setelah menyelesaikan program studi ini,lulusan dapat menjadi analis dalam
Tabel 1. Penjabaran Learning Outcome PS S1 Pernyataan Kompetensi: Setelah program studi ini,lulusan dapat menjadi analis dalam bidang ilmu ekonomi pertanian, lingkungan serta kebijakan dalam bidang pertanian,
Lebih terperinciANALISIS DAMPAK OTONOMI DAERAH TERHADAP KONDISI KETIMPANGAN PENDAPATAN ANTAR KABUPATEN/KOTA DI PULAU SUMATERA OLEH AULIA FABIA H
ANALISIS DAMPAK OTONOMI DAERAH TERHADAP KONDISI KETIMPANGAN PENDAPATAN ANTAR KABUPATEN/KOTA DI PULAU SUMATERA OLEH AULIA FABIA H14102054 DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT
Lebih terperinciPENGARUH KADAR RESIN PEREKAT UREA FORMALDEHIDA TERHADAP SIFAT-SIFAT PAPAN PARTIKEL DARI AMPAS TEBU AHMAD FIRMAN ALGHIFFARI
PENGARUH KADAR RESIN PEREKAT UREA FORMALDEHIDA TERHADAP SIFAT-SIFAT PAPAN PARTIKEL DARI AMPAS TEBU AHMAD FIRMAN ALGHIFFARI DEPARTEMEN HASIL HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2008 PENGARUH
Lebih terperinciSTUDI EFEKTIVITAS BAHAN PENGAWET ALAMI DALAM PENGAWETAN TAHU. Ria Mariana Mustafa
STUDI EFEKTIVITAS BAHAN PENGAWET ALAMI DALAM PENGAWETAN TAHU Ria Mariana Mustafa PROGRAM STUDI GIZI MASYARAKAT DAN SUMBERDAYA KELUARGA FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2006 RINGKASAN RIA MARIANA
Lebih terperinciPENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA
PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Banyak jenis data memiliki struktur hirarki, tercluster, atau bersarang (nested). Hirarki tersebut dapat hadir secara alami dalam pengamatan observasional
Lebih terperinciTEKNIK PEMBIUSAN MENGGUNAKAN SUHU RENDAH PADA SISTEM TRANSPORTASI UDANG GALAH (Macrobrachium rosenbergii) TANPA MEDIA AIR
TEKNIK PEMBIUSAN MENGGUNAKAN SUHU RENDAH PADA SISTEM TRANSPORTASI UDANG GALAH (Macrobrachium rosenbergii) TANPA MEDIA AIR Oleh : Wida Handini C34103009 PROGRAM STUDI TEKNOLOGI HASIL PERIKANAN FAKULTAS
Lebih terperinciPENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN
PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciANALISIS IPK RENDAH MAHASISWA TPB IPB TAHUN AKADEMIK 2009/2010 DHIMA PIANTI
ANALISIS IPK RNAH MAHASISWA TP IP TAHUN AKAMIK 29/2 HIMA PIANTI PARTMN STATISTIKA FAKULTAS MATMATIKA AN ILMU PNGTAHUAN ALAM INSTITUT PRTANIAN OGOR OGOR 2 ASTRAK HIMA PIANTI. Analisis IPK Rendah Mahasiswa
Lebih terperinciPENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR
63 PENGARUH POLA ASUH BELAJAR, LINGKUNGAN PEMBELAJARAN, MOTIVASI BELAJAR DAN POTENSI AKADEMIK TERHADAP PRESTASI AKADEMIK SISWA SEKOLAH DASAR KARTIKA WANDINI PROGRAM STUDI GIZI MASYARAKAT DAN SUMBERDAYA
Lebih terperinciANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI
ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA RINDY ANGGUN PERTIWI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPEMANFAATAN KITOSAN DAN KARAGENAN PADA PRODUK SABUN CAIR. Oleh : Hangga Damai Putra Gandasasmita C
PEMANFAATAN KITOSAN DAN KARAGENAN PADA PRODUK SABUN CAIR Oleh : Hangga Damai Putra Gandasasmita C34104075 PROGRAM STUDI TEKNOLOGI HASIL PERIKANAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN
Lebih terperinciModel Regresi Dummy dalam Memprediksi Performansi Akademik Mahasiswa Jurusan Matematika FMIPA UNP
Model Regresi Dummy dalam Memprediksi Performansi Akademik Mahasiswa Jurusan Matematika FMIPA UNP Nonong Amalita, Yenni Kurniawati Jurusan Matematika FMIPA UNP E-mail: nongamalita@yahoo.com Abstrak. Performansi
Lebih terperinciAnalisis Regresi Multilevel dalam Menentukan Variabel Determinan Nilai Ujian Akhir Nasional Siswa
Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Regresi Multilevel dalam Menentukan Variabel Determinan Nilai Ujian Akhir Nasional Siswa Ni Luh Putu Ayu Fitriani Jurusan Matematika,
Lebih terperinciIV. METODE PENELITIAN. Penelitian dilakukan di Desa Tugu Utara dan Kelurahan Cisarua,
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Desa Tugu Utara dan Kelurahan Cisarua, Kecamatan Cisarua, Kabupaten Bogor, Provinsi Jawa Barat. Pemilihan lokasi dilakukan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian Informasi merupakan suatu unsur kunci yang penting di dalam suatu sistem konseptual. Suatu informasi dapat terbentuk melalui berbagai cara
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI REALISASI KREDIT USAHA RAKYAT (KUR) STUDI KASUS USAHA AGRIBISNIS DI BRI UNIT TONGKOL, JAKARTA
FAKTOR-FAKTOR YANG MEMPENGARUHI REALISASI KREDIT USAHA RAKYAT (KUR) STUDI KASUS USAHA AGRIBISNIS DI BRI UNIT TONGKOL, JAKARTA SKRIPSI EKO HIDAYANTO H34076058 DEPARTEMEN AGRIBISNIS FAKULTAS EKONOMI DAN
Lebih terperinciBAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n<<p DAN TERDAPAT KEKOLINEARAN-GANDA
BAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n
Lebih terperinciANALISIS VAR (VECTOR AUTOREGRESSIVE) UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI, EKSPOR, IMPOR, DAN HARGA MINYAK BUMI AGUS WAHYULI
ANALISIS VAR (VECTOR AUTOREGRESSIVE) UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI, EKSPOR, IMPOR, DAN HARGA MINYAK BUMI AGUS WAHYULI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciDAMPAK KEBIJAKAN PEMERINTAH DAN PERUBAHAN FAKTOR LAIN TERHADAP PERMINTAAN DAN PENAWARAN BERAS DI INDONESIA: ANALISIS SIMULASI KEBIJAKAN
DAMPAK KEBIJAKAN PEMERINTAH DAN PERUBAHAN FAKTOR LAIN TERHADAP PERMINTAAN DAN PENAWARAN BERAS DI INDONESIA: ANALISIS SIMULASI KEBIJAKAN LYZA WIDYA RUATININGRUM DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN
Lebih terperinciPERBANDINGAN METODE MKT, LTS, WIN, DAN THEIL PADA PENDUGAAN PARAMETER REGRESI APABILA GALATNYA MENYEBAR EKSPONENSIAL HELGA ARINA PRAMUDITYA
PERBANDINGAN METODE MKT, LTS, WIN, DAN THEIL PADA PENDUGAAN PARAMETER REGRESI APABILA GALATNYA MENYEBAR EKSPONENSIAL HELGA ARINA PRAMUDITYA STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENDUGAAN DATA HILANG PADA RANCANGAN BUJUR SANGKAR LATIN DENGAN ANALISIS KOVARIAN SKRIPSI AWANG TERUNA SIDDIQ
PENDUGAAN DATA HILANG PADA RANCANGAN BUJUR SANGKAR LATIN DENGAN ANALISIS KOVARIAN SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat untuk mencapai gelar Sarjana Sains AWANG TERUNA SIDDIQ 110803052
Lebih terperinciINTRODUKSI DAN PERSENTASE IKAN YANG MEMBAWA GEN GH Growth Hormone IKAN NILA Oreochromis niloticus PADA IKAN LELE DUMBO Clarias sp.
INTRODUKSI DAN PERSENTASE IKAN YANG MEMBAWA GEN GH Growth Hormone IKAN NILA Oreochromis niloticus PADA IKAN LELE DUMBO Clarias sp. GENERASI F0 BAMBANG KUSMAYADI GUNAWAN SKRIPSI PROGRAM STUDI TEKNOLOGI
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciLampiran 1 Daftar mata kuliah wajib masa program TPB No. Kode SKS Mata Kuliah 1. MKU 111 3(2-2) Pendidikan Agama Islam 2. MKU 112 2(2-0) Pendidikan
LAMPIRAN 16 Lampiran 1 Daftar mata kuliah wajib masa program TPB No. Kode SKS Mata Kuliah 1. MKU 111 3(2-2) Pendidikan Agama Islam 2. MKU 112 2(2-0) Pendidikan Agama Protestan 3. MKU 113 2(2-0) Pendidikan
Lebih terperinciBAB II KAJIAN TEORI. Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan.
BAB II KAJIAN TEORI A. Matriks 1. Definisi Matriks Sebuah Matriks adalah susunan segi empat siku-siku dari bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri dalam matriks (Howard
Lebih terperinci