Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped
|
|
- Devi Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I Nyoma Statstc Latra, da Purhad Jurusa Statstka, FMIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa e-mal : purhad@statstka.ts.ac.d D05 Abstrak - Salah satu peyakt meular yag mejad acama bag balta adalah peumoa. Peumoa adalah proses feks akut yag megea jarga paru-paru (alveol). Peyakt mejad momok da peyebab kemata kedua pada balta setelah dare. Salah satu kabupate/kota yag memlk kasus peumoa balta tgg adalah Kota Surabaya. Dalam peelta dlakuka pemodela jumlah kasus peumoa balta dega metode Geographcally Weghted Posso Regressos (GWPR) da medeteks katog-katog kasus peumoa balta dega Flexbly Shaped Spatal Sca Statstc. Hasl pemodela GWPR dperoleh bahwa varabel yag berpegaruh terhadap jumlah kasus peumoa balta d tap kecamata berbeda-beda, Berdasarka kesamaa varabel yag berpegaruh d tap kecamata ddapatka pegelompokka sebayak kelompok. Utuk Hasl deteks hotspot atau katog peumoa balta megguaka Flexbly Shaped Spatal Sca Statstc ddapatka empat katog yag meujukka bahwa kecamata yag berada dalam katog memlk resko tgg dtemukaya jumlah kasus peumoa balta darpada d luar katog, yatu katog terdr atas Kecamata Beowo yag memlk la resko sebesar,3. Katog terdr atas Kecamata Teggls Mejoyo yag memlk la resko sebesar,80. Sedagka katog 3 terdr atas Kecamata Sukomauggal, Geteg, Bubuta, Smokerto, Pabea Catka, Kejera, Tambaksar da Sawaha yag memlk la resko sebesar,74 da katog 4 terdr atas Kecamata Gayuga yag memlk resko relatf sebesar,73. P Kata Kuc -Flexbly Shaped Spatal Sca Statstc; GWPR; Peumoa Balta I. PENDAHULUAN NEUMONIA adalah proses feks akut yag megea jarga paru-paru (alveol). Peyakt mejad salah satu peyakt meular yag mejad acama bag balta. Peumoa mejad momok da peyebab kemata kedua pada balta setelah dare. Salah satu kabupate/kota yag memlk kasus peumoa balta tgg adalah Kota Surabaya. Kota Surabaya meduduk uruta lma tertgg wlayah yag memlk kasus peumoa balta sebesar kasus []. Terkat dega tujua keempat MDGs yatu meurukaka agka kemata balta hgga dua per tga dalam kuru waktu , maka dperluka upayaupaya yag fokus pada peyebab kejada da kemata pada balta khususya dkareaka peyakt peumoa. Beberapa peelta sebelumya megea peumoa atara la Ruda, et al [] bahwa faktor rsko terjadya peumoa yag selalu ada (defte) melput gz kurag, berat bada lahr redah, tdak medapatka ASI, polus udara dalam ruag, da pemukma padat. Meurut Departeme Kesehata RI [3] bahwa salah satu sumber meda peulara peyakt peumoa adalah kods fsk rumah serta lgkuga yag merupaka tempat hua da lagsug berteraks dega peghuya. Meurut peelta Satoso [4] dega pedekata Geographycally Weghted Regresso (GWR) dperoleh hasl bahwa faktor eksteral yag berpegaruh terhadap peumoa balta d Jawa Tmur adalah pembera vtam A da balta medapat musas. Jumlah kasus peumoa balta merupaka data cout yag megkut dstrbus posso, sehgga aalss yag dapat dguaka adalah regres posso, amu dalam regres posso terdapat asums yag harus terpeuh yatu rata-rata da varas harus sama (equdsperso). Kods equdsperso sult terpeuh, pada umumya serg terjad kasus overdsperso. Salah satu metode yag dguaka utuk megatas masalah overdsperso adalah Geeralzed Posso Regresso (GPR). Perbedaa faktor-faktor yag berpegaruh terhadap terjadya kasus peumoa balta per wlayah berbeda-beda, hal dkareaka kods setap wlayah mempuya perbedaa karakterstk satu sama la. Kods lgkuga yag buruk da tdak dlaksaakaya perlaku hdup bersh da sehat (PHBS) meyebabka berkembagya vektor peyakt karea tersedaya meda peyebab peulara berbaga peyakt. Oleh karea tu, faktor PHBS perlu dperhatka karea dapat mecegah terjadya peyakt. Sehgga dalam peelta aka memperhatka faktor spasal, dega metode yag dguaka adalah Geographcally Weghted Posso Regresso (GWPR), dmaa setap wlayah aka meghaslka peaksr parameter model yag bersfat lokal utuk setap ttk pegamata. Berdasarka uraa d atas, maka dalam peelta dlakuka pemodela terhadap faktor-faktor yag mempegaruh jumlah kasus peumoa balta d Kota Surabaya dega metode GPR da GWPR. Sela tu, perlu utuk megetahu hotspot atau katog kasus peumoa balta dkareaka dega adaya formas tersebut dapat dketahu wlayah maa saja yag memerluka perhata khusus da prortas utama dalam upaya meaga masalah kasus peumoa balta, dmaa metode yag dguaka adalah Flexbly Shaped Spatal Sca Statstc.
2 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D06 II. TINJAUAN PUSTAKA A. Peumoa Balta da Faktor yag Mempegaruh Balta adalah aak umur tahu tepat sampa umur 5 tahu kurag har. Aak umur 5 tahu tepat, tdak termasuk kelompok aak -5 tahu [5]. Peumoa adalah peyakt yag dsebabka kuma peumococcus, staphylococcus, streptococcus, da vrus. Gejala peyakt peumoa yatu megggl, demam, sakt kepala, batuk, megeluarka dahak, da sesak apas [6]. Terjadya peumoa pada aak sergkal bersamaa dega terjadya proses feks akut pada brokus yag dsebut brochopeumoa. Gejala peyakt peumoa berupa afas cepat da afas sesak, karea paru meradag secara medadak. Batas afas cepat adalah frekues perafasa sebayak 50 kal per met atau lebh pada aak usa bula tahu da 40 kal per met atau lebh pada aak usa tahu 5 tahu [4]. B. Regres Posso Regres posso merupaka model regres olear yag serg dguaka utuk data cout, dmaa varabel respo megkut dstrbus posso [7]. Probabltas dstrbus posso adalah sebaga berkut [8]. μ y e μ P(Y;μ) ; y 0,,,... () y! dega µ adalah rata-rata varabel radom Y yag berdstrbus posso dmaa la rata-rata da varas dar varabel radom Y mempuya la lebh dar ol. Model regres posso dtuls dega persamaa berkut. dmaa : μ exp β () x T x x x x T ; β β β β T k 0 βk Peaksra parameter regres posso dlakuka dega metode Maxmum Lkelhood Estmato (MLE) da teras Newto-Raphso. Fugs lkelhood regres posso sebaga berkut. L β exp - exp T T x β exp y x β y! - (3) Peguja sgfkas parameter terdr dar uj seretak da parsal yatu megguaka Maxmum Lkelhood Rato Test (MLRT). C. Geeralzed Posso Regresso (GPR) Model regres Geeralzed Posso (GPR) merupaka salah satu alteratf model utuk data yag berupa data cout dmaa terjad pelaggara asums pada dstrbus posso yatu rata-rata da varas mempuya la yag sama. Sela parameter µ dalam model GPR juga terdapat θ sebaga parameter dspers. Msalka y = 0,,,... merupaka varabel respo maka dstrbus respo maka dstrbus Geeralzed Posso adalah sebaga berkut [9]. y y y y f y ; ; exp (4), y 0,,,... y! Dega mea da varace adalah sebaga berkut. E Y da Var Y Peaksra parameter megguaka metode MLE, dega fugs lkelhood model GPR sebaga berkut. y y y y L, exp (5) y! Peguja sgfkas parameter terdr dar uj seretak da parsal yatu megguaka MLRT. D. Peguja Aspek Data Spasal Uj efek spasal dlakuka utuk megetahu adaya efek spasal [0]. Peguja depedes spasal dlakuka megguaka statstk uj Mora s I dega hpotess sebaga berkut. H 0 : I = 0 (Tdak terdapat depedes spasal) H : I 0 (Terdapat depedes spasal Statstk Uj Mora s I sebaga berkut. Iˆ EIˆ Z ht (6) variˆ Tolak H 0 apabla la Z ht > Z α/ yag berart terdapat depedes spasal dalam model. Peguja heterogetas spasal dlakuka megguaka statstk uj Breusch-Paga (BP) dega hpotess sebaga berkut. H 0 :... H : mmal ada satu Statstk uj : T T T BP f Z(Z Z) Z f (7) Tolak H 0 jka la BP,k yag berart varas atar lokas berbeda. E. Geographcally Weghted Posso Regresso (GWPR) Model GWPR adalah salah satu metode statstka yag merupaka pegembaga dar regres posso dega peaksr parameter model bersfat lokal utuk setap ttk atau lokas, dmaa data memeuh asums data berdstrbus posso []. Model GWPR adalah sebaga berkut. k y ~ posso μ dmaa : μ exp j u, v x j j0 k maka y ~ posso exp, j u v x j (8) j 0 Dalam proses peaksra parameter model GWPR d suatu ttk (u, v ) dbutuhka pembobot spasal dmaa pembobot yag dguaka adalah fugs kerel adaptve bsquare. Peguja sgfkas parameter model GWPR terdr dar uj kesamaa model, uj seretak da uj parsal. Uj kesamaa model GWPR dega posso dlakuka dega hpotess berkut. H 0 : β j(u,v ) = β j ; =,,,; j=,,,k H : β j (u,v ) β j ; =,,,; j=,,,k DevasModelA df Statstk uj : A Fht (9) DevasModelB dfb Model A adalah model regres posso da model B adalah model GWPR. Tolak H 0 jka la F ht > F (α, df A, df B), yag berart terdapat perbedaa yag sgfka atara model regres Posso da model GWPR.
3 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D07 Peaksra parameter megguaka metode MLE, dega fugs lkelhood model GWPR sebaga berkut. y exp μ μ L β u, v (0) y! Sedagka peguja sgfkas parameter terdr dar uj seretak da parsal dega megguaka MLRT. F. Pemlha Model Terbak Pemlha model terbak megguaka krtera la AIC (Akake s Iformato Crterato). AIC l Lβ K () D merupaka la devas model) da K merupaka jumlah parameter dalam model. Model terbak yag dplh adalah model dega la AIC palg kecl. G. Multkoleartas Pedeteksa kasus multkolertas dlakuka megguaka krtera la Varace Iflato Factor []. Jka la VIF lebh besar dar 0 meujukka adaya multkolertas atar varabel predktor. VIF - R () j j dega R adalah koefse determas atara X j varabel predktor laya. dega H. Flexbly Shaped Spatal Sca Statstc Metode Flexbly Spatal Sca Statstc mempuya power lebh tgg darpada metode Crcular Spatal Sca Statstc saat cluster yag ddeteks adalah o-crcular da fleksbel terhadap betuk katog yag dhaslka sehgga tdak terbatas pada betuk lgkara saja. Algortma yag dguaka utuk medapatka Z dega pre-specfed maxmum legth L adalah sebaga berkut [3].. Membuat sebuah matrks A = (a h) berukura x sedemka hgga, jka wlayah da h bersebelaha atau cotguty a h 0, utuk laya da set Z =Ø da 0 = 0. Msalka 0 0 da 0 (=,,,m) mejad wlayah awal. Kemuda dbetuk W 0 yag terdr dar (L-) earest eghbours ke wlayah awal 0 da 0 sedr, sebaga cotoh W 0 0,,..., L dmaa l adalah l wlayah ke-l terdekat terhadap Pertmbagka semua hmpua Z W 0, dmaa termasuk wlayah awal 0. Utuk hmpua Z laya, ulag lagkah Bag hmpua Z mejad dua dsjot : Z 0={ 0} da Z dmaa bers wlayah la yag terdapat dalam Z. 5. Buat dua hmpua baru Z 0 da Z. Z 0 terdr dar wlayah Z yag berbatasa dega wlayah Z 0. D ss la, Z terdr dar wlayah Z yag tdak berbatasa dega wlayah Z 0. Kemuda, gat Z 0 da Z dega Z 0 da Z. 6. Ulag lagkah 5 secara rekursf sampa Z 0 da Z mejad hmpua kosog. 7. Buat kesmpula sebaga berkut. Z dkataka berhubuga (coected) ketka Z mejad hmpua kosog terlebh dahulu da tdak berhubuga ketka Z 0 mejad hmpua kosog terlebh dahulu, maka Z dmasukka dalam set Z. Jka Z tdak berhubuga maka Z dbuag. 8. Ulag lagkah -7 sampa pada akhrya dperoleh hmpua Z yag terdr dar Z berbetuk tertetu dega maxmum legth adalah L. Uj statstk megguaka peguja hpotess Mote Carlo. I. Hotspot atau Katog-Katog Hotspot ddefska sebaga lokas atau wlayah terjadya suatu kejada yag tdak basa atau kejada luar basa atau dsebut juga wlayah krts [4]. Sedagka meurut Hara [5] ddefska sebaga lokas atau wlayah yag kosste memlk karakterstk berbeda dega daerah sekellgya. III. METODOLOGI PENELITIAN A. Sumber Data Data yag dguaka dalam peelta merupaka data sekuder yag dperoleh dar Lapora Profl Kesehata Das Kesehata Kota Surabaya da Lapora Surabaya Dalam Agka Bada Pusat Statstka Kota Surabaya Tahu 04. Ut aalss dalam peelta adalah 3 kecamata d Kota Surabaya. B. Varabel Peelta Varabel yag dguaka dalam peelta sebaga berkut.. Jumlah kasus Peumoa Balta d tap kecamata (Y). Persetase balta gz buruk (X ) 3. Persetase balta yag medapatka suplemetas vtam A dua kal (X ) 4. Persetase cakupa pelayaa aak balta (X 3) 5. Kepadata peduduk (X 4) 6. Persetase rumah tagga yag berperlaku hdup bersh da sehat (PHBS) (X 5) 7. Persetase rumah sehat (X 6) 8. Persetase rumah tagga msk (X 7) C. Lagkah Aalss Lagkah aalss utuk meyelesaka permasalaha adalah sebaga berkut.. Medeskrpska karakterstk jumlah kasus peumoa balta beserta faktor-faktor yag mempegaruhya.. Pemerksaa multkoleartas. 3. Megaalss model regres posso. 4. Megaalss model GPR. 5. Meguj aspek data spasal. 6. Memodelka GWPR utuk kasus peumoa balta d Kota Surabaya Tahu 03 da memetaka kecamata berdasarka kesamaa varabel yag sgfka. 7. Membadgka la AIC atara regres posso, GPR da GWPR. 8. Medeteks katog-katog peumoa balta d Kota Surabaya dega metode Flexbly Shaped Spatal Sca Statstc.
4 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D08 IV. ANALISIS DAN PEMBAHASAN A. Karakterstk Jumlah Kasus Peumoa Balta Tahu da Faktor yag Mempegaruh d Kota Surabaya Pada Tahu 03 jumlah kasus peumoa balta d Kota Surabaya mecapa kasus, dega rata-rata sebesar 9 kasus. Kecamata Tambaksar memlk jumlah kasus tertgg yatu 684 kasus da Kecamata Pakal da Guug Ayar memlk jumlah kasus teredah yatu 7 kasus. Utuk persetase balta gz buruk (X ) meujukka bahwa rata-rata sebesar,069 dega keragama data sebesar 0,34. Capaa utuk persetase balta yag medapatka suplemetas vtam A dua kal (X ), persetase pelayaa balta gz buruk (X 3) da persetase rumah sehat (X 6) mecapa batas maksmum yatu sebesar 00 perse, hal meujukka bahwa program upaya pembagua kesehata Kota Surabaya semak bak. Kota Surabaya memlk jumlah peduduk yag besar dega kepadata peduduk (X 4) tertgg d Kecamata Smokerto sebesar 393,8 jwa/km da teredah d Kecamata Pakal sebesar 89,6 jwa/km. Dega semak bakya pembagua kesehata Kota Surabaya amu mash terdapat rumah tagga msk (X 7) dega persetase tertgg adalah Kecamata Semampr sebesar 8 perse da teredah yatu Kecamata Teggls sebesar 4,87 perse. Tabel. Statstka Deskrptf Varabel Peelta Varabel Rata-rata Varas Mmum Maksmum Y 8, X,069 0,34 0,36,7 X 87,90 8,59 45,64 00 X3 77,0 3,8 35,59 00 X ,6 393,8 X5 69,8 0,33 34,6 9,6 X6 80,93 90,74 55,43 00 X7 0,644 30,033 4,870 8,00 B. Pemerksaa Multkolertas Berkut merupaka hasl la VIF atara satu varabel predktor dega beberapa varabel predktor laya. Tabel. Nla VIF dar Varabel Predktor Varabel VIF Varabel VIF X,059 X5, X,755 X6,837 X3,5 X7,565 X4,40 Tabel meujukka la VIF dar masg-masg varabel predktor memlk la kurag dar 0, sehgga dapat dsmpulka bahwa tdak terdapat korelas yag tgg atar varabel predktor. C. Pemodela Jumlah Kasus Peumoa Balta Megguaka Regres Posso Berkut adalah hasl estmas parameter model regres posso. Tabel 3. Estmas Parameter Model Regres Posso Parameter Estmas Stadart Error Zhtug P-value β0 8,37 0, 38,57 <x0 6*) β 0,4003 0,0377,6 <x0 6*) β - 0, , ,099 <x0 6*) β3 0,07 0,0049 9,367 <x0 6*) β4 0, , ,7 <x0 6*) β5-0, ,0047-3,77 <x0 6*) β6 0,0646 0,0069 0,03 <x0 6*) β7-0, , ,77 <x0 6*) Devas : 7,4 DF : 3 AIC : 93, *) sgfka pada α=0, Hasl dar peguja secara seretak model regres posso dperoleh la devas sebesar 74,4, hal berart la devas lebh besar dar (0,;7) =,07. Sehgga dperoleh kesmpula bahwa mmal ada satu varabel predktor yag berpegaruh terhadap model. Selajutya dlakuka peguja secara parsal, varabel dkataka berpegaruh terhadap model jka la Z htug > Z (0,0/) dmaa Z (0,05)=,64. Berdasarka Tabel 3 meujukka bahwa semua varabel predktor berpegaruh terhadap jumlah kasus peumoa balta. D. Pemodela GPR Hasl pemodela regres posso dperoleh hasl bahwa la devas dbag dega derajat bebasya lebh besar dar, artya data jumlah kasus peumoa balta terjad overdsperso, sehgga dlakuka aalss megguaka metode GPR. Peguja seretak model GPR meghaslka keputusa tolak H 0 karea la devas sebesar 344, lebh besar dar (0,;7) =,07, sehgga dapat dsmpulka bahwa mmal ada satu varabel predktor yag berpegaruh terhadap model. Peguja parameter secara parsal GPR dapat dlhat pada Tabel 4. Tabel 4. Estmas Parameter Model GPR Parameter Estmas Stadart Error Zhtug P-value β0 3,804 6,6045 0,58 0,569 β 0,759,444 0,58 0,569 β - 0,0685 0, ,97 0,0579 *) β3 0,0776 0,0676,06 0,975 β4 0, ,00004,8 0,0780 *) β5-0,099 0,043 -,36 0,844 β6 0, , ,84 0,4048 β7 0, ,094 0,5 0,609 θ 0,094 0,0533 6,5 <0,000 Devas : 344, AIC : 36, *) sgfka pada α=0, Tabel 4 meujukka bahwa varabel yag berpegaruh terhadap kasus peumoa balta d Kota Surabaya adalah X da X 4, sehgga model GPR yag terbetuk sebaga berkut. ˆ exp 3,804 0,759X 0,0685X 0,0776X 0,000074X - 0,099X 0,0558X 0,05648X 5 6 E. Peguja Aspek Data Spasal Hasl peguja heterogetas dperoleh la statstk uj Breusch-Paga sebesar 5,9 da p-value sebesar 0,0336. Hal berart la Breusch-Paga lebh besar dar (0,;7) =,07 da p-value kurag dar α sebesar 0,0. Sehgga ddapatka kesmpula bahwa terdapat perbedaa karakterstk atara satu ttk pegamata dega ttk pegamata laya. Berdasarka hasl peguja depedes spasal dperoleh p-value sebesar 0,000 yag berart bahwa p-value kurag dar 7 3 4
5 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D09 0,. Sehgga dapat dsmpulka bahwa terdapat depes spasal atar wlayah. F. Pemodela Jumlah Kasus Peumoa Balta Megguaka GWPR Uj kesamaa model dlakuka sebelum dlakuka uj parameter secara seretak maupu parsal. Uj kesamaa model dlakuka dega hpotess berkut. H 0 : β j(u,v ) = β j ; =,,,3; j=,,,7 H : β j (u,v ) β j; =,,,3; j=,,,7 Berkut adalah hasl uj kesamaa atara model regres posso dega GWPR. Tabel 5. Uj Kesamaa Model Model Devas DF Devas/df Fhtug Global 7,4 3 74,409,5 GWPR 48,576 5,086 48,878 Tabel 5 meujukka bahwa F htug > F (0,;3;5,086) yatu,5 < 3,5 maka berart bahwa tdak terdapat perbedaa atara model regres posso dega model GWPR. Hasl dar peguja secara seretak ddapatka la devas model GWPR sebesar 48,576 maka hal berart la devas lebh besar dar (0,;7). Hal meujukka bahwa mmal ada satu varabel predktor yag berpegaruh terhadap kasus peumoa balta. Dar pemodela GWPR ddapatka bahwa varabel yag berpegaruh d tap kecamata berbeda-beda. Berdasarka kesamaa varabel yag berpegaruh ddapatka pegelompokka sebayak kelompok. Tabel 6. Pegelompokka Kecamata Berdasarka Kesamaa Varabel yag Sgfka Kel. Kecamata Woocolo, Guug Ayar, Rugkut, Sukollo, Mulyorejo, Gubeg, Wookromo, Sukomauggal, Sawaha, Tambaksar, Bulak, Bubuta da Asemrowo Jambaga, Tades, Pabea Varabel yag Sgfka X, X, X 3, X 4, X 5, X 6, X 7 X, X 3, X 4, X 5, X 6, X 7 Catka, Krembaga 3 Wyug, Tegalsar X, X 3, X 4, X 5, X 6, X 7 4 Kejera X, X, X 4, X 5, X 6, X 7 5 Teggls Mejoyo X, X, X 3, X 5, X 6, X 7 6 Karagplag, Pakal X, X, X 3, X 4, X 6, X 7 7 Dukuh Paks X, X, X 3, X 4, X 5, X 7 8 Gayuga, Semampr, Beowo X, X, X 3, X 4, X 5, X 6 9 Lakarsatr X, X 3, X 4, X 5, X 7 0 Sambkerep, Geteg X, X 3, X 4, X 5, X 6 Smokerto X, X 3, X 5, X 6 Berkut merupaka peta yag meggambarka pegelompoka wlayah berdasarka kesamaa varabel yag sgfka dtamplka pada Gambar. Gambar. Pegelompokka Kecamata berdasarka Kesamaa Varabel yag Sgfka Sebaga cotoh aka dtamplka peguja parameter pada wlayah ke 4 (u 4,v 4) yatu Kecamata Smokerto. Tabel 7. Estmas Parameter Model GWPR Kecamata Smokerto Parameter Estmas Stadart Error Zhtug β0 7, , ,79949 *) β 0, ,0365,897 β - 0,0988 0, ,73300 *) β3-0,0443 0, ,77860 *) β4 0,0000 0,000009,34543 β5-0,0503 0, ,44390 *) β6 0,905 0,007, *) β7 0,003 0, ,74609 *) sgfka pada α=0, Dapat dketahu varabel yag sgfka d Smokerto adalah X, X 3, X 5, X 6 sehgga model yag terbetuk sebaga berkut. μˆ exp 7, , 4473X 0, 0988X 0, 0443X 0, 0000X - 0, 0503 X5 0905, X 6 0, 03X 7 Dar model dapat dketahu bahwa jka persetase balta yag medapatka suplemetas vtam A dua kal (X ) megkat satu perse, maka aka meuruka rata-rata jumlah kasus peumoa balta sebesar exp(0,0988) =,09 kasus dega syarat semua varabel kosta. Hal sesua dkareaka apabla balta medapatka suplemetas vtam A dua kal membuat kekebala tubuh balta tdak mudah terserag peyakt khususya peumoa. Iterpretas juga berlaku utuk varabel yag la, dmaa besarya keaka atau peurua bergatug pada la masg-masg parameter. Utuk megetahu model maa yag lebh sesua maka dlakuka perbadga atar model dega Krtera la AIC. Model yag terbak adalah meghaslka la AIC terkecl.. Tabel 8. Perbadga Nla AIC Model AIC Regres Posso 77,4 Geeralzed Posso Regresso 36, GWPR 97,3 Dar Tabel 8 dperoleh model yag terbak adalah GWPR. maka utuk aalss Flexbly Shaped Spatal Sca Statstc maka megguaka hasl dar pemodela GWPR. 3 4
6 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) D0 G. Pedeteksa Katog Peumoa Balta Megguaka Metode Flexbly Shaped Spatal Sca Statstc Peguja tgkat sgfkas dlakuka dega tekk smulas mote carlo, dmaa pegulaga dlakuka sebayak 99, 999 da 9999 meghaslka kesmpula yag sama bak dar ss jumlah katog peumoa balta yag ddeteks maupu resko relatfya. Perbedaa hasl haya pada keakurata p-value. Tabel 8. Hasl Deteks Katog Peumoa Balta d Kota Surabaya Katog Peumoa Balta Jumlah Kec. Jumlah Kasus Harapa Resko Relatf P-value 0 90,33,3 0, ,4,80 0, ,68,74 0, ,6546,73 0,009 Deteks kasus peumoa balta d Kota Surabaya meghaslka empat katog yag dapat dlhat pada gambar berkut. Gambar. Peta Pedeteksa Kasus Peumoa Balta Berdasarka Tabel 8 da Gambar dperoleh formas utuk setap katog sebaga berkut :. Katog peumoa balta terdr dar Kecamata Beowo, dmaa kecamata yag berada dalam katog memlk resko dtemukaya jumlah kasus peumoa balta sebesar,3 kal lebh besar darpada kecamata d luar katog.. Katog peumoa balta terdr dar Kecamata Teggls Mejoyo, dmaa kecamata yag berada dalam katog memlk resko dtemukaya jumlah kasus peumoa balta sebesar,80 kal lebh besar darpada kecamata d luar katog. 3. Katog peumoa balta 3 terdr dar Kecamata Sukomauggal, Geteg, Bubuta, Smokerto, Pabea Catka, Kejera, Tambaksar da Sawaha. Dmaa kecamata yag berada dalam katog 3 memlk resko dtemukaya jumlah kasus peumoa balta sebesar,74 kal lebh besar darpada kecamata d luar katog Katog peumoa balta 4 terdr dar Kecamata Gayuga, dmaa kecamata yag berada dalam katog 4 memlk resko dtemukaya jumlah kasus peumoa balta sebesar,73 kal lebh besar darpada kecamata d luar katog Kecamata yag berwara puth merupaka wlayah yag tdak termasuk dalam katog kasus peumoa balta, artya 0 kecamata memlk resko yag kecl dtemukaya jumlah kasus peumoa balta. V. KESIMPULAN DAN SARAN Berdasarka hasl da pembahasa yag telah dlakuka, maka dapat dsmpulka bahwa hasl pemodela GWPR dperoleh bahwa varabel yag berpegaruh terhadap jumlah kasus peumoa balta d tap kecamata berbeda-beda, berdasarka kesamaa varabel yag berpegaruh d tap kecamata ddapatka pegelompokka sebayak kelompok. Utuk Hasl deteks hotspot atau katog peumoa balta megguaka Flexbly Shaped Spatal Sca Statstc ddapatka bahwa terdapat empat katog yag meujukka bahwa kecamata yag berada dalam katog memlk resko tgg dtemukaya jumlah kasus peumoa balta. Dar hasl aalss terdapat beberapa hal yag dsaraka, utuk peelta selajutya bsa dlajutka dega metode Geographcally Weghted Geeralzed Posso Regresso (GWGPR) dkareaka terjad kasus overdsperso. Bag Das Kesehata Kota Surabaya sebakya memberka araha kepada masyarakat megea varabel yag berpegaruh terhadap kasus peumoa balta d tap kecamata. DAFTAR PUSTAKA [] Das Kesehata Provs Jawa Tmur. (04). Profl Kesehata Jawa Tmur Tahu 03. Surabaya: Das Kesehata Provs Jawa Tmur. [] Ruda I, Bosch-Pto C, Bloglav Z, Mulhollad K, Campbell H. (008). Epdemology ad etology of chldhood peumoa. Bull World Health Orga 008, 86 (5): [3] Departeme Kesehata RI. (00). Pedoma Program Pemberatasa Peyakt Ifeks Salura Perapasa Akut Utuk Peaggulaga Peumoa Pada Balta. I A. Azwar, & D. P. PLP (Ed.), Pegatar Kesehata Lgkuga (pp. 4-0). Jakarta: Peerbt Mutara. [4] Satoso, F. P. (0). Faktor-Faktor Eksteral Peumoa Pada Balta d Jawa Tmur Dega Pedekata Geographycally Weghted Regresso (GWR). Surabaya: ITS. [5] Departeme Kesehata RI. (006). Pedoma Pegedala Peyakt Ifeks Salura Perapasa Akut. Jakarta : Depkes RI. [6] Kemetera Kesehata RI. (04). Profl Kesehata Idoesa Tahu 03. Jakarta: Kemetera Kesehata Republk Idoesa. [7] Agrest, A. (00). Categorcal Data Aalyss Secod Edto. New York: Joh Wley & Sos. [8] Myers, R. (990). Classcal ad Moder Regresso Wth Applcatos, secod edto. Bosto: PWS-KENT Publshg Compay. [9] Famoye, F., Wulu, J. T., & Sgh, K. P. (004). O The Geeralzes Posso Regresso Model wth a Applcato to Accdet Data. Joural of Data Scece, [0] Asel, L. (988). Spatal Ecoometrcs : Methods ad Models. Netherlads: Kluwer Academc Publshers. [] Fothergham, A.S., Brudso, C., da Charlto, M. (00). Geographcally Weghted Regresso. The Aalyss Of Spatally Varyg Relathoshp. Eglad : Joh Wley & Sos Ltd. [] Hockg, R. (996). Methods ad Applcatos of Lear Models. New York: Joh Wley ad Sos, Ic. [3] Tago, T. da Takahash, K. (005) A Flexbly Shaped Spatal Sca Statstc For Detectg Clusters. Iteratoal Joural of Health Geographcs, Volume: 4 :. [4] Patl, G.P. & Talle C. (003). Upper Level Set Sca Statstc For Detectg Arbtarly Shaped Hotspots. Evrometal ad Ecologcal Statstcs, Volume : : [5] Hara. M., Moleros J., & Patl, G.P. (006). Large Scale Plat Dsease Forecastg. Techcal Report Number Preseted at the 7 th Aual Iteratoal Coferece o Dgtal Govermet Research.
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly
Lebih terperinciPemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciPemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015
JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da
Lebih terperinciPemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.
JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da
Lebih terperinciPemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif
Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciX a, TINJAUAN PUSTAKA
PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciPemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciAnalisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,
Lebih terperinciAnalisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciI. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR
Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka
Lebih terperinciANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA
ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da
Lebih terperinciPenerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah
The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas
Lebih terperinciFaktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan
JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciJawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2
M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe
Lebih terperinciGEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH
Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciPEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH
Semar Nasoal Statstka IX Isttut Tekolog Sepuluh Nopember, 7 November 009 PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Yayuk Lsta 1, Purhad
Lebih terperinciStatistika ITS Surabaya
UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg
Lebih terperinciABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2
Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciSpatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciPENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU
Jural Barekeg Vol. 8 No. 2 Hal. 53 57 (2014) PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Geographcally
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,
Lebih terperinciPENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION
ESIS SS450 PENAKSIRAN PARAMEER DAN PENGUJIAN HIPOESIS MIXED GEOGRAPHICALLY WEIGHED BIVARIAE GENERALIZED POISSON REGRESSION (Stud Kasus: Jumlah Kemata Ibu da Bay d Provs Jaa mur ahu 05) ANNISA AYU UAMI
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciPEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciBAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciREGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010
REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha
Lebih terperinciLANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)
LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)
Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug
Lebih terperinciUji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah
Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciI adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu
METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut
Lebih terperinciPEMBENTUKAN MODEL PROBIT BIVARIAT
PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009
Lebih terperinciAnalisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt
Lebih terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciBAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat
BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.
Lebih terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciWAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST
Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.
Lebih terperinciOleh: Rendra Erdkhadifa Pembimbing Dr. Purhadi, M.Sc. Seminar Hasil Tugas Akhir Statistika ITS Rabu, 12 Desember 2011
Perbadga Geographcally Weghted Posso Regresso Geographcally Weghted Posso Regresso Semparametrc Stud Kasus : Kemata DBD d Jawa Tmur Oleh: Redra Erdkhadfa 308 00 09 Semar Hasl Tugas Akhr Statstka ITS Rabu
Lebih terperinci2.2.3 Ukuran Dispersi
3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciMETODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.
METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciBAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.
BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciVolume 1, Nomor 2, Desember 2007
Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI
Lebih terperinciANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA
Jural Ilmah MEDIA ENGINEERING Vol., No., Jul 0 ISSN 087-9334 (96-0) ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA Johas E. Lolog Dose Jurusa Spl Fakultas Tekk Uverstas Sam Ratulag
Lebih terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinciTINJAUAN PUSTAKA Evaluasi Pengajaran
TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas
Lebih terperinci4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data
//203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura
Lebih terperinciANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR
ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciAnalisis Korelasi dan Regresi
Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk
Lebih terperinciPuasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner
D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt
Lebih terperinciMengatasi Overdispersi pada Model Regresi Poisson dengan Generalized Poisson Regression I
Jural Ekspoesal Volume 2, Nomor 2, Nopember 2011 ISSN 2085-7829 Megatas Overdspers pada Model Regres Posso dega Geeralzed Posso Regresso I Hadlg Overdsperso o Posso Regresso Models wth Geeralzed Posso
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciFAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO)
FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO Fahrul Roz Perdaa, Mutah Salamah ( Statstka, FMIPA, Isttut
Lebih terperinci