D-462 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print)
|
|
- Devi Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 D-46 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) Aalisis Pola Persebara ISPA (Ifeksi Salura Perafasa Akut) Sebagai Dampak Idustri Migas di Kabupate Bojoegoro Megguaka Spatial Patter Aalysis da Flexibly Shaped Spatial Sca Statistic Niswatul Qoa ah da Sutiko Jurusa Statistika, Fakultas MIPA, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 6 Idoesia iswatulqoaah@gmail.com; sutiko@statistika.its.ac.id Abstrak Salah satu dampak egatif yag dirasaka masyarakat di kawasa eksplorasi migas Bojoegoro adalah bayak yag terserag ISPA (Ifeksi Salura Perafasa Akut). Berdasarka data besar peyakit terbayak di puskesmas Kabupute Bojoegoro, peyakit ISPA selalu meduduki perigkat pertama sejak tahu sampai tahu 5. Dalam peelitia ii dilakuka pegujia terhadap adaya autokorelasi spasial pada data ISPA tiap kecamata di Bojoegoro pada tahu -5. Pegujia secara global megguaka ideks Mora s I meujukka bahwa terdapat autokorelasi spasial pada tahu da 3 yag sigiifika pada α=5%, pada tahu 4 da 5 sigifika pada α>5% amu tidak sampai lebih dari 5%. Semetara dega megguaka idek s Geary s C meujukka bahwa terdapat autokorelasi spasial pada tahu 5 yag sigifika pada α=5% da pada tahu, 3, 4 sigifika pada α>5% amu tidak sampai lebih dari 5%. Deteksi hotspot kejadia ISPA tahu megguaka pegujia LISA meujukka bahwa wilayah yag mejadi hotspot yaitu kuadra I (HH) meliputi kecamata Trucuk, Bojoegoro, da Kapas. Kuadra IV (HL) meliputi kecamata Tambakrejo. Wilayah dalam kuadra II (LH) merupaka coldspot kejadia ISPA meliputi kecamata Sukosewu. Sedagka wilayah dalam kuadra III (LL) meliputi kecamata Sekar, Ngambo, da Godag tergolog wilayah yag ama. Deteksi hotspot kejadia ISPA tahu megguaka flexibly shaped spatial sca statistic diperoleh 3 katog ISPA yag sigifika. Katog pertama terdiri dari 7 kecamata yaitu Bojoegoro, Dader, Trucuk, Malo, Kasima, Padaga, da Purwosari dega resiko relatif sebesar,43. Katog kedua haya terdiri dari kecamata yaitu Kepohbaru dega resiko relatif sebesar,4. Katog ketiga terdiri dari kecamata yaitu Bale da Sukosewu dega resiko relatif sebesar,79. Kata Kuci Bojoegoro, Flexibly Shaped Spatial Sca Statistic, ISPA, Geary s C, LISA, Mora s I K I. PENDAHULUAN ekayaa alam berupa migas membuat masyarakat Bojoegoro berharap sagat tiggi aka segera keluar dari kemiskia. Semetara dalam sistem Udag Udag Idoesia, migas adalah milik egara, da daerah peghasil medapatka bagia 6% (dari keutuga da etto) utuk miyak da % utuk gas []. Masyarakat yag tiggal di kawasa eksplorasi migas merasaka dampak egatif dari proyek tersebut, khususya di Kecamata Ngasem, Purwosari, da Kalitidu. Warga di sekitar wilayah tersebut bayak terserag peyakit ISPA (Ifeksi Salura Perafasa Akut) []. ISPA adalah ifeksi salura perafasa yag dapat berlagsug sampai 4 hari. Secara kliis ISPA ditadai dega gejala akut akibat ifeksi yag terjadi di setiap bagia salura perafasa dega berlagsug tidak lebih dari 4 hari [3]. Faktor palig utama yag mempegaruhi ISPA adalah rokok da polusi udara. Faktor-faktor yag mempegaruhi ISPA yaitu pegguaa baha bakar utuk memasak da kepadata huia rumah [4]. Meurut Dias Kesehata Kabupate Bojoegoro pada tahu 5, peyakit ISPA meempati perigkat pertama dalam besar peyakit terbayak di Bojoegoro sejak tahu higga tahu 5. Hal ii disebabka pecemara udara di Kabupate Bojoegoro cukup tiggi. Kegiata eksplorasi migas di beberapa wilayah di Kabupate Bojoegoro merupaka peyumbag pecemara udara yag cukup besar. Peelitia peyakit ISPA sebelumya perah dilakuka atara lai rujuka [5] tetag proporsi kasus ISPA pada balita di Kabupate Gresik dega Geographically Weighted Regressio (GWR). Peelitia ii aka megaalisis persebara kejadia peyakit ISPA di Kabupate Bojoegoro dega mempertimbagka lokasi (kecamata) da waktu (tahu) megguaka metode spatial patter aalysis da flexibly shape spatial sca statistic. Metode spatial patter aalysis cukup baik dalam meyajika peta kerawaa peyakit sekaligus dapat megidetifikasi keterkaita atar lokasi da waktu [6]. Peelitia sebelumya yag megguaka metode ii atara lai rujuka [7] yaitu tetag spatial patter aalysis kejadia peyakit demam berdarah utuk iformasi early warig becaa di Kota Surabaya. Semetara itu, peelitia dega metode flexibly shape spatial sca statistic perah dilakuka rujuka [8] tetag kasus peuomia balita di Kota Surabaya.
2 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) D-463 II. Autokorelasi Spasial TINJAUAN PUSTAKA Autokorelasi spasial adalah korelasi atara variabel dega diriya sediri berdasarka ruag atau dapat juga diartika suatu ukura kemiripa dari objek di dalam suatu ruag (jarak, waktu da wilayah) [9]. Adaya autokorelasi spasial megidikasika bahwa ilai attribut pada daerah tertetu terkait oleh ilai attribut tersebut pada daerah lai yag letakya berdekata. Matriks Pembobot Spasial Matriks pembobot spasial W berdasarka persetuha batas wilayah (cotiguity) meyataka bahwa iteraksi spasial terjadi atar wilayah yag bertetagga []. Secara umum, terdapat 3 tipe iteraksi, yaitu Rook Cotiguity (persetuha sisi), Bishop Cotiguity (persetuha titik vertek), da Quee Cotiguity (persetuha sisi da titik vertek). Wilayah yag bertetaggaa diberika ilai, sedagka yag lai. Gambar. Ilustrasi Cotiguity Dega megguaka Quee Cotiguity utuk Gambar. didapatka matriks W sebagai berikut. W quee (.) Pegujia Efek Depedesi Spasial Global Statistik uji yag dapat diguaka dalam megidetifikasi pegaruh spasial pada data secara global diataraya adalah Mora s I da Geary s C. ) Mora s I Mora s I megukur korelasi satu variabel misal x (x i da x j ) dimaa i j, i=,,...,, j=,,... dega bayak data sebesar, maka formula dari Mora s I adalah pada persamaa (.). wij ( xi x)( x j x) i j Iˆ (.) S ( x x) i i Dega x merupaka rata-rata dari variabel x, w ij merupaka eleme dari matrik pembobot, da S = Σ i Σ j w ij. Nilai dari ideks I ii berkisar atara - sampai. Jika I > I, maka mempuyai pola megelompok (autokorelasi positif), jika I > I, maka berpola meyebar tidak merata (tidak ada autokorelasi), da I > I, memiliki pola meyebar (autokorelasi egatif). I merupaka ilai ekspektasi dari I yag dirumuska E(I) = [9]. Pegujia hipotesis terhadap parameter I dapat dilakuka sebagai berikut. H : I = I (tidak ada autokorelasi spasial) H : I I (terdapat autokorelasi spasial) Iˆ I Z (.3) (varˆ( Iˆ)) Dega I adalah estimasi ideks Mora s I, Z adalah ilai statistik uji ideks Mora s I, E(I) adalah ilai ekspektasi ideks Mora s I, da var(i) adalah ilai varias ideks Mora s I. var( ) ( ) 3 3S S 3S k ( ) S S 3S ( )( )( 3) S ( )( )( 3) S I (.4) Dega, ( x 4 k i i x) /(( i ( xi S i j ( w ij w ji ) S i w i. w. i ) x) ) (, w i. j wij da w. i j w Pegujia ii aka tolak H jika Z hitug > Z α (, ). ) Geary s C Ideks Geary s C dirumuska sebagai berikut (Lee & Wog, ). ( ) wij ( xi x j ) i j Cˆ (.5) S ( x x) i i Nilai w ij, x i, x j, da S yag diguaka dalam persamaa (.5) sama dega ilai pada persamaa (.) Jika ilai C atara da, maka pola sebaraya adalah megelompok (autokorelasi positif), jika ilai C medekati, polaya meyebar tidak merata (tidak ada autokorelasi), da pada ilai C atara da, pola sebaraya merata (autokorelasi egatif) [9]. Lagkah pegujia terhadap parameter C adalah sebagai berikut. H : C (tidak ada autokorelasi spasial) H : C (terdapat autokorelasi spasial) Statistik Uji : Cˆ Z (.6) varˆ( Cˆ) Dega C merupaka estimasi ideks Geary s C, Z merupaka ilai statistik uji ideks Geary s C, da var(c)merupaka ilai varias dari ideks Geary s C. 3 3 ( ) k ( ) S 3 6 ( ) k ( ) S Var ( C) ( )( 3) S 4( )( 3) S (.7) 3 ( ) k ( )( 3) Nilai S, S, da S yag diguaka pada persamaa (.7) sama dega yag diguaka pada persamaa (.4). Pegujia ii aka tolak H jika ilai Z hitug > Z ( α, ). Local Idicator of Spatial Autocorrelatio (LISA) LISA megidetifikasi bagaimaa hubuga atara suatu lokasi pegamata terhadap lokasi pegamata laiya. Adapu ideksya adalah sebagai berikut [9]. Iˆ i zˆ i j wijzˆ j (.8) z i da z j pada persamaa (.8) merupaka deviasi dari ilai rata-rata. zˆ i ( xi x) / s (.9) s adalah ilai stadar deviasi dari x i. Berikut merupaka pegujia statistik terhadap parameter I i. ji
3 D-464 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) H : I i E( I i ) (tidak ada autokorelasi spasial pada lokasi ke-i) H : I i E( I i ) (terdapat autokorelasi spasial pada lokasi ke-i) Statistik uji : Iˆ i E( Ii ) Z (.) vâr( Iˆ ) Dega I i merupaka estimasi ideks LISA, Z merupaka ilai statistik uji ideks LISA, E(I i ) merupaka ilai ekspektasi ideks LISA, var (I i) merupaka ilai varias dari ideks LISA. E( Ii ) wi. /( ) (.) m4 ( ) ( 4 / ) var( ) m m m wi I. i wi. wi( kh) ( ) ( )( ) ( ) Dega, () w i. j wij, i j w i ( kh ) w i ( w k i. j ij ) h i w ik w ih i (.) Pegujia ii aka tolak H apabila Z hitug > Z ( α, ). Mora s Scatterplot Mora s Scatterplot merupaka alat utuk melihat hubuga atara ilai pegamata yag telah distadarisasi dega ilai rata-rata daerah tetagga yag juga telah distadarisasi [9]. Utuk lebih jelasya, dapat dilihat pada ilustrasi berikut. Gambar. Mora s Scatterplot Kuadra I (kaa atas) disebut High-High (HH), meujukka daerah yag mempuyai ilai pegamata tiggi dikeliligi oleh daerah yag tiggi pula. Kuadra II (kiri atas) disebut Low-High (LH), meujukka daerah dega ilai pegamata redah amu dikeliligi oleh daerah dega ilai pegamata tiggi. Kuadra III (kiri bawah) disebut Low-Low (LL), meujukka daerah dega ilai pegamata redah dikeliligi oleh daerah yag redah pula. Kuadra IV (kaa bawah) disebut High-Low (HL), meujukka daerah dega ilai pegamata tiggi amu dikeliligi oleh daerah yag memiliki ilai pegamata redah []. Metode Flexibly Shaped Spatial Sca Statistic Spatial sca statistic merupaka salah satu metode statistik yag diguaka utuk medeteksi cluster pada sebuah lokasi yag berupa titik maupu data agregrat. Metode Flexibly Shaped Spatial Sca Statistic mempuyai power lebih tiggi daripada Circular Spatial Sca Statistic saat cluster yag dideteksi adalah ocircular da fleksibel terhadap betuk katog yag dihasilka sehigga tidak terbatas pada betuk ligkara saja []. Algoritma yag diguaka utuk medapatka Z dega pre-specified maximum legth L adalah sebagai berikut.. Membetuk himpua wilayah Z Z Z i, l L, m m il( m) dimaa adalah bayakya data pegamata, L adalah bayak wilayah maksimum dalam satu katog da m adalah bayak data bagkita dega simulasi mote- Carlo.. Himpua wilayah Z dibagi mejadi dua himpua wilayah baru yaki Z da Z, dimaa Z adalah himpua wilayah dari Z yag acak da Z juga merupaka himpua wilayah acak dari Z selai Z 3. Buat himpua baru yaki Z terdiri dari wilayah Z yag berbatasa dega Z da Z terdiri dari wilayah Z yag tidak berbatasa dega Z 4. Ulagi lagkah 3 higga Z da Z mejadi himpua kosog. 5. Jika Z mejadi himpua kosog terlebih dahulu maka Z adalah berhubuga, jika Z kosog terlebih dahulu maka Z tidak berhubuga. 6. Ulagi lagkah -5 higga terbetuk maksimum L wilayah. Prosedur utuk medapatka p-value dega pedekata Mote Carlo adalah sebagai berikut.. Meghitug pejumlaha ilai log likelihood ratio tertiggi t utuk data riil.. Membagu data acak yag ukuraya sama dega data riil yag dibagu di bawah kodisi H. 3. Melakuka proses pembetuka scaig widow Z dari data acak yag dibagu berdasarka kodisi H. 4. Mecari ilai log likelihood ratio dari setiap scaig widow, da dicatat apakah jumlah kasus yag diamati lebih besar atau lebih kecil dari yag diestimasi, kemudia mejumlahka ilai log likelihood ratio yag jumlah kasusya lebih besar dari jumlah yag diestimasi, utuk setiap scaig widow. Lagkah selajutya, medapatka pejumlaha ilai log likelihood ratio yag tertiggi dari simulasi pertama pembagua data acak tersebut. 5. Megulag lagkah, 3, da 4 sebayak m kali pegulaga/simulasi, sehigga memperoleh m pejumlaha ilai log likelihood ratio tertiggi dari data acak da data riil. bayakya Hitug p-value, T ( x) t p m t meyataka pejumlaha ilai log likelihood ratio tertiggi. T(x) adalah pejumlaha ilai log likelihood ratio dari data acak yag dibagu di bawah kodisi H. m adalah bayakya simulasi utuk membagu data. Jika P-value < α maka tolak H yag berarti bahwa widow Z adalah wilayah katog yag sigifika []. ISPA (Ifeksi Salura Perafasa Akut) ISPA adalah ifeksi salura perafasa yag dapat berlagsug sampai 4 hari. Secara kliis ISPA ditadai dega gejala akut akibat ifeksi yag terjadi di setiap bagia salura perafasa dega berlagsug tidak lebih dari 4 hari. ISPA merupaka kelompok peyakit yag komplek da heteroge, yag disebabka oleh 3 lebih jeis virus, bakteri, da jamur [3]. Faktor palig utama yag mempegaruhi ISPA adalah rokok da polusi udara. Faktor-faktor yag mempegaruhi ISPA yaitu pegguaa baha bakar utuk memasak da kepadata il
4 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) D-465 huia rumah. Suatu studi melaporka bahwa upaya peurua agka kesakita ISPA dapat dilakuka diataraya dega cara membuat vetilasi yag cukup utuk meguragi polusi asap dapur da meguragi polusi udara laiya. [4]. III. Sumber Data METODOLOGI PENELITIAN Data yag diguaka dalam peelitia ii adalah data sekuder yag diperoleh dari Dias Kesehata Pemeritah Kabupate Bojoegoro pada tahu -5. Data tersebut adalah jumlah kejadia peyakit ISPA yag terdapat pada 7 kecamata. Variabel Peelitia Variabel yag diguaka dalam peelitia ii adalah jumlah peyakit ISPA tahua pada tiap kecamata di Kabupate Bojoegoro mulai tahu sampai 5. Utuk megetahui salah satu gambara karakteristik tiap kecamata di Kabupate Bojoegoro diguaka variabel jumlah da kepadata peduduk. Metode Aalisis Data Tahapa aalisis data dalam peelitia ii sebagai berikut.. Medeskripsika persebara peyakit ISPA di Kabupate Bojoegoro pada tahu -5. Pembuata peta sebara peyakit ISPA dega Spatial Patter Aalysis a. Megidetifikasi pola sebara kejadia peyakit ISPA berdasarka ideks Mora s I b. Meguji depedesi spasial ideks Mora s I c. Megidetifikasi pola sebara kejadia peyakit ISPA berdasarka ideks Geary s C d. Meguji depedesi spasial ideks Geary s C e. Membuat da megaalisis Mora s Scatterplot f. Meguji depedesi spasial lokal megguaka LISA g. Membuat peta hotspot kejadia ISPA berdasarka hasil pegujia LISA 3. Medeteksi kelompok daerah yag mejadi hotspot peyakit ISPA dega Flexibly Shaped Spatial Sca Statistic a. Megidetifikasi kadidat katog ISPA/hotspot dega algoritma metode Flexibly Shaped Spatial Sca Statistic. Peetua pre-set maximum umber megacu pada pre-set maximum umber yag diguaka pada metode Flexibly Shaped Spatial Sca Statistic b. Meghitug jumlah populasi da jumlah kasus utuk setiap katog ISPA c. Meghitug fugsi log likelihood dari setiap katog ISPA kemudia meguji sigifikasi katog ISPA dega simulasi Mote Carlo utuk medapatka p-value d. Meghitug Relative Risk utuk setiap katog ISPA e. Membuat peta hotspot peyakit ISPA berdasarka katog ISPA yag sigifika IV. HASIL DAN PEMBAHASAN Deskripsi Kejadia Peyakit ISPA di Kabupate Bojoegoro Berikut ii hasil deskripsi data kejadia ISPA di Kabupate Bojoegoro berdasarka kecamata da waktu. ) Kejadia Peyakit ISPA Meurut Kecamata Kejadia ISPA di Kabupate Bojoegoro pada setiap kecamata memiliki karakteristik yag beragam. Deskripsi rata-rata data ISPA tahu -5 pada setiap kecamata secara visual dapat dilihat pada Gambar 3. Gambar 3. Rata-rata Kejadia ISPA Pada Tiap Kecamata di Bojoegoro Batag yag berwara merah meggambarka kecamata dega rata-rata jumlah kejadia ISPA tertiggi yaitu kecamata Dader dega rata-rata jumlah ISPA sebesar 3. Kecamata dega rata-rata kejadia ISPA teredah ditujukka oleh batag yag berwara hijau yaitu kecamata Kedewa dega rata-rata jumlah ISPA sebesar 66,5. ) Kejadia Peyakit ISPA Meurut Waktu Berikut deskripsi kejadia ISPA di kabupate Bojoegoro berdasarka waktu yaitu tahu -5. TABEL. NILAI RATA-RATA DAN RAGAM KEJADIAN PENYAKIT ISPA DI KABUPATEN BOJONEGORO TAHUN SAMPAI 5 Tahu Rata-rata Ragam 458, , , , Berdasarka waktu (tahu) pada Tabel, meujukka bahwa kejadia ISPA di Kabupate Bojoegoro palig bayak terjadi pada tahu yaitu dega rata-rata jumlah kejadia sebesar 458,63. Pada tahu 3 ratarata jumlah kejadia ISPA turu mejadi sebesar 3767,3. Setelah itu, pada tahu 4 da 5 rata-rata jumlah kejadia ISPA aik kembali masig-masig mejadi sebesar 456,33 da 447,96. Hubuga Kejadia ISPA atar Kecamata da Pola Persebaraya Megguaka Spatial Patter Aalysis Pola persebara kejadia ISPA tahu -5 teridikasi megelompok. Hal ii ditujukka oleh ilai ideks Mora s I yag lebih besar daripada E(I). Hasil perhituga ideks Mora s I, E(I), var (I), da Z hitug per tahu mulai dari tahu sampai tahu 5 dapat dilihat pada Tabel. TABEL. NILAI INDEKS MORAN S I, E(I), VAR(I), DAN Z HITUNG KEJADIAN ISPA DI BOJONEGORO TAHUN -5 Tahu I E(I) Var(I) Zhitug P-value,336 -, ,94,33
5 D-466 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) 3,483 -,4.58,5,4 4,53 -, ,55, 5,696 -, ,68,99 Berdasarka pegujia megeai adaya autokorelasi spasial megguaka ideks Mora s I pada Tabel, meujukka bahwa terdapat autokorelasi spasial pada tahu yag sigifika pada α >,33%, pada tahu 3 sigifika pada α >,4%, pada tahu 4 sigifika pada α >,%, serta pada tahu 5 sigifika pada α > 9,9%. Nilai ideks Geary s C megidikasika bahwa pada tahu -5 jumlah kejadia ISPA di Kabupate Bojoegoro memiliki pola megelompok. Hal ii ditujukka dega ilai ideks Geary s C yag terletak atara da. Hasil perhituga ideks Geary s C, Var(C), da Z hitug selegkapya disajika pada Tabel 3. TABEL 3. NILAI INDEKS GEARY S C, VAR(C), DAN Z HITUNG KEJADIAN ISPA DI BOJONEGORO TAHUN -5 Tahu C Var(C) Zhitug P-value,77,363 -,5657,594 3,776,375 -,4583,735 4,7646,37 -,, 5,6773,344 -,7399,49 Berdasarka pegujia terhadap adaya autokorelasi spasial megguaka ideks Geary s C pada Tabel 3, meujukka bahwa terdapat autokorelasi spasial pada tahu yag sigifika dega α > 5,94%, pada tahu 3 sigifika pada α > 7,35%, pada tahu 4 sigifika pada α >,%, serta pada tahu 5 yag sigifika pada α > 4,9%. ISPA pada tahu merupaka agka kejadia tertiggi dibadigka dega agka kejadia pada tahutahu yag lai pada 4 tahu terakhir. Oleh karea itu, pembahasa selajutya megguaka data pada tahu. Berdasarka hasil Mora s scatterplot pada tahu, dapat diketahui bahwa sebagia besar agka kejadia ISPA di tiap kecamata di Kabupate Bojoegoro pada tahu meyebar di kuadra I (HH) da 3 (LL). Sebara titik merah pada Gambar 4 merupaka kecamata yag meyebar berdasarka pegaruhya terhadap kecamata yag bersebelaha (bertetagga). Sumbu X (horisotal) pada Gambar 4 merupaka jumlah kejadia ISPA tiap kecamata yag telah distadarisasi da sumbu Y (vertikal) merupaka rata-rata jumlah kejadia ISPA kecamata tetagga yag telah distadarisasi.,5, Mea(Zstd) Kaor 4. Malo 9. Kapas 5. Ngambo. Kedugadem 6. Sekar 3. Kepohbaru 8. Ngraho 6. Trucuk. Purwosari. Sugihwaras 4. Temayag 5. Margomulyo Gambar 4. Mora s Scatterplot Pederita ISPA di Kabupate Bojoegoro Tahu Pedeteksia Hotspot ISPA Megguaka LISA da Flexibly Shaped Spatial Sca Statistic Aalisis wilayah yag mejadi hotspot da coldspot kejadia ISPA megguaka hasil pegujia LISA didasarka pada adaya aspek autokorelasi spasial pada suatu wilayah (hubuga suatu wilayah dega wilayah laiya). Hasil pedeteksia hotspot da coldspot kejadia ISPA di Bojoegoro secara visual pada tahu dapat dilihat pada Gambar 5. Gambar 5. Peta Hotspot Kejadia ISPA di Bojoegoro Tahu Berdasarka Hasil Pegujia LISA Lokasi Eksplorasi Migas Wilayah yag mejadi hotspot yaitu kuadra I (HH) meliputi kecamata Trucuk, Bojoegoro, da Kapas. Selai itu wilayah yag mejadi hotspot adalah kuadra IV (HL) meliputi kecamata Tambakrejo. Wilayah dalam kuadra II (LH) merupaka coldspot kejadia ISPA meliputi kecamata Sukosewu. Sedagka wilayah dalam kuadra III (LL) meliputi kecamata Sekar, Ngambo, da Godag tergolog wilayah yag ama. Selajutya, pedeteksia wilayah yag mejadi hotspot kejadia ISPA di Kabupate Bojoegoro dilakuka megguaka metode flexibly shaped spatial sca statistic. Hasil deteksi katog ISPA megguaka memberika iformasi bahwa pada tahu terbetuk 4 katog ISPA di Kabupate Bojoegoro, amu haya 3 katog yag sigifika. Katog pertama terdiri dari 7 kecamata, katog kedua da keempat terdiri dari kecamata, katog ketiga terdiri kecamata. Utuk megetahui letak katog ISPA secara visual pada tahu dapat dilihat pada Gambar 6. WZstd,5, Mea(WZstd) -, , 5 - Zstd 3 Keteraga : Kuadra HH Kuadra LH Kuadra LL Kuadra HL. Bale 7. Ngasem 4. Bubula 6. Dader. Baureo. Sumberejo 5. Godag 9. Padaga 3. Bojoegoro 7. Sukosewu. Kasima 3. Tambakrejo 7. Kalitidu. Kedewa Gambar 6. Peta Katog ISPA di Bojoegoro Tahu dega flexibly shaped spatial sca statistic Lokasi Eksplorasi Migas
6 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) (3-98X Prit) D-467 Katog pertama terdiri dari 7 kecamata yaitu Bojoegoro, Dader, Trucuk, Malo, Kasima, Padaga, da Purwosari. Wilayah tersebut merupaka wilayah yag palig rawa dega resiko relatif sebesar,43. Katog kedua terdiri dari kecamata yaitu Kepohbaru dega resiko relatif sebesar,4. Katog ketiga terdiri dari kecamata yaitu Bale da Sukosewu dega resiko relatif sebesar,79. Kesimpula V. KESIMPULAN DAN SARAN Jumlah kejadia ISPA di Kabupate Bojoegoro selama 4 tahu terakhir palig tiggi terjadi pada tahu. Kecamata yag kosiste dega jumlah kejadia ISPA tertiggi adalah kecamata Dader. Selai itu, kecamata Baureo juga merupaka kecamata yag kosiste dega jumlah kejadia ISPA yag tiggi selama 4 tahu terakhir. Hasil pegujia megguaka ideks Mora s I meujukka bahwa terdapat autokorelasi spasial pada tahu da 3 yag sigiifika pada α=5%, pada tahu 4 da 5 sigifika pada α>5% amu tidak sampai lebih dari 5%. Semetara dega megguaka idek s Geary s C meujukka bahwa terdapat autokorelasi spasial pada tahu 5 yag sigifika pada α=5% da pada tahu, 3, 4 yag sigifika pada α>5% amu tidak sampai lebih dari 5%. Hasil tersebut meujukka bahwa ideks Mora s I lebih sesitif dalam medeteksi adaya autokorelasi spasial dibadig dega ideks Geary s C. Berdasarka hasil pegujia LISA, kecamata yag mejadi hotspot kejadia ISPA meliputi wilayah yag termasuk dalam kuadra I (HH) yaitu Trucuk, Bojoegoro, da Kapas. Selai itu, wilayah yag mejadi hotspot kejadia ISPA adalah yag termasuk dalam kuadra IV (HL) meliputi kecamata Tambakrejo. Wilayah yag mejadi coldspot adalah yag termasuk dalam kuadra II (LH) meliputi kecamata Sukosewu. Semetara itu, wilayah yag termasuk dalam kuadra III (LL) meliputi kecamata Sekar, Ngambo, da Godag tergolog wilayah yag ama. Dega megguaka flexibly shaped spatial sca statistic diperoleh 3 katog ISPA yag sigifika. Katog pertama terdiri dari 7 kecamata yaitu Bojoegoro, Dader, Trucuk, Malo, Kasima, Padaga, da Purwosari dega resiko relatif sebesar,43. Katog kedua terdiri dari kecamata yaitu Kepohbaru dega resiko relatif sebesar,4. Katog ketiga terdiri dari kecamata yaitu Bale da Sukosewu dega resiko relatif sebesar,79. Sara Hasil pedeteksia hotspot ISPA megguaka LISA lebih bermafaat sebagai early warig jagka pajag terhadap seraga peyakit ISPA. Hal ii dikareaka hasil deteksi hotspot megguaka LISA didasarka pada adaya aspek autokorelasi, sehigga dapat diketahui potesi pegaruh daerah tersebut pada kodisi yag aka datag didasarka pada kodisi saat ii. Sedagka hasil pedeteksia hotspot megguaka flexibly shaped spatial sca statistic lebih bermafaat utuk medeksi hotspot pada waktu tertetu karea didasarka pada tiggiya prevalesi kejadia ISPA di suatu wilayah pada waktu tertetu. DAFTAR PUSTAKA [] Khaw, P. (4). Dampak Idustrialisasi Migas Terhadap Ligkuga Bojoegoro. [ diakses pada taggal 5 Desember 5. [] Hasa, R. (). Ribua Warga di Kawasa Blok Cepu Terkea Ispa. [ diakses pada taggal 7 Desember 5. [3] LITBANGKES. (4). Kajia Riset Operasioal Itesifikasi Pemberatasa Peyakit Meular Tahu 998/ Jakarta: Direktorat Jedral Pemberatasa Peyakit Meular Bada Peelitia da Pegembaga Kesehata Departeme Kesehata. [4] Achmadi. (993) Faktor Peyebab Peyakit ISPA. Jakarta: Gramedia. [5] Hidayah, R. N. (4). Pemodela Proporsi Kasus Peyakit Ifeksi Salura Perapasa Akut (ISPA) bagia Atas pada Balita di Kabupate Gresik dega Geographically Weighted Regressio. Surabaya: Program Sarjaa, Istitut Tekologi Sepuluh Nopember. [6] Curtis, J. A., & Lee, A. W. (). Spatial Patter of Diabetes Related SHealth Problems for Vuleral Populatios i Los Ageles. USA. [7] Arrowiyah. (). Spatial Patter Aalysis Kejadia Peyakit Demam Berdarah Degue utuk Iformasi Early Warig Becaa di Kota Surabaya. Surabaya: Program Sarjaa, Istitut Tekologi Sepuluh Nopember. [8] Maghfiroh, F. N. (4). Pemodela Kasus Peuomia Balita di Kota Surabaya dega GWPR da Flexibly Shaped Sca Statistic. Surabaya: Program Sarjaa, Istitut Tekologi Sepuluh Nopember. [9] Lee, J., & Wog, D. W. (). Statistical Aalysis With Arcview GIS. New York: Joh Willey & Sos, Ic. [] Aseli, L. (). Spatial Weights. [ [] tutorials/software/geoda/tutorials/w8_weights.pdf], diakses pada taggal 7 Desember 5. [] Kartika, Y. (7). Pola Peyebara Spasial Demam Berdarah Degue di Kota Bogor tahu 5. Bogor: Skripsi Program Sarjaa tidak dipublikasika, Istitut Pertaia Bogor. [3] Tago, T., & Takahashi, K. (5). A flexibly shaped spatial sca statistic for detectig clusters. Iteratioal Joural of Health Geographics.
IV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciMengidentifikasi Pola Spasial dan Autokorelasi Spasial Tingkat Pengangguran Terbuka Kabupaten/Kota di Kalimantan Selatan Tahun 2014
Megidetifikasi Pola pasial da Autokorelasi pasial Tigkat Pegaggura Terbuka Kabupate/Kota di Kalimata elata Tahu 04 Muktar Redy usila, Jurusa tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciPEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)
THE 5 TH URECOL PROCEEDING 8 February 27 PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD) Putri Ayu Setiyowati ), Safaat Yuliato 2) Departeme Statistika, (AIS) Muhammadiyah Semarag email:
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciPemodelan Panel Spasial pada Data Kemiskinan di Provinsi Papua
Statistika, Vol. 17 No. 1, 1 15 Mei 017 Pemodela Pael Spasial pada Data Kemiskia di Provisi Papua Admiistrasi Asurasi da Aktuaria Program Pedidika Vokasi Uiversitas Idoesia Depok e-mail: yuli.alhikmah47@gmail.com
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciSPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
E-ISSN 2527-9378 Jural Statistika Idustri da Komputasi Volume 2, No. 2, Juli 2017, pp. 93-103 SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai
20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif
Lebih terperinciPEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR)
E-Jural Matematika Vol. 6 (1), Jauari 2017, pp. 37-46 ISSN: 2303-1751 PEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR) Ni Made Surya Jayati
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciAnalisis Faktor-Faktor yang Memengaruhi Angka Prevalensi Penyakit Kusta di Jawa Timur dengan Pendekatan Spatial Durbin Model
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Prit) D-95 Aalisis Faktor-Faktor yag Memegaruhi Agka Prevalesi Peyakit Kusta di Jawa Timur dega Pedekata Spatial Durbi Model Erawati, I Nyoma Latra.
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciEfek Lokal Spasial Program Swasembada Padi di Jawa Tengah Menggunakan Local Moran s
The 4 th Uivesity Research Coloquium 016 Efek Lokal Spasial Program Swasembada Padi di Jawa Tegah Megguaka Local Mora s Abdul Karim 1, Rochdi Wasoo 1, Program Studi Statistika, Fakultas Matematika da Ilmu
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. memelihara itik Damiaking murni di Kampung Teras Toyib Desa Kamaruton
III BAHAN DAN METODE PENELITIAN 3.1 Baha da Alat Peelitia 3.1.1 Telur Tetas Itik Damiakig Baha yag diguaka dalam peelitia ii adalah telur tetas itik Damiakig berasal dari iduk yag dipelihara secara ekstesif
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciMETODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa
III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciBAB III PROSEDUR PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
8 BAB III PROSEDUR PENELITIAN A. Metode Peelitia Metode peelitia yag diguaka dalam peelitia ii adalah metode ex post facto. Ada dua variabel dalam proses peelitia ii yaitu variabel bebas (variabel ) adalah
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciIDENTIFIKASI AUTOKORELASI SPASIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEKS MORAN
Idetifikasi Autokorelasi (Triastuti) IDENTIFIKAI AUTOKORELAI PAIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEK MORAN Triastuti Wuryadari, Abdul Hoyyi Dewi etya Kusumawardai 3, Dwi Rahmawati
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciKeterkaitan Karakteristik Pergerakan di Kawasan Pinggiran Terhadap Kesediaan Menggunakan BRT di Kota Palembang
C463 Keterkaita Karakteristik di Kawasa Piggira Terhadap Kesediaa Megguaka BRT di Kota Palembag Dia Nur afalia, Ketut Dewi Martha Erli Hadayei Departeme Perecaaa Wilayah da Kota, Fakultas Tekologi Sipil
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciPENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai
1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka
Lebih terperinci3. METODE PENELITIAN
3. METODE PENELITIAN 3.1. Waktu da Lokasi Peelitia Peelitia ii megguaka data primer da sekuder. Data primer diambil dari kegiata peelitia skala laboratorium. Peelitia dilakuka pada bula Februari-Jui 2011.
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciPEMODELAN GIZI BURUK PADA BALITA DI KOTA SURABAYA DENGAN SPATIAL AUTOREGRESSIVE MODEL (SAR)
PEMODELAN GIZI BURUK PADA BALIA DI KOA SURABAYA DENGAN SPAIAL AUOREGRESSIVE MODEL (SAR) Qurrota A yui, da Dr. Brodol Sutio S.U, M.Si, Jurusa Statistika Istitut ekologi Sepuluh Nopember Surabaya e-mail
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciAutocorrelation Spatial Program Swasembada Padi di Jawa Tengah
Autocorrelatio patial Program wasembada Padi di Jawa Tegah Abdul Karim ), Rochdi Wasoo ) ),) tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Muhammadiyah emarag Alamat e-mail : abdulkarim@uimus.ac.id,
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan di wilayah Kampus Institut Pertanian Bogor (IPB)
IV. METODE PENELITIAN 4. 1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di wilayah Kampus Istitut Pertaia Bogor (IPB) Dramaga. Peelitia ii merupaka survei terhadap kosume miuma supleme bereergi merek
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciAnalisis Pola Hubungan Persentase Penduduk Miskin dengan Faktor Lingkungan, Ekonomi, dan Sosial di Indonesia Menggunakan Regresi Spasial
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 27-3520 (2301-928X Prit) D-235 Aalisis Pola Hubuga Persetase Peduduk Miski dega Faktor Ligkuga, Ekoomi, da Sosial di Idoesia Megguaka Regresi Spasial Voesa
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciMETODOLOGI PENELITIAN. Penelitian ini telah dilakukan di Desa Koto Perambahan Kecamatan Kampar
III. METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelitia Peelitia ii telah dilakuka di Desa Koto Perambaha Kecamata Kampar Timur Kabupate Kampar. Waktu pelaksaaa peelitia ii sekitar 3 bula yaki Bula Oktober-Desember
Lebih terperinciMata Kuliah: Statistik Inferensial
PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja
Lebih terperinci