10 Departemen Statistika FMIPA IPB
|
|
- Ari Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK35) 0 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Tabel Kontingensi Struktur peluang tabel kontingensi Perbandingan proporsi pada tabel kontingensi Odds ratio Review uji kebebasan khi-kuadrat Uji kebebasan untuk data ordinal Uji exact untuk contoh kecil Asosiasi dalam tabel tiga-arah An Introduction to Categorical Data Analysis ( nd Edition) Agresti (007) Jumat 7 Desember Sebagian bahasan mengenai tabel kontingensi sudah dipelajari mulai pertemuan kelima. Pada pertemuan ini, pembahasan tabel kontingensi akan diarahkan pada beberapa sub-pokok bahasan mencakup : struktur peluang, perbandingan proporsi, odds ratio, review uji kebebasan khi-kuadrat, uji kebebasan untuk data ordinal, uji exact untuk contoh kecil serta uji asosiasi dalam tabel tiga-arah. Untuk memulai pembahasan, perhatikan tabel yang merekam frekuensi contoh berdasarkan jenis kelamin dan perolehan IPK (<3.00 dan 3.00) berikut. Jenis Kelamin Kelompok IPK 3.00 <3.00 Total Putra 3 Putri Total Tabel di atas (selanjutnya disebut tabel sebaran IPK) disebut tabel kontingensi, yaitu sebuah tabel yang menampilkan frekuensi (counts) dari peubah respon dalam setiap sel. Tabel kontingensi yang menampilkan dua peubah kategorik sekaligus disebut tabel kontingensi dua-arah. sedangkan tabel kontingensi dengan I baris dan J kolom disebut tabel kontingensi I J, disingkat tabel I J. Tabel di atas adalah tabel. Struktur peluang untuk tabel kontingensi Peluang bersama, marginal dan bersyarat Misalkan sejumlah contoh diambil secara acak dari populasi tertentu dan diklasifikasikan berdasarkan peubah X dan Y. Peluang (X, Y) berada pada baris ke-i dan kolom ke-j adalah ij = P(X=i, Y=j). Maka, peluang { ij } membentuk peluang bersama (joint probability) dari X dan Y, dalam hal ini,. Peluang marginal adalah jumlah peluang i j ij bersama pada baris dan kolom tertentu. Peluang marginal untuk peubah baris dinyatakan dengan { i+ } dan untuk peubah kolom dinyatakan dengan { +j }. Pada banyak tabel kontingensi, satu peubah merupakan respon (Y) dan peubah lainnya adalah penjelas (X). Sebaran peluang Y untuk setiap taraf X disebut sebagai peluang bersyarat atau conditional probabilities.
2 Perhatikan kembali tabel sebaran IPK. Untuk sel (, ) proporsi bersama adalah p = /64 = 0.7. Jika kelompok IPK adalah respon dan jenis kelamin adalah peubah penjelas maka proporsi bersyarat dapat ditentukan sebagai berikut : Untuk putra, proporsi <3.00 adalah /3 = dan proporsi 3.00 adalah /3 = 0.656, sehingga sebaran proporsi bersyarat adalah (0.344, 0.656). Sedangkan untuk putri adalah (0.50, 0.750). Sensitivitas dan Spesifisitas Sensitivitas dan spesifisitas merupakan salah satu alat dalam diagnosa. Awalnya, kedua statistik ini digunakan untuk melakukan diagnosa kesehatan, namun pada perkembangannya juga digunakan dalam diagnosa model-model statistika. Perhatikan tabel berikut : Kondisi sebenarnya (S) Hasil pengujian (T) Positif (+) Negatif (-) Sakit (+) a b Sehat (-) c d Berdasarkan tabel di atas, dapat didefinisikan : Sensitivitas Spesifisitas peluang bahwa hasil pengujian menunjukkan bahwa seseorang positif terjangkit penyakit apabila faktanya orang tersebut memang terjangkit penyakit, atau ditulis : a sen P( T S ) a b peluang bahwa hasil pengujian menunjukkan bahwa seseorang tidak terjangkit penyakit apabila faktanya orang tersebut memang tidak terjangkit penyakit, atau ditulis : d spe P( T S ) c d Idealnya, alat uji atau model statistika mempunyai sensitivitas dan spesifisitas yang tinggi. Akan tetapi, ketika mendapatkan sensitivitas dan spesifisitas yang tinggi, kadangkala kita masih mempunyai beberapa kesalahan yaitu : Salah positif Salah negatif terjadi ketika hasil pengujian menyatakan positif terjangkit penyakit untuk orang yang sebenarnya tidak terjangkit penyakit. c F P( S T ) a c terjadi ketika hasil pengujian menyatakan tidak terjangkit penyakit untuk orang yang sebenarnya terjangkit penyakit. b F P( S T ) b d Dalam statistika, diagnosis model menggunakan sensitivitas dan spesifisitas umumnya digunakan dalam analisis regresi logistik biner. Kebebasan pada tabel kontingensi Dua peubah (X, Y) dalam tabel kontingensi dikatakan saling bebas secara statistika apabila distribusi peluang bersyarat dari Y adalah identik untuk setiap level X. Jika kedua / 9
3 peubah merupakan respon, maka dua peubah dinyatakan saling babas apabila semua peluang bersama sama dengan perkalian dari peluang-peluang marginalnya. Ditulis : ij i j Perbandingan proporsi pada tabel Uji beda proporsi untuk i =,,..., I dan j =,,..., J Misalkan untuk pengamatan pada baris ke-i, i menyatakan peluang sukses dan i menyatakan peluang gagal untuk i=,. Sehingga beda proporsi membandingkan peluang sukses pada dua baris. Untuk data contoh, p p merupakan penduga bagi. Galat baku bagi p p adalah : SE p ( p ) p( p) n n sehingga, untuk contoh berukuran besar selang kepercayaan 00(α)% bagi (disebut selang kepercayaan Wald) adalah : ( p p ) z SE Perhatikan kembali tabel sebaran IPK. Anggaplah bahwa sukses adalah keberhasilan memperoleh IPK IPK 3.00, dan misalkan adalah peluang mahasiswa putra memperoleh IPK 3.00 dan adalah peluang mahasiswa putri memperoleh IPK 3.00, maka hipotesis nol bahwa = : p = /3 = p = 4/3 = p p = (0.344) 0.75(0.5) SE selang kepercayaan 95% bagi adalah (0.4), atau Sehingga hipotesis nol bahwa = diterima pada taraf nyata 5%. Risiko relatif Beda dua proporsi penting digunakan jika nilai kedua proporsi tersebut mendekati nilai 0 atau. Apabilai nilai kedua proporsi berada di tengah-tengah, risiko relatif (relative risk) lebih relevan. Risiko relatif adalah : risiko relatif = Untuk ilustrasi sebelumnya, risiko relatif contoh adalah 0.656/0.750 = / 9
4 Odds ratio Ukuran asosiasi lain yang dapat digunakan untuk tabel adalah odds ratio. Odds ratio biasanya muncul disebagian besar model yang melibatkan data kategorik. Untuk peluang sukses, nilai odds sukses adalah : odds = dengan odds Sebagai contoh, untuk = 0.60 mempunyai odds sukses sebesar 0.60/0.40 =.50. Ketika nilai odds =.50, sukses adalah,5 kali gagal. Ada dengan kata lain kita berharap ada 3 kali sukses untuk kali gagal. Pada tabel, odds sukses untuk baris ke- adalah odds = / ( ) dan untuk baris ke- adalah odds = / ( ). Rasio dua odds tersebut disebut odds ratio (), yang ditulis sebagai : odds / ( ) odds / ( ) Odds ratio merupakan bilangan non-negatif. Jika peubah X dan Y saling bebas, = sehingga odds = odds dan = odds /odds =. Jika kedua peubah dalam tabel merupakan peubah respon, maka odds ratio didefinisikan melalui peluang bersama : / / Untuk tabel sebaran IPK, odds sukses adalah odds = / =.9 untuk putra dan odds =.9 4/8 = 3 untuk putri. Sehingga odds ratio contoh adalah Inferensia odds ratio dan log odds ratio Sebaran penarikan contoh bagi odds ratio sangat tidak simetris (menjulur), karenanya inferensia statistika bagi odds ratio menggunakan log natural dari odds ratio, log. Kebebasan sepadan dengan = atau log = 0. Log odds ratio contoh, log mempunyai sebaran yang menghampiri normal dengan rataan log dan galat baku : SE n n n n Sehingga selang kepercayaan 00(α)% bagi log adalah : log z SE Untuk tabel sebaran IPK, log log(0.637) 0.45, sedangkan galat bakunya adalah : 4 / 9
5 SE ; sehingga selang kepercayaan 95% bagi log yang dapat 8 4 dibentuk adalah (0.305) atau (.0488, 0.468), atau ekuivalen dengan selang bagi : [exp(.0488), exp(0.468)] (0.350,.58) Hubungan odds ratio dengan risiko relatif Hubungan antara odds ratio dengan risiko relatif dituliskan dalam formula : / ( ) odds ratio = p p risiko relatif p p / ( p) p Perhatikan tabel sebaran IPK. Telah dihitung bahwa p = /3 = 0.656, p = 4/3 = dan risiko relatif = 0.875, sehingga : 0.50 odds ratio Uji kebebasan khi-kuadrat Uji khi-kuadrat Pearson dan statistik likelihood-ratio Untuk menguji kebebasan dua peubah dalam tabel I J, statistik uji khi-kuadrat dan likelihood-ratio adalah ( n ) ij ij Khi-kuadrat Pearson : X n ij ij Likelihood-ratio : G nij log Dalam hal ini X dan G mengikuti sebaran khi-kuadrat dengan derajat bebas (I)(J) dan adalah frekuensi harapan, yang dapat dihitung dengan rumus : np p n n n n n n n n i j i j ij i j Tiap sel pada tabel berikut menunjukkan frekuensi teramati (atas) dan frekuensi harapan (bawah) untuk tabel sebaran IPK. Sehingga dapat diperoleh : Jenis Kelamin Kelompok IPK 3.00 <3.00 Total Putra Putri Total (.5) ( 9.5) (4.5) (8 9.5) X ij 5 / 9
6 4 8 G () log () log (4) log (8) log Untuk derajat bebas dan taraf nyata 5% diperoleh nilai tabel khi-kuadrat sebesar Sehingga berdasarkan uji X maupun G jenis kelamin dan IPK saling bebas. Sisaan dalam tabel kontingensi Untuk menguji kebebasan, dapat juga menggunakan sisaan sel pada tabel kontingensi dengan rumus : nij ij eij ( p )( p ) ij j Penyebut pada rumus di atas merupakan galat baku bagi nij ij. Sehingga eij merupakan sisaan terbakukan. Untuk tabel sebaran IPK, pada sel pertama diketahui n,.5, p 3 / dan p j 45 / , sehingga sisaan terbakukan untuk sel ini.5 adalah : e ( 0.5)( 0.69) Uji kebebasan untuk data ordinal Pola linier Ketika peubah (baris dan/atau kolom) yang diuji diukur dalam skala ordinal, uji kebebasan menggunakan uji X dan G, informasi urutan data diabaikan. Sebagai alternatif, dapat digunakan uji asosiasi pola (trend association). Untuk memeriksa adanya asosiasi pola, analisis sederhana memberikan peringkat atau skor kepada kategori dan mengukur derajat pola linier. Statistik uji yang digunakan sensitif terhadap arah pola linier (positif atau negatif) dengan mamanfaatkan korelasi data. Misalkan u u ui adalah adalah skor dan u iui pi adalah rata-rata skor untuk baris, sedangkan v v vj dan v ivi p j untuk kolom. Jumlah i, j ( ui u )( vi v ) pij merupakan kovarian X dan Y. Korelasi antara X dan Y merupakan kovarian dibagi dengan perkalian antara simpangan baku X dan Y, ditulis : r ( u u )( v v ) p i, j i j ij i ( ui u ) p i j ( v j v ) p j Untuk menguji H 0 : kedua peubah saling bebas lawan H : kedua peubah berkorelasi ( 0) digunakan statistik uji : Untuk n besar, M ( n ) r M menyebar khi-kuadrat dengan derajat bebas. 6 / 9
7 IPM Daerah tertinggal Ya Tidak Total 0 IPM < IPM < IPM < Total Pemilihan skor dapat dilakukan dengan beberapa cara, salah satunya adalah dengan peringkat-tengah (mid-rank). Menggunakan cara ini, pengamatan diberi skors sampai n. Perhatikan tabulasi data profil daerah yang menampilkan frekuensi (n) dan frekuensi harapan ( ) daerah berdasarkan IPM (indeks pembangunan manusia) dan status daerah tertinggal menurut KPDT di atas. Baris pertama, 0 IPM < 60, diberi skor (+3)/ = 7. Baris kedua, 60 IPM < 70, akan mempunyai skor (+3+(3+94))/ = 0.5, sedangkan baris ketiga akan mempunyai skor 30. Coba lanjutkan perhitungan, berapa nilai korelasi antara IPM dan status daerah tertinggal? PROC FREQ memberikan nilai r = dan M = 393 (0.499) = Fisher s exact test untuk contoh kecil pada tabel Selang kepercayaan dan pengujian yang dilakukan sejauh ini digunakan untuk contoh berukuran besar. Semakin besar ukuran contoh, maka X, G dan M akan menghampiri sebaran khi-kuadrat. Akan tetapi, jika ukuran contoh kecil, inferensia menggunakan sebaran exact lebih tepat dibandingkan dengan hampiran contoh-besar. Pada tabel, kebebasan dua peubah ditandai dengan =. Pada tabel ini, untuk jumlah baris dan kolom marginal tertentu, frekuensi pada sel pertama (n ) menentukan frekuensi pada ketiga sel lainnya. Ketika =, peluang untuk nilai n dinyatakan oleh n n n n n P( n) n n yang merupakan peluang hipergeometrik. Pada pengujian H 0 : peubah saling bebas = lawan H : >, p-value merupakan peluang hipergeometri sebelah kanan bahwa n lebih besar atau sama dengan frekuensi teramati. Sebagai contoh, seorang peramal mengaku dapat melihat benda yang diletakkan di dalam kotak tertutup. Untuk membuktikan klaim tersebut, dilakukan percobaan sederhana sebagai berikut : sepuluh bola, lima berwarna hitam dan lima berwarna putih, dimasukkan ke dalam sepuluh kotak sedemikian sehingga satu kotak hanya berisi satu bola. Kotak semuanya ditutup rapat. Selanjutnya, sepuluh kotak tersebut diacak posisinya sehingga tidak diketahui dengan pasti di kotak mana bola warna hitam dan putih tersebut berada. Lalu, peramal diminta untuk menebak warna bola dalam kesepuluhu kotak tersebut, kemudian satu-per-satu kotak dibuka sehingga warna bola dapat diketahui. Hasilnya adalah sebagai berikut : 7 / 9
8 Warna sebenarnya Hasil ramalan Hitam Putih Total Hitam 3 5 Putih 3 5 Total Berdasarkan tabel di atas, ada tiga hasil ramalan yang cocok, sehingga : !/ (3!)(!) 5!/ (!)(3!) P(3) !/ (5!)(5!) 5 Dengan perhitungan yang sama diperoleh P(4) dan P(5) Karenanya, klaim peramal tersebut sangat diragukan (p-value=0.5). Sementara untuk membuktikan klaimnya dengan tingkat kepercayaan 85%, peramal tersebut setidaknya harus mampu menemukan 4 bola hitam dan putih secara benar (p-value=0.03). Tabel berikut meringkas sebaran geometrik untuk percobaan meramal di atas. n Peluang p-value P-value dengan perhitungan seperti ini biasanya bersifat konservatif, dikarenakan tingkat galat yang sebenarnya lebih kecil daripada galat yang ditetapkan. Untuk itu, disarankan menggunakan mid p-value. Untuk kasus peramal di atas, saat n = 3, besarnya mid p-value = P(3)/ + P(4) + P(5) = (0.5/) = Seandainya n = 4, maka mid p-value = (0.03/) = Asosiasi pada tabel tiga arah Sebuah tabel tiga arah menampilkan frekuensi dari tiga peubah, misalnya X, Y dan Z. Sebagai contoh, tabel berikut merupakan tabel kontingensi, terdiri dari dua kolom, dua baris dan dua lapisan, yang merekam frekuensi mahasiswa berdasarkan jenis kelamin (Z), aktivitas organisasi (X) dan tingkat IPK (Y). Kelompok IPK Jenis Kelamin Organisasi 3.00 <3.00 Total Putra Aktif 5 6 Tidak aktif Putri Aktif Tidak aktif 7 5 Total Misalkan kita ingin mempelajari pengaruh aktivitas organisasi terhadap IPK, maka dengan mengendalikan fakor jenis kelamin. Dengan demikian, tabel di atas akan terdiri dari sebuah tabel parsial antara aktivitas organisasi dan IPK untuk setiap taraf jenis kelamin (putra dan putri). Gabungan dua tabel parsial ini akan membentuk tabel kontingensi dua arah yang disebut sebagai tabel marginal. 8 / 9
9 Odds ratio bersyarat dan marginal Sepertihalnya asosiasi marginal, asosiasi bersyarat dapat dijelaskan dengan odds ratio. Odds ratio pada tabel parsial disebut odds ratio bersyarat. Perhatikan asosiasi bersyarat antara aktivitas organisasi dan IPK. Penduga bagi odds ratio bersyarat untuk tabel parsial pertama mahasiswa putra adalah : XY () (50) / (6) 3.5. Sedangkan untuk mahasiswa putri, penduga bagi odds ratio antara aktivitas organisasi dan IPK adalah XY () (7 5) / (73) Untuk tabel marginal antara aktivitas organisasi dan IPK (jenis kelamin diabaikan), (5 7)(0 5) / (6 7)( 3).364 diperoleh odds ratio marginal : Kebebasan bersyarat vs. Kebebasan marginal XY Jika X dan Y saling bebas untuk setiap tabel parsial, maka dapat dikatakan bahwa X dan Y bebas bersyarat untuk Z tertentu. Selanjutnya, semua odds ratio bersyarat antara X dan Y akan bernilai untuk setiap taraf Z. meskipun demikian, odds ratio marginal mungkin tidak sama dengan. Kehomogenan asosiasi Misalkan Z terdiri dari k taraf serta X dan Y merupakan peubah biner. Peubah X dan Y dikatakan memiliki asosiasi yang homogen apabila : XY () XY () XY ( k ) Note : Materi dikutip dari Agresti (007). Apabila ada materi yang belum dibahas dapat dilihat langsung pada halaman 54 CUIWW (Correct Us If We re Wrong) Prepared by : Nur Andi Setiabudi, S. Stat Edited by : Didin Saepudin 9 / 9
8 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 8 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Korelasi Peringkat (Rank Correlation) Bag. Koefisien korelasi
Lebih terperinci5 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 5 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Khi-Kuadrat Uji Kebebasan Uji Kehomogenen Uji Kebaikan
Lebih terperinci2 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Dua Populasi Uji Mann-Whitney Uji beda proporsi contoh besar
Lebih terperinci10+ Departemen Statistika FMIPA IPB
Suplemen Praktikum Pertemuan ANALISIS DATA KATEGORIK (STK351) 10+ Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Analisis Nonparameterik dan Data Kategorik dengan dan Menggunakan
Lebih terperinci6 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 6 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Kebaikan Suai Khi- Kuadrat untuk Sebaran Kontinu dan Uji
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciANALISIS DATA KATEGORIK
ANALISIS DATA KATEGORIK HUBUNGAN ANTAR PEUBAH DALAM ANALISIS INGIN DIKETAHUI ATAU DIEVALUASI HUBUNGAN ATAU KETERKAITAN ANTAR PEUBAH Hubungan Antar Peubah Besarnya gaji Lama bekerja Hubungan Antar Peubah
Lebih terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 12 Nonparametrik-Kategorik-Logistik
STK511 Analisis Statistika Pertemuan 12 Nonparametrik-Kategorik-Logistik 12. Pengantar Skala Pengukuran Data/Variabel Peubah Kategorik Categorical Numerik Numeric Nominal Ordinal Interval Ratio Hanya nama/lambang
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Penelitian Penelitian dilakukan pada obyek wisata pemandian air panas alam CV Alam Sibayak yang berlokasi di Desa Semangat Gunung Berastagi, Kabupaten Karo Sumatera
Lebih terperinciSTATISTIK PERTEMUAN XI
STATISTIK PERTEMUAN XI Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma 1. Pendahuluan Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan
Lebih terperinciUji Statistik yang Digunakan Untuk ANALISA BIVARIAT
1 Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT Variabel I Variabel II Jenis uji statistik yang digunakan Katagorik Katagorik - Kai kuadrat - Fisher Exact Katagorik Numerik - Uji T - ANOVA Numerik
Lebih terperinciTINJAUAN PUSTAKA Perilaku Pemilih Partai Politik
3 TINJAUAN PUSTAKA Perilaku Pemilih Agustino (2009) menyebutkan terdapat tiga pendekatan teori yang sering digunakan oleh banyak ahli politik untuk memahami perilaku pemilih diantaranya pendekatan sosiologis,
Lebih terperinciUJI CHI SQUARE. (Uji data kategorik)
UJI CHI SQUAR (Uji data kategorik) A. Pendahuluan Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui sebaran
Lebih terperinciOLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011
ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Uji Hipotesis
BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang pengujian hipotesis, metode klasifikasi berstruktur pohon, metode-metode statistika yang menjadi dasar pada metode QUEST, dan algoritme QUEST..1
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi
Lebih terperinciOLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010
ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi
Lebih terperinciHASIL. yang berlebihan. kotak garis (box-plot) yaitu, Bersubsidi. untuk KPR Bersubsidi. 2. Membangun. analisis. keseluruhan
4 HASIL DAN PEMBAHASAN Ekplorasi Seluruh Data KPR Bersubsidi Secara kesulurahan persentase macet pada data Kredit Pemilikan Rumah Bersubsidi dalam penelitian ini sebesar 6,05%. Gambar 3 menggambarkan perbandingan
Lebih terperinciSTATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.
STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciHASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan
HASIL DAN PEMBAHASAN Model Regresi Logistik Biner untuk data Hasil Pembangkitan Model regresi logistik digunakan untuk menggambarkan hubungan antara peubah respon dan peubah penjelas pada data hasil pembangkitan.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Analisis Data Kategori Kode/sks : MAS 4232/3 Semester : IV Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS
Lebih terperinciSTK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS
STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS http://www.stat.ipb.ac.id/ 2017 Pengantar Kode Matakuliah: STK211, 3(2-3) Standar Kompetensi: Setelah mengikuti
Lebih terperinciIII. OBJEK DAN METODE PENELITIAN. Dalam skripsi ini objek penelitian adalah konsumen sabun mandi cair LUX pada
III. OBJEK DAN METODE PENELITIAN 3.1. Objek Penelitian Dalam skripsi ini objek penelitian adalah konsumen sabun pada Chandra Departement Store yang beralamat di Jalan Hayam Wuruk No. 1 Tanjungkarang Bandarlampung.
Lebih terperinciIV. METODE PENELITIAN. daerah yang memiliki luas areal yang cukup potensial dalam pengembangan padi
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian dilakukan di Desa Purwasari, Kecamatan Dramaga dan Desa Sukajadi, Kecamatan Tamansari, Kabupaten Bogor. Pemilihan lokasi dilakukan dengan
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 III METODOLOGI PENELITIAN. sampai dengan bulan mei tahun 2014.
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian 1. Waktu penelitian dilakukan dengan mengambil data statistic penerimaan offer untuk okupasi high rise building dari bulan januari sampai dengan
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciBAB 1 PENDAHULUAN Pengertian dan Kegunaan Statistika
BAB 1 PENDAHULUAN 1.1. Pengertian dan Kegunaan Statistika Statistik dapat berarti tiga hal. Pertama statistik bisa berarti kumpulan data. Ada buku bernama Buku Statistik Indonesia (Statistical Pocketbook
Lebih terperinciHIPOTESIS ASOSIATIF KORELASI PRODUCT MOMENT -YQ-
HIPOTESIS ASOSIATIF KORELASI PRODUCT MOMENT -YQ- PENGERTIAN Hipotesis asosiatif adalah hipotesis yang menunjukkan dugaan adanya hubungan atau pengaruh antara dua variabel atau lebih. Contoh: Rumusan masalah:
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Metode statistik non parametrik atau sering juga disebut metode bebas sebaran
BAB 2 TINJAUAN TEORITIS 2.1 Statistik non Parametrik Metode statistik non parametrik atau sering juga disebut metode bebas sebaran (distribution free) adalah test yang modelnya tidak menetapkan syarat-syarat
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciANALISIS DATA KATEGORIK
ANALISIS DATA KATEGORIK 7.1 Uji Independensi Khi Kuadrat Adakalanya kita menjumpai data yang bersifat kategorikal. Yang dimaksud dengan kategorikal di sini adalah data terkelompokkan berdasarkan kategori
Lebih terperinciParametrik. Memerlukan asumsi sebaran (Normal) Non parametrik. Tidak memerlukan asumsi sebaran (Normal)
Video Parametrik Memerlukan asumsi sebaran (Normal) Pendekatannya adalah langsung menggunakan statistik penduga yang berkait langsung dengan parameter yang dimaksud Non parametrik Tidak memerlukan asumsi
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang
13 BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan
Lebih terperinciHASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas
19 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas Hasil analisis mengenai persentase responden berdasarkan peubah-peubah penjelas ditunjukkan pada Gambar 2. Usia responden
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciANALISIS DATA KATEGORI
STK 11 Kuliah ke-14 &15 ANALISIS DATA KATEGORI 1.Uji Proporsi. Uji Khi-kuadrat Data Kategori Data berupa hasil pengukuran karakteristik/atribut individu yang bukan berupa numerik Misal: - preferensi konsumen
Lebih terperinciBAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinciLampiran 1. Perhitungan Manual Uji T 2 Hotelling Berbagai Ukuran Tubuh pada Kuda Delman Jantan Manado vs Tomohon. Rumus: T 2 = X X S X X
LAMPIRAN Lampiran 1. Perhitungan Manual Uji T 2 Hotelling Berbagai Ukuran Tubuh pada Kuda Delman Jantan Manado vs Tomohon Rumus: T 2 = X X S X X Selanjutnya: F = n + n p 1 (n + n 2) P T akan terdistribusi
Lebih terperinciSTK511 Analisis Statistika. Bagus Sartono
STK511 Analisis Statistika Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Sebaran peluang peubah acak. Sebaran penarikan contoh Pendugaan parameter Pengujian hipotesis (t-test, one-way
Lebih terperinciAnalisis Data kategorik tidak berpasangan skala pengukuran numerik
Analisis Data kategorik tidak berpasangan skala pengukuran numerik Uji t dengan 2 kelompok Uji t Tidak Berpasangan Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan
Lebih terperinciAnalisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi
Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciBAB II TINJAUAN PUSTAKA. Pengertian lanjut usia menurut undang-undang no.13/1998 tentang
7 BAB TNAUAN PUSTAA 2.1. Pengertian Lanjut Usia Pengertian lanjut usia menurut undang-undang no.13/1998 tentang kesejahteraan lanjut usia yang berbunyi Lanjut Usia adalah seseorang yang mencapai usia 60
Lebih terperinciRegresi Logistik Nominal dengan Fungsi Hubung CLOGLOG
Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Julio Adisantoso, G16109011/STK 11 Mei 2010 Ringkasan Regresi logistik merupakan suatu pendekatan pemodelan yang dapat digunakan untuk mendeskripsikan
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciBAB III METODE PENELITIAN. Surakhmad (Andrianto, 2011: 29) mengungkapkan ciri-ciri metode korelasional, yaitu:
BAB III METODE PENELITIAN 3.1 Metode Penelitian Pada penelitian ini pendekatan yang digunakan adalah pendekatan kuantitatif, yaitu pendekatan yang menggunakan data yang dikualifikasikan/dikelompokkan dan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan
Lebih terperinciBAB III METODE PENELETIAN
35 BAB III METODE PENELETIAN A. Lokasi dan Waktu Penelitian Lokasi penelitian dilaksanakan di SMK Negeri 6 Bandung yang beralamatkan di Jalan Soekarno Hatta (Riung Bandung) Kota Bandung, pada tes Uji Kompetensi
Lebih terperinciTINJAUAN PUSTAKA Teknik Respon Teracak Model Warner
TINJAUAN PUSTAKA Pada tahun 1965 Stanley Warner (Fox &Tracy, 1986) mempelopori teknik respon teracak untuk mengurangi respon bias ng disebabkan oleh responden ng berbohong, atau menjawab pertanan ng diberikan
Lebih terperinciDimana : a = konstanta b = koefisien regresi Y = Variabel dependen ( variabel tak bebas ) X = Variabel independen ( variabel bebas ) Untuk mencari rum
MODUL REGRESI LINIER SEDERHANA Modul Praktikum Pendahuluan Di dalam analisa ekonomi dan bisnis, dalam mengolah data sering digunakan analisis regresi dan korelasi. Analisa regresi dan korelasi telah dikembangkan
Lebih terperinciBAHAN DAN METODE HASIL DAN PEMBAHASAN
5 Jika hipotesis nol benar, maka statistik uji-w akan menyebar mengikuti sebaran normal baku. Hipotesis nol ditolak jika W > Z α/2 (Hosmer & Lemeshow 1989). Interpretasi koefisien untuk model regresi logistik
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciBAB III METODE PENELITIAN. mengunjungi kantor redaksi malangonline.com, Perumahan Pondok Mulia B124,
BAB III METODE PENELITIAN 1.1 Lokasi Penelitian Lokasi penelitian ini yaitu pada masyarakat di Kota Malang yang umumnya pernah mencari informasi dari situs berita. Selain itu peneliti juga mengunjungi
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciBAB III METODE PENELITIAN. Dalam menentukan desain penelitian maka hal tersebut sangatlah
46 BAB III METODE PENELITIAN 3.1 Desain Penelitian Dalam menentukan desain penelitian maka hal tersebut sangatlah tergantung pada tujuan dari penelitian itu sendiri, mendesain berarti menyusun perencanaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Suatu pendekatan metode penelitian digunakan untuk memecahkan
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Suatu pendekatan metode penelitian digunakan untuk memecahkan masalah dalam proses penyelidikan. Metode merupakan cara seseorang dalam melakukan sesuatu
Lebih terperinciBAB 3 METODE PENELITIAN
1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat
Lebih terperinciBAB III METODE CHAID EXHAUSTIVE
BAB III METODE CHAID EXHAUSTIVE 31 CHAID Exhaustive Metode CHAID Exhaustive dikemukakan oleh D Biggs et al (1991) yang merupakan evaluasi dari metode sebelumnya yaitu CHAID (Kass, 1980) untuk penyesuaian
Lebih terperinciBAB 2 LANDASAN TEORI. kuantitas ataupun kualitatif dari karakteristik tertentu yang berlainan. Dan hasilnya merupakan data perkiraan atau estimate.
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kumpulan dari seluruh hasil perhitungan. Maupun pengukuran kuantitas ataupun kualitatif dari karakteristik tertentu yang berlainan. Sedangkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Statistik Non Parametrik Penelitian di bidang ilmu sosial seringkali menjumpai kesulitan untuk memperoleh data kontinu yang menyebar mengikuti distribusi normal. Data penelitian
Lebih terperinciBAB III PEMBAHASAN. extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus
BAB III PEMBAHASAN BAB III PEMBAHASAN Pada Bab III ini akan dibahas tentang prosedur pembentukan model Cox extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus kejadian bersama yaitu
Lebih terperinciSTATISTIKA 2 IT
STATISTIKA 2 IT-021259 UMMU KALSUM UNIVERSITAS GUNADARMA 2016 Regresi & Korelasi Linier Regresi? Korelasi? 1. Regresi Linier Sederhana Model regresi adalah persamaan matematik yang memungkinkan dalam peramalan
Lebih terperinciModel Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah
Malikussaleh Industrial Engineering Journal Vol.2 No.2 (2013) 32-37 ISSN 2302 934X Industrial Management Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah Maryana
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab
BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab rumusan masalah yang telah diuraikan sebelumnya dengan berdasarkan tingkat eksplanasinya 54.
Lebih terperinciCandi Gebang Permai Blok R/6 Yogyakarta Telp. : ; Fax. :
PEDOMAN ANALISIS DATA DENGAN SPSS Oleh : Stanislaus S. Uyanto, Ph.D. Edisi Pertama, 2006 Edisi Kedua, 2006 Edisi Ketiga Cetakan Pertama, 2009 Hak Cipta 2006, 2009 pada penulis, Hak Cipta dilindungi undang-undang.
Lebih terperinciMODEL MODEL LEBIH RUMIT
08/0/06 MODEL MODEL LEBIH RUMIT Di susun oleh Nurul Hani Ulvatunnisa Kanthi Wulandari Sri Siska Wirdaniyati Kamal Adyasa Unib Sedya Pramuji 08/0/06 Model Polinom Berbagai Ordo Model Yang Melibatkan Transformasi
Lebih terperinciponsel, purposive sampling, regresi logistik politomus
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO
Lebih terperinciIII. BAHAN DAN METODE
III. BAHAN DAN METODE A. Tempat dan Waktu Penelitian dilaksanakan selama 10 (sepuluh) bulan sejak bulan Pebruari Nopember 01. Pengambilan data label produk minuman khusus ibu hamil dan/atau ibu menyusui
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciPengaruh brand image IM3terhadap keputusan pembelian simcard Gambar 7. Kerangka pemikiran
22 III. METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Perusahaan memiliki strategi tertentu untuk memenangkan persaingan dalam pasar yang mereka hadapi. Perusahaan yang ketat dalam pasar operator seluler
Lebih terperinciABSTRAK METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER
METODE REGRESI LOGISTIK UNTUK MENGANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER Astri Atti* ABSTRACT Coronary heart disease (CHD) is an anomaly that caused by constriction of artery. CHD is influenced
Lebih terperinciOleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D
Analisis Pola Hubungan Besarnya Kerugian Negara Akibat Korupsi Dengan Demografi Koruptor di Jawa Timur Oleh : Amilia Firda Rahmana (1311 105 008) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Seminar
Lebih terperinciProsedur Uji Chi-Square
Prosedur Uji Chi-Square Author: Junaidi Junaidi 1. Pengantar Dalam statistik parametrik ukuran korelasi yang umum digunakan adalah korelasi Product Moment Pearson. Diantara korelasi nonparametrik yang
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciHubungan antara variabel-variabel dalam contoh tersebut dapat dinyatakan dalam bentuk persamaan matematis yang disebut persamaan regresi.
KORELASI LINIER ANTARA 2 VARIABEL Korelasi Hubungan antara beberapa variabel Contoh 1. Apakah siswa yang pandai dalam matematika pandai pula dalam físika 2.Apakah tes masuk suatu sekolah menggambarkan
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Pra Pemilu 2009 Karakteristik responden berdasarkan peubah demografi yang diamati terdapat pada Gambar 3 sampai Gambar 6. Pada Gambar 3 dapat diketahui
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciANALISIS NON-PARAMETRIK UJI KOEFESIEN KONTINGENSI. Oleh: M. Rondhi, SP, MP, Ph.D
ANALISIS NON-PARAMETRIK UJI KOEFESIEN KONTINGENSI Oleh: M. Rondhi, SP, MP, Ph.D Analisis non-parametrik merupakan alat analisis yang digunakan jika data yang digunakan memiliki distribusi nominal atau
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciStatistik Non-Parametrik. Saptawati Bardosono
Statistik Non-Parametrik Saptawati Bardosono Uji statistik non-parametrik: Chi-square test Fisher-test Kolmogorov-Smirnov McNemar test Korelasi rank Mann Whitney Wilcoxon Chi-squared test tabel 2X2 Pada
Lebih terperinciTINJAUAN PUSTAKA. i dari yang terkecil ke yang terbesar. Tebaran titik-titik yang membentuk garis lurus menunjukkan kesesuaian pola
TINJAUAN PUSTAKA Analisis Diskriminan Analisis diskriminan (Discriminant Analysis) adalah salah satu metode analisis multivariat yan bertujuan untuk memisahkan beberapa kelompok data yan sudah terkelompokkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
Lebih terperinciOleh : Silvira Ayu Rosalia ( ) Pembimbing : Ir. Sri Pingit Wulandari, M.Si
SEMINAR HASIL TUGAS AKHIR Analisis Model Log Linier untuk Mengetahui Kecenderungan Perilaku Anak Jalanan Binaan di Surabaya (Kasus Khusus Yayasan Arek Lintang-ALIT) Oleh : Silvira Ayu Rosalia (1309 105
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinci