Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
|
|
- Hadi Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pendugaan Parameter Regres
2 Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software statstk, sepert Mntab, SAS, SPSS, dll. banyak dgunakan
3 Metode Kuadrat Terkecl b 0 dan b 1 adalah dugaan bag parameter regres β 0 dan β 1 yang ddapat salah satunya dengan cara memnmumkan jumlah kuadrat galat (JKG). Galat/ssaan = selsh antara y dan ŷ Metode Kuadrat Terkecl (MKT) : mn JKG mn mn mn e (y [y ŷ (b ) 0 b 1 x )] Teknk kalkulus dgunakan untuk mendapatkan nla b o dan b 1 sedemkan hngga memnmumkan JKG
4 Metode Kuadrat Terkecl (lanjutan) Penduga bag koefsen kemrngan gars β 1 alah: b 1 n 1 (x n 1 Penduga bag ntersep β 0 alah: x)(y (x Gars regres selalu melalu ttk x, y S XY x) y) S XX S S b0 y b1x XY XX r xy s s Y X Koefsen Korelas Pearson
5 Asums Metode Kuadrat Terkecl (MKT) Konds Gauss - Markov Agar penduga bag parameter regres yang ddapatkan dengan menggunakan MKT merupakan penduga yang bak maka ssaan/galat harus memenuh konds Gauss-Markov berkut n : E[ ] 0 E[ ] E[ ] 0, j j nla - harapan/rataan ssaan nol ragam ssaan homogen untuk setap nla ( homoscedastcty ) dan salng bebas j x
6 Contoh Regres Lner Sederhana Sebuah agen real-estate ngn mengetahu hubungan antara harga jual sebuah rumah dengan luas lantanya (dukur dalam m) 10 buah rumah dambl secara acak sebaga contoh Peubah tak bebas (Y) = harga rumah (juta rupah) Peubah bebas (X) = luas lanta (m)
7 Data contoh Harga Rumah Harga Rumah (Rp.juta) (Y) Luas Lanta (m) (X)
8 Tamplan Grafk Model Harga Jual Rumah: scatter plot Harga Jual Rumah (Rp juta) Luas Lanta (m)
9 Data contoh Harga Rumah Harga Rumah (Rp.juta) (Y) Luas Lanta (m) (X) FILM : MEMBUAT TEBARAN ANTARA HARGA RUMAH dengan LUAS LANTAI MENGGUNAKAN MINITAB Klk d sn
10 Excel Output Regresson Statstcs Multple R R Square Adjusted R Square Standard Error Observatons 10 Persamaan gars regres-nya: harga rumah (luas lanta) ANOVA df SS MS F Sgnfcance F Regresson Resdual Total Coeffcents Standard Error t Stat P-value Lower 95% Upper 95% Intercept Luas lanta
11 Tamplan Grafk Model Harga Rumah: scatter plot dan gars regres Intersep = Harga Jual Rumah (Rp.juta) Kemrngan = Luas Lanta (m) harga rumah (luas lanta)
12 Data contoh Harga Rumah Harga Rumah (Rp.juta) (Y) Luas Lanta (m) (X) FILM : MEMBUAT TEBARAN ANTARA HARGA RUMAH dengan LUAS LANTAI & GARIS REGRESI-nya MENGGUNAKAN MINITAB Klk d sn
13 Data contoh Harga Rumah Harga Rumah (Rp.juta) (Y) Luas Lanta (m) (X) FILM : MENDUGA PARAMETER REGRESI dengan MENGGUNAKAN MINITAB Klk d sn
14 Interpretas Intersep b 0 harga rumah (luas lanta) b 0 adalah nla dugaan bag nla rataan Y ketka X bernla nol (jka X = 0 d dalam selang pengamatan) Dalam hal n tdak ada rumah yang memlk luas lanta=0, jad b 0 = hanya mengndkaskan bahwa : untuk luas lanta yang berada dalam selang pengamatan, Rp ,- adalah bagan harga rumah yang tdak dterangkan oleh luas lanta
15 Interpretas koefsen kemrngan, b 1 hargarumah (luaslanta) b 1 mengukur dugaan perubahan rataan nla Y jka X berubah satu satuan Dalam hal n b 1 = menggambarkan bahwa setap penambahan satu m luas lanta rataan harga rumah akan nak sebesar 0,10977 juta rupah
16 Apakah b 0 dan b 1 yang ddapat merupakan penduga yang bak? Pertanyaan d atas = pertanyaan bahwa: apakah ssaan yang dhaslkan oleh dugaan persamaan gars regres nya menghaslkan ssaan yang memenuh konds Gauss-Markov? Untuk sementara n kta yakn saja dulu bahwa ssaan yang dhaslkan memenuh konds tersebut Penjelasan bagamana cara memerksanya akan djelaskan pada pokok bahasan Dagnosa model melalu pemerksaan ssaan
17 PENGURAIAN KERAGAMAN TOTAL JK Reg JK ssa
18 Sumber Keragaman Regres Nla pengamatan y yang dhaslkan beragam. Keragaman n dsebabkan oleh?
19 Sumber Keragaman Regres Untuk suatu nla x keragaman nla pengamatan dsebabkan oleh : Menympangnya nla amatan y terhadap dugaan nla harapannya [Y x ] E [Y x ] y b b x y y e E 0 1 karena eror/galat/ssaan (lanjutan) b0 dan b 1 beragam menghaslkan dugaan gars regres yang beragam memlk rataan Y Menympangnya suatu dugaan gars regres terhadap rataannya menyebabkan beragamnya data. ˆ ˆ ˆ y b0 b1 x y,y y y karena model regres
20 Mengukur Keragaman Total Keragaman dsebabkan oleh dua bagan n : JKT JKR JKG Jumlah Kuadrat Total Jumlah Kuadrat Regres = + Jumlah Kuadrat Galat/Ssaan JKT (y y JKR (ŷ y JKG (y ) ) ŷ) dengan: y y = nla rata-rata peubah tak bebas Y = nla pengamatan ke- peubah tak bebas Y ŷ = nla dugaan y untuk suatu nla x
21 Ukuran Keragaman (lanjutan) JKT = Jumlah Kuadrat Total Mengukur keragaman nla y d sektar nla rataannya y JKR = Jumlah Kuadrat Regres Menjelaskan keragaman karena adanya hubungan lner antara x dan y JKS = jumlah Kuadrat Ssa Menjelaskan keragaman yang dsebabkan oleh faktor-faktor selan faktor hubungan lner x dan y
22 y Y _ y y JKT = (y - y) Ukuran Keragaman _ JKG = (y - y ) _ JKR = (y y ) (lanjutan) y _ y x X
23 Derajat Bebas Jumlah Kuadrat Ukuran keragaman adalah ragam Ragam Jumlah Kuadrat (JK) derajat bebas(db) Derajat bebas bag JK Ssaan n - Derajat bebas bag JK Regres 1
24 Tabel Sdk Ragam Sumber Keragaman Derajat Bebas (db) Regres 1 Ssaan n- Total (terkoreks) n-1 Jumlah Kuadrat (JK) n yˆ y 1 n y yˆ 1 n y y 1 Kuadrat Tengah (KT) JK Regres 1 JK ssaan n S, jka model nya pas Pada analss regres n tentunya dharapkan JK regres lebh besar dar JK ssaan sehngga dapat dkatakan bahwa keragaman nla y dsebabkan oleh perubahan nla x.
25 Penduga bag Ragam Ssaan/galat Penduga bag ragam eror/ssaan dar model populas adalah : Dengan asums bahwa modelnya pas/cocok σˆ s e KT ssaan JKS n Dbag dengan n bukan dengan n 1 karena model regres lner sederhana menggunakan penduga parameter yatu, b 0 dan b 1, bukan satu. n 1 n e se s e adalah penduga smpangan baku
26 Excel Output Regresson Statstcs Multple R R Square Adjusted R Square Standard Error Observatons 10 s e ANOVA df SS MS F Sgnfcance F Regresson Resdual Total Coeffcents Standard Error t Stat P-value Lower 95% Upper 95% Intercept Luas Lanta
27 Perbandngan Galat Baku s e mengukur keragaman penympangan nla pengamatan y terhadap gars regres Y Y kecl s e X besar s e X The magntude of s e should always be judged relatve to the sze of the y values n the sample data
28 0 1 0 Pengujan Hpotess Terhadap Slope dan Intersep Dperlukan asums bahwa ε menyebar Normal ε ~ N ( 0,σ )
29 Ragam Koefsen Kemrngan Gars Regres (b 1 ) Ragam dar koefsen kemrngan gars regres (b 1 ) dduga sbb : s b1 se (x x) (n se 1)s x dengan: s b1 = dugaan smpangan baku kemrngan gars regres s e SSE n = akar KTG = akar Kuadrat Tengah Galat = dugaan smpangan baku ssaan
30 Membandngkan Smpangan Baku Koefsen Kemrngan Gars Regres (b 1 ) S b1 mengukur keragaman koefsen kemrngan gars regres dar berbaga contoh (set data) yang mungkn. Y Y Sb 1 kecl X besar S b1 X
31 Excel Output Regresson Statstcs Multple R R Square Adjusted R Square Standard Error Observatons 10 sb ANOVA df SS MS F Sgnfcance F Regresson Resdual Total Coeffcents Standard Error t Stat P-value Lower 95% Upper 95% Intercept Luas Lanta
32 Inferensa Koefsen Kemrngan Gars Regres (b 1 ): t Test Pada model regres lner sederhana : Uj t untuk koefsen kemrngan gars regres populas (β 1 ) Apakah ada hubungan lner antara X dan Y? Hpotess Nol dan hpotess tandngan H 0 : β 1 = 0 (tdak ada hubungan lner antara X dan Y) H 1 : β 1 0 (ada hubungan lner antara X dan Y) Uj Statstk t b1 β s b 1 1 d.b. n dengan: b 1 = koefsen kemrngan regres β 1 = kemrngan yg dhpotesskan s b1 = smpangan baku kemrngan
33 Contoh Inferensa Koefsen Kemrngan Gars (b 1 ): t Test (lanjutan) Harga Rumah (Rp.juta) (y) Luas Lanta (m) (x) Dugaan persamaan gars regres: harga rumah (luas lanta) Koefsen kemrngan gars pada model n adalah Apakah luas lanta mempengaruh harga jual?
34 Contoh Inferensa Koefsen Kemrngan Gars (b 1 ): uj t H 0 : β 1 = 0 H 1 : β 1 0 Output dar Excel s b1 Coeffcents Standard Error t Stat P-value Intercept Luas lanta b 1 t b β s b t
35 H 0 : β 1 = 0 H 1 : β 1 0 d.b. = 10- = 8 t 8,.05 =.3060 Contoh Inferensa Koefsen Kemrngan Gars (b 1 ): t Test Statstk Uj-nya : t = 3.39 output dar Excel : sb 1 Coeffcents Standard Error t Stat P-value Intercept Luas lanta b 1 (lanjutan) t a/=.05 Tolak H 0 a/=.05 Tolak H 0 t n-,α/ Terma H 0 -t n-,α/ Keputusan : Tolak H 0 Kesmpulan : Cukup bukt untuk mengatakan bahwa luas lanta mempengaruh harga jual
36 Contoh Inferensa Koefsen Kemrngan Gars (b 1 ): t Test Nla peluang P = (lanjutan) H 0 : β 1 = 0 H 1 : β 1 0 Excel output: Coeffcents Standard Error t Stat P-value Intercept Luas Lanta In adalah uj dua arah, jad p-valuenya adalah P(t > 3.39)+P(t < -3.39) = (db. 8) Keputusan: P-value < α jad Tolak H 0 Kesmpulan: Cukup bukt untuk mengatakan bahwa luas lanta mempengaruh harga rumah
37 Ragam Intersep Gars Regres (b 0 ) Ragam dar ntersep gars regres (b 0 ) dduga sbb : b s 0 Keterangan: s b0 s x e n (x x) = dugaan smpangan baku ntersep gars regres s e SSE n = akar KTG = akar Kuadrat Tengah Galat = dugaan smpangan baku ssaan
38 Inferensa Intersep Gars Regres (b 0 ): t Test Pada model regres lner sederhana : Uj t untuk ntersep gars regres populas (β 0 ) Apakah ada nla Y yang tdak dapat djelaskan oleh x? Hpotess Nol dan hpotess tandngan H 0 : β 0 = 0 (semua nla Y dapat djelaskan oleh x) H 1 : β 0 0 (ada nla Y yg tdak dapat djelaskan oleh x) Statstk uj t b0 β s b 0 0 d.b. 1 dengan: b 0 β 0 = ntersep gars regres = ntersep yg dhpotesskan s b0 = dugaan smp. baku ntersep
39 Harga Rumah (Rp. Juta) (y) Luas Lanta (m) (x) Contoh Inferensa Intersep Gars Regres (b 0 ): t Test Dugaan persamaan gars regres: harga rumah (luas lanta) Intersep gars pada model n adalah 98.5 Apakah ada harga rumah yang tdak dapat djelaskan oleh luas lanta? Apakah ada harga rumah yang tdak dpengaruh oleh luas lanta? (lanjutan)
40 Contoh Inferensa Intersep Gars Regres (b 0 ): uj-t H 0 : β 0 = 0 H 1 : β 0 0 Excel output: s b0 Coeffcents Standard Error t Stat P-value Intercept Luas Lanta b 0 t b β s b t
41 H 0 : β 0 = 0 H 1 : β 0 0 d.b. = 1 t 1,.05 = 1,706 Contoh Inferensa Intersep Gars Regres (b 0 ): uj-t Statstk uj: t = Excel output: sb 0 Coeffcents Standard Error t Stat P-value Intercept Luas lanta b 0 (lanjutan) t a/=.05 a/=.05 Tolak H 0 Terma H 0 Tolak H 0 -t 1,α/ 0 t 1,α/ Keputusan: Terma H 0 Kesmpulan : Tdak cukup bukt untuk mengatakan bahwa : ada harga rumah yang tdak dapat djelaskan oleh luas lanta
42 Uj F bag parameter regres : Tabel Sdk Ragam Sumber Keragaman Regres (b 1 b 0 ) Derajat Bebas (db) 1 Ssaan n- Jumlah Kuadrat (JK) n yˆ y 1 n y yˆ 1 Kuadrat Tengah (KT) JK Regres 1 JK ssaan n Statstk ujnya : F ht Ragam Ragam KT KT Reg Ssaan Re gres Ssaan Total (terkoreks) n-1 n y y 1 S, jka modelnya pas Statstk uj F tersebut memlk derajat bebas db1=1 dan db=n- Jka F ht <1 KT Regres < KT Ssaan Ragam Regres < Ragam Ssaan pengaruh regres tdk nyata pengaruh x tdk nyata b1 = 0 (tdk perlu tabel)
43 Ths mage cannot currently be dsplayed. Uj F bag parameter regres : Tabel Sdk Ragam (lanjutan) Jka model yang kta plh d awal ternyata tdak pas 1. Bolehkah kta menggunakan KT ssaan sebaga penduga bag ragam ssaan?. Mash relevankah kta melakukan uj F? Agar uj F pada tabel Sdk Ragam dapat dgunakan, maka model yang dplh harus pas. uj lack of ft atau perksa pola ssaannya akan dbahas pada sub pokok bahasan Kualtas Ftted Model Untuk sementara anggaplah model yang kta plh pas.
44 Regresson Statstcs Multple R R Square Adjusted R Square Standard Error Observatons 10 ANOVA Contoh Uj F : data harga rumah Excel Output df SS MS F Sgnfcance F Regresson Resdual Total F Db 1,8 KTR KTG P-value untuk uj-f Coeffcents Standard Error t Stat P-value Lower 95% Upper 95% Intercept Luas Lanta
45 Contoh Uj F : data harga rumah a =.05 H 0 : β 1 = 0 H 1 : β 1 0 df 1 = 1 df = 8 Nla krts: F a = 5.3 Statstk Uj: KTR F KTG Keputusan: (lanjutan) Tolak H 0 dg a = terma H 0 a =.05 F.05 = 5.3 Tolak H 0 F Kesmpulan: Cukup bukt bahwa luas lanta mempengaruh harga rumah
46 Perbandngan Tabel Sdk Ragam Terkoreks dan Tdak Terkoreks Sumber Keragaman Regres (b 1 b 0 ) Derajat Bebas (db) Ssaan n - Total (terkoreks) 1 n - 1 Regres Ssaan n - Total n Jumlah Kuadrat (JK) b n yˆ y 1 n y yˆ 1 n y y 1 xy b0 1 y n y yˆ 1 y Kuadrat Tengah (KT) JK Regres 1 JK ssaan n s H H H H : 1 : 1 j 0,1 0 0 Sudah dkurang dg faktor koreks ny : : mn ada j Tdak bsa memberkan jawaban apkh x berpengaruh/tdak 0,
ANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA
ANALISIS REGRESI 1 Pokok Bahasan : REGRESI LINIER SEDERHANA Deskrps Model Macam-macam Model Regres Model Regres 1 peubah penjelas > 1 peubah penjelas Sederhana Berganda Lner Non Lner Lner Non Lner Polnom
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA
ANALISIS REGRESI Pokok Bahasan : REGRESI LINIER SEDERHANA Deskripsi Model Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda Linier Non Linier Linier Non Linier
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres 1 Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya E[Y x] E[Y x] y b
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya ) E [Y x ] E [Y x] =
Lebih terperinciAnalisis Regresi 2. Mendeteksi pencilan dan penanganannya
Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciKualitas Fitted Model
Kualitas Fitted Model Apakah model regresi sudah cukup pas mewakili data? Apakah model regresi cukup baik untuk model peramalan? Tebaran titik amatan / scatter plot y Mana di antara gambar gambar ini yang
Lebih terperinciAnalisis Regresi Linear Sederhana
Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciModel Regresi Berganda
Model Regres Berganda Huungan lnear (dlm parameter) antara peuah tak eas & atau leh peuah eas Intersep-Y Populas Slope Populas Random Error Y 0 p p Ŷ 0 p p e Peuah tak eas (Respons) utk sampel Peuah eas
Lebih terperinciA. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA
009 T u g a s a p l k a s S t a t s t k P a g e 1 A. Soal 1 yg dkerjakan seharan tad ttg regres tunggal MENGHITUNG REGRESI LINEAR SEDERHANA Persamaan umum regres lnear sederhana adalah : Ŷ = a + bx Contoh
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciIndependent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi
Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 8 ANOVA (2)
STK5 Analss Statstka Pertemuan 8 ANOVA () 8. ANOVA () Dagnoss Model Hpotess Klasfkas satu arah : Y atau Y j j j j Klasfkas dua arah : Yj j j??? Pengaruh perlakuan: H 0 : = 0 H : palng sedkt ada satu dmana
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB LANDASAN TEORI Unverstas Sumatera Utara . Pengertan Regres Istlah regres pertama kal dperkenalkan oleh Francs Galtom. Menurut Galtom, analss regres erkenaan dengan stud ketergantungan dar satu varael
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
TNR 1 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL IV TNR 1 Space.0 ANALISIS
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciRANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007
RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Desgn) Dr.Ir. I Made Sumertajaya, M.S Departemen Statstka-FMIPA IPB 007 Revew Rancangan Acak Kelompok Kta ngn membandngkan t perlakuan Pengelompokan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciPENDUGAAN RASIO, BEDA DAN REGRESI
TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciV ANALISIS VARIABEL MODERASI DAN MEDIASI
Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas
Lebih terperinciBAB IV TRIP GENERATION
BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan
Lebih terperinciTIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN
Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan
Lebih terperinci2 TINJAUAN PUSTAKA. Model Persamaan Struktural (MPS)
3 2 TINJAUAN PUSTAKA Model Persamaan Struktural (MPS) Model persamaan struktural (MPS) merupakan salah satu analss multvarat yang dapat menganalss hubungan peubah secara kompleks. Analss n pada umumnya
Lebih terperinciEVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK
Prosdng SPMIPA. pp. 147-15. 006 ISBN : 979.704.47.0 EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Rta Rahmawat, I Made Sumertajaya Program Stud Statstka Jurusan Matematka FMIPA
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciUKURAN LOKASI, VARIASI & BENTUK KURVA
UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciANALISIS KOVARIANSI bagian 2..
ANALISIS KOVARIANSI bagan Uj Efek Perlakuan... v. H H F 1 0 5% StatstkaUj: raso : 0, : 0,, DK : RK RK H 0 P S (adj) (adj) 1,, t dtolak jka F raso F α,t1,t(r1) 1 Ingat model anakova 1 faktor 1 kovarat :
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciIII.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5
33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciREGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciPENGUJIAN KETEPATAN MODEL EKONOMETRIKA DALAM HUBUNGAN GEOMETRI
PENGUJIAN KETEPATAN MODEL EKONOMETRIKA DALAM HUBUNGAN GEOMETRI Drs. R. Johannes P. Matanar Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Sumatera Utara Pendahuluan A. Latar Belakang
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciPEMBANDINGAN TERENCANA
PEMBANDINGAN TERENCANA Uj Perbandngan Berganda Uj Bonferron Memungknkan membuat perbandngan antar perlakuan, antara perlakuan dengan kelompok perlakuan, atau antar kelompok perlakuan Msalnya: Ada empat
Lebih terperinciBAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis
BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI.1 Regres Lner Analss regres dgunakan untuk mengetahu hubungan antara varabel terkat (Y) dengan satu atau lebh varabel bebas (X). Menurut Har et al (009) regres lnear sederhana dapat
Lebih terperinciMATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)
MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT) Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl.
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pengertan Regres Istlah regres dperkenalkan oleh seorang yang ernama Francs Gulton dalam makalah erjudul Regresson Towerd Medacraty n Heredtary Stature Menurut hasl peneltan elau, meskpun
Lebih terperinciPENENTUAN KOEFISIEN MULTIPLE REGRESI DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING
PENENTUAN KOEFISIEN MULTIPLE REGRESI DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING SKRIPSI RINA ASTRY GINTING 060823031 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinci