(R.9) PEMBUATAN KEPUTUSAN MIGRASI DENGAN PENDEKATAN REGRESI HIRARKI DI INDONESIA
|
|
- Inge Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Statistika 12 November 2011 Vol 2 November 2011 (R.9) PEMBUATAN KEPUTUSAN MIGRASI DENGAN PENDEKATAN REGRESI HIRARKI DI INDONESIA 1Yudhi Agustar Sanjaya 2 Toni Toharudin 3 Enny Supartini 1Mahasiswa Magister Statistika Terapan Universitas Padjadjaran Bandung Indonesia 23Jurusan Statistika Universitas Padjadjaran Bandung Indonesia 1 yudhi@bps.go.id 2 toni.t0104@gmail.com 3 arthinii@yahoo.com Abstrak Migrasi merupakan salah satu fenomena dasar yang ada sejak awal peradaban manusia dan akan selalu ada yang disebabkan adanya sumber kesempatan dan pandangan yang baru bagi para migran serta adanya penderitaan dan kebutuhan kemanusiaan. Penelitian pembuatan keputusan migrasi dengan mover-stayer models dan model regresi klasik tidak dapat menangani masalah heterogen dan kekeliruan pemikiran ekologi. Model regresi hirarki dapat membantu menyelesaikan masalah tersebut karena model itu berhubungan dengan data hirarki dan modelnya memiliki tingkatan atau berhirarki yang melibatkan pengaruh dari variabel pada level yang lebih tinggi (level kontekstual). Tujuan penelitian ini adalah mengaplikasikan model analisis regresi hirarki dua level pada pembuatan keputusan migrasi pada data SUPAS Unit analisis pada level satu adalah individu/rumahtangga dan level dua adalah wilayah (kabupaten/kota). Analisis regresi hirarki terbukti dapat menangani kekurangan pada metode sebelumnya karena mencakup analisis spasial ketika satu dari tingkat hirarki adalah geografi dan pendekatan regresi hirarki menggabungkan baik karakteristik individu dan tingkat agregat dalam model sehingga dapat menghindari kesalahan pemikiran ekologi dalam mengintepretasikan hasil analisis. Kata Kunci : analisis regresi hirarki analisis regresi multilevel migrasi 1. PENDAHULUAN Salah satu tujuan dari pengumpulan data kependudukan adalah untuk menyediakan data untuk berbagai perhitungan maupun analisis migrasi dan menyediakan data untuk melihat fenomena mobilitas penduduk. Sensus penduduk dilakukan setiap sepuluh tahun sekali oleh Badan Pusat Statistik adalah serangkaian kegiatan pengumpulan pengolahan penyusunan dan penerbitan data demografi ekonomi dan sosial penduduk pada waktu tertentu di Indonesia dan survei penduduk antar sensus yang dilakukan setiap lima tahun sekali bertujuan untuk memenuhi kebutuhan data kependudukan antar dua sensus (BPS 2005). Migrasi mendapat perhatian besar pembuat kebijakan karena arus perpindahan penduduk dapat secara signifikan mempengaruhi politik lokal sosial ekonomi dan struktur ekologi untuk kedua wilayah pengirim dan penerima (Chi dan Voss 2005). 165
2 Seminar Nasional Statistika 12 November 2011 Vol 2 November 2011 Pendekatan yang banyak digunakan pada penelitian migrasi adalah pertama moverstayer model dimana menitikberatkan pada atribut yang membedakan siapa yang berpindah dan siapa yang tidak dan alur perpindahan dari suatu tempat ke tempat lain. Kedua adalah pendekatan regresi multivariat dimana peniliti tertarik pada kekuatan satu set kovariat migrasi tempat asal dan tujuan layaknya model aliran migrasi. Ketiga adalah kombinasi mover-stayer model dan maximum likehood estimation (MLE). Ketiga pendekatan tersebut memiliki beberapa kekurangan dimana mendorong untuk mencoba pendekatan keempat yaitu regresi hirarki (Chi dan Voss 2005). 2. TINJAUAN PUSTAKA 2.1 Generalized Hierarchical Linear Model (GHLM) Generalized hierarchical linear model (GHLM) adalah model hirarki yang digunakan untuk menangani hierarchical linear model (HLM) dengan variabel respon yang tidak kontinu atau tidak normal seperti biner proporsi frekuensi (count) dan ordinal dimana melanggar asumsi kenormalan dan homokedasitas error dari general linear model (Luke 2004). Luke (2004) menyatakan variabel respon biner (dikotomi) tanpa tranformasi variabel penjelas ini mempunyai nilai 0 dan 1 dan tidak normal. Dengan asumsi bahwa variabel respon biner mengikuti distribusi binomial dengan rata-rata µ. Ekspektasi untuk µ adalah p yaitu peluang terjadinya suatu kejadian (sukses). Transformasi yang digunakan untuk model binomial adalah logit dengan bentuk: logit (p) = ln (1) Walaupun nilai p adalah bounded tetapi nilai logit (p) tidak dan densitas dari logit (p) mendekati normal. Dalam GHLM bentuk dari transformasi tersebut disebut link function. Dalam kasus data biner maka link function-nya adalah: η = logit (Y) (2) Model regresi hirarki untuk level satu dapat ditulis berdasarkan link function-nya dengan memasukkan pengaruh level dua (subscript j) adalah: η = β + β X + + β X (3) untuk k variabel penjelas. Sedangkan untuk level duanya dapat ditulis sebagai berikut: dimana k = 12 K. β = γ + γ W + u dimana u N(0 τ ) (4) β = γ + γ W + u dimana u N(0 τ ) (5) β = γ + γ W + u dimana u N(0 τ ) (6) 166
3 Seminar Nasional Statistika 12 November 2011 Vol 2 November Migrasi Menurut Boyle Halfacree dan Robinson (1998) adanya kebutuhan untuk memahami pola dan proses migrasi kontemporer yang diwakili oleh karakter budaya migrasi dan dampak budaya migrasi terhadap migran dan tempat tujuan atau tempat asal perspektif budaya yang menyatu ke dalam apresiasi psikologi migran dimana perpindahan dapat merupakan pengalaman yang mengganggu dan menekan perasaan dampak ekonomi dari migrasi besar sekali khususnya ekonomi sebagai penyokong sehingga tingginya arus migrasi migrasi berkaitan dengan politik dan migrasi sebagai kejadian spasial (perpindahan secara spasial melewati batas suatu unit wilayah dimana batas unit wilayah adalah berbeda untuk masing-masing tempat). 3. METODOLOGI a. Sumber Data Data SUPAS 2005 ini digunakan untuk menguji perilaku migrasi anggota rumah tangga yang berumur 25 tahun ke atas. Penggunaan data ini berarti memperhatikan karakteristik individu dan rumah tangga. Biasanya para ahli demografi untuk menganalisis migrasi menggunakan anggota rumah tangga berumur 25 tahun ke atas karena kecenderungan migrasi menurun terus menerus setelah umur 25 tahun dan mendekati linearitas sehingga menyederhanakan analisis data (Chi dan Voss 2005). b. Variabel Penelitian Variabel yang digunakan dalam analisis ini adalah variabel yang ada pada data yang tersedia dan variabel hasil pemilihan yang terbaik karena sudah digunakan pada penelitianpenelitian sebelumnya yang berkaitan dengan migrasi atau variabel-variabel yang dianggap memiliki signifikansi dengan migrasi (Chi dan Voss 2005). Variabel penelitian disajikan pada Tabel 1. c. Kerangka Penelitian Analisis multilevel merupakan analisis yang memperhatikan struktur hirarki data yang digunakan. Unit observasi yang terkelompok pada wilayah tertentu memiliki karakteristik yang relatif sama dan akan memiliki karakteristik yang berbeda dengan unit observasi di wilayah lain. Hirarki penelitian ini dapat digambarkan sebagai berikut: 167
4 Seminar Nasional Statistika 12 November 2011 Vol 2 November 2011 LEVEL 2 Kab/kota 1 Kab/kota j LEVEL n i INDIVIDU 1 2 n i INDIVIDU Gambar 1. Hirarki Penelitian Pembuatan Keputusan Migrasi Tabel 1. Variabel Penelitian Untuk Level Satu dan Level Dua Variabel Notasi Definisi Skala Keputusan Bermigrasi Y Keputusan bermigrasi responden 1. Migran 0. Non-migran Karakteristik Individu/rumah tangga Umur responden X1 Umur responden pada saat Numerik pencacahan Pendidikan X2 Pendidikan yang ditamatkan 1. Sarjana Suku bangsa X3 Suku bangsa responden 1. Jawa Status perkawinan X4 Status perkawinan responden 1. Kawin Keberadaan anak usia 5-12 tahun Keberadaan anak usia tahun X5 X6 Rumah tangga yang anggota rumah tangganya berusia 5-12 tahun Rumah tangga yang anggota rumah tangganya berusia tahun Kepala rumah tangga X7 Keberadaan perempuan sebagai kepala keluarga dan memliki anak yang berusia di bawah 18 tahun Status pekerjaan Suami-isteri Status kepemilikan rumah Karakteristik wilayah Proporsi penduduk migran Proporsi penduduk berdasarkan suku Status wilayah kabupaten/kota Proporsi luas lahan hijau X8 X9 Apakah dalam rumah tangga responden suami dan istri keduanya bekerja Status rumah yang ditempati oleh responden 1. RT dengan anak usia 5-12 tahun. 1. RT dengan anak usia tahun. 1. KRT perempuan dengan anak usia < dari 18 tahun. 1. Suami dan istri bekerja. W1 Proporsi penduduk yang pindah periode Numerik W2 Proporsi suku jawa dalam satu Numeric wilayah W3 Type wilayah kabupaten/kota 1. Kota. W4 Proporsi luas lahan hijau tahun 2005 Numerik 1. Rumah millik sendiri d. Model Persamaan Regresi Logit Hirarki Pada penelitian ini digunakan model regresi hirarki dua level. Level pertama adalah individu/rumah tangga dan level dua adalah wilayah (Chi dan Voss 2005). Dimana untuk level satu digunakan persamaan model regresi multivariate dengan memasukkan pengaruh wilayah (j). Sehingga persamaan untuk level satu untuk model regresi hirarki menjadi: Ln[P (1 P) ] = β + β (X ) + β (X ) + β (X ) + β (X ) + 168
5 Seminar Nasional Statistika 12 November 2011 Vol 2 November 2011 β (X ) + β (X ) + β (X ) + β (X ) + β (X ) + ε ε ~N (0 σ ) i individu j: wilayah (7) Dimana i = 12 nj dan j = 12J. Pada model regresi hirarki level satu ini diasumsikan bahwa error berdistribusi identik dan saling bebas dan memiliki varians σ 2. Intercept dan koefisien dapat berbeda signifikan diantara wilayah dan hal ini dapat dijelaskan oleh karakteristik pada level wilayah. Secara teori pada level dua digunakan intercept dan koefisien sebagai variabel dependen yang dijelaskan oleh variabel independen pada level tersebut. Pada level dua ini karakteristik wilayah (variabel W1 W2 W3 dan W4) hanya digunakan untuk menjelaskan intercept level satu dimana tidak digunakan untuk menjelaskan koefisien pada level satu. Hal ini dilakukan untuk menyederhanakan penelitian. Tetapi diasumsikan bahwa bahwa karakteristik wilayah tersebut secara acak terdistribusi pada total rata-rata koefisien. Persamaan pada level dua dapat dinyatakan sebagai: β = γ + γ (W ) + γ (W ) + γ (W ) + γ (W ) + u u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) u ~ N(0 τ ) (8) Model campuran (mixed model) dengan mengsubsitusikan persamaan model level dua (8) ke persamaan model level satu (7) yaitu: Ln[P (1 P) ] = { γ + γ W + γ W + γ W + γ W + γ (X ) + γ (X ) + γ (X ) + γ (X ) + γ (X ) + γ (X ) + γ (X ) + γ (X ) + γ (X ) } + {u + u (X ) + u (X ) + u (X ) + u (X ) + u (X ) + u (X ) + u (X ) + u (X ) + u (X ) + ε } (9) 169
6 Seminar Nasional Statistika 12 November 2011 Vol 2 November 2011 Pada persamaan (9) residual memiliki varians yang tidak sama. Hal ini disebabkan wilayah dimana berbeda antar wilayah dan bergantung pada nilai variabel bebas level satu yang berbeda antar individu. e. Estimasi Koefisien Parameter Menurut Bryk dan Raudenbush (1992) pendekatan Penalized Quasi-likelihood (PQL) dapat diturunkan dari model regresi nonlinear. Untuk kasus binary outcomes dengan fungsi hubung logit maka model level satu: Y = φ + e E e = 0 Var e = φ (1 φ ) (10) model tersebut dilinearkan dengan rata-rata dari first order of Taylor series expansion dengan iterasi s sehingga dihasilkan persamaan: kemudian turunkan pada φ φ φ + = φ 1 φ = ω. (12) (η η ) (11) Subsitusikan persamaan (12) ke dalam persamaan (10) maka dihasilkan bentuk Y = φ + ω η η + e. (13) Diuraikan menjadi bentuk : + η = η + (14) Persamaan (14) mempunyai bentuk seperti model hirarki linear dua level yaitu: Y = X γ + Z u + ε (15) ε ~ N(0 ω ) u ~ N(0 T) dimana : Y = + η ε = (17) 170
7 Seminar Nasional Statistika 12 November 2011 Vol 2 November 2011 Sehingga di dapat estimasi η = X γ + Z u dimana u adalah aproksimasi posterior mode yang mempunyai bentuk persamaan: u = (Z Ω Z + T ) Z Ω (Y X γ ) (18) untuk Ω = diag (ω.. ω ) 4. PENUTUP Hasil yang diharapkan dari penggunaan analisis regresi hirarki adalah dapat memperbaiki hasil dari metode sebelumnya yang digunakan dalam penelitian pembuatan keputusan migrasi dimana mencakup analisis spasial ketika satu dari tingkat hirarki adalah geografi dan menggabungkan karakteristik individu dan tingkat agregat dalam model sehingga dapat menghindari kesalahan pemikiran ekologi dalam mengintepretasikan hasil analisis. 5. PENGHARGAAN Penghargaan setinggi-tingginya diberikan kepada Guangqing Chi dan Paul Voss (2005) karena jurnal Migration Decision-making: A Hierarchical Regression Approach yang menjadi rujukan utama dan mengilhami pembuatan tulisan ini. 6. DAFTAR PUSTAKA Badan Pusat Statistik. (2005). Pedoman Pencacahan Survei Penduduk Antar Sensus 2005 (SUPAS05) Buku 1. BPS. Jakarta. Boyle Paul Keith Halfacree dan Vaughan Robinson. (1998). Exploring Contemporary Migration. Addison Wesley Longman New York. Bryk Anthony S. dan Stephen W. Raudenbush. (1992). Hierarchical Linear Models. Newbury Park London New Delhi: Sage Publications. Diunduh dari pada tanggal 14 Juni Chi Guangqing dan Paul Voss. (2005). Migration Decision-making: A Hierarchical Regression Approach. Journal of Regional Analysis and Policy 35:2. International Federation of Red Cross and Red Crescent Societies (IFRC). (2010). Annual Report. Migration. Diunduh tanggal 14 Juli 2010 dari Luke Douglas A. (2004). Multilevel Modeling. p.cm. (A Sage University Paper Series. Quantitative Applications in the Social Sciences ; 143). Sara Miller McCune Sage Publications Inc. Thousand Oaks California. 171
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
Lebih terperinci(S.3) METODE MULTILEVEL STRUCTURAL EQUATION MODELING DENGAN WEIGHTED LEAST SQUARE ESTIMATION UNTUK ANALISIS PELAYANAN KESEHATAN IBU
(S.3) METODE MULTILEVEL STRUCTURAL EQUATION MODELING DENGAN WEIGHTED LEAST SQUARE ESTIMATION UNTUK ANALISIS PELAYANAN KESEHATAN IBU Winih Budiarti 1, Jadi Supriyadi 2, Bertho Tantular 3 1 Mahasiswa Magister
Lebih terperinci(R.6) REGRESI MULTILEVEL ZERO INFLATED POISSON UNTUK PEMODELAN DATA RESPON COUNT (Studi Kasus: Kejadian Kematian Bayi)
(R.6) REGRESI MULTILEVEL ZERO INFLATED POISSON UNTUK PEMODELAN DATA RESPON COUNT (Studi Kasus: Kejadian Kematian Bayi) 1 Parwoto, 2 Septiadi Padmadisastra, 3 Anna Chadidjah 1 Mahasiswa Magister Statistika
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciPEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT
PEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT Bertho Tantular Departemen Statistika FMIPA Universitas Padjadjaran bertho@unpad.ac.id ABSTRAK. Dalam generalized linear models,
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan ilmu pengetahuan dewasa ini tidak lepas dari kompleknya permasalahan hidup manusia. Salah satu ilmu yang berkenaan dengan hal tersebut
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN DALAM PEREKONOMIAN RUMAH TANGGA DI KOTA SEMARANG MENGGUNAKAN REGRESI TOBIT
Analisis Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan dalam Perekonomian Rumah Tangga di Kota Semarang Menggunakan Regresi Tobit ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciPENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES
PENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES Bertho Tantular 1 S-1 1 Jurusan Statistika FMIPA Universitas Padjadjaran 1 bertho@unpad.ac.id Abstrak Data yang diperoleh dari pengukuran berulang
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
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 Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit
Seminar Hasil Tugas Akhir Analisis Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit Oleh Sri Kindrana S 1306. 100. 022 Pembimbing Dr. Dra. Ismaini Zain, M.Si JURUSAN
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciBAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari-hari, adanya ketidakmampuan manusia untuk mengetahui fenomena yang akan terjadi pada periode mendatang akan mengakibatkan kurang tepatnya
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL
PENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL Norlatifah 1), Gandhi Pawitan 2), Enny Supartini 3) 1) Mahasiswa
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 terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Banyak jenis data memiliki struktur hirarki, tercluster, atau bersarang (nested). Hirarki tersebut dapat hadir secara alami dalam pengamatan observasional
Lebih terperinciPENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL
Jurnal UJMC, Volume 2, Nomor 1, Hal. 16-21 pissn:2460-3333 eissn:2579-907x PENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL Dewi Wulandari 1, Ali Shodiqin 2, dan Aurora Nur Aini
Lebih terperinciRata-rata Nilai. 2 saudara 25%
Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
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 terperinci(R.3) PENERAPAN MODEL MULTILEVEL LOGISTIK UNTUK DATA STATUS SETENGAH PENGANGGUR
(R.3) PENERAPAN MODEL MULTILEVEL LOGISTIK UNTUK DATA STATUS SETENGAH PENGANGGUR 1Gde Harta Wijaya, 2 Gandhi Pawitan, 3 Budhi Handoko 1Mahasiswa Program Pascasarjana Magister Statistika Terapan, Universitas
Lebih terperinciDeteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Dwiningrum Prihastiwi, Dadang Juandi, Nar Herrhyanto
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciModel Probit Untuk Ordinal Response
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id
Lebih terperinci(R.8) ANALISIS TRIPLE SYSTEM ESTIMATION PADA SENSUS PENDUDUK 2010
(R.8) ANALISIS TRIPLE SYSTEM ESTIMATION PADA SENSUS PENDUDUK 2010 Sri Suharti 1), Gandhi Pawitan 2), dan Gatot Riwi Setyanto 3) 1) Staf BPS Riau, mahasiswa Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciPelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)
Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi S-28 Bertho Tantular 1) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD berthotantular@gmail.com Abstrak Secara umum model
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciRegresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI)
Regresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI) Endah Budiarti 1 Septiadi Padmadisastra 2 Bertho Tantular 3 1,2,3 ProgramMagister Statistika Terapan, FMIPA, Universitas Padjadjaran Email:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Terdapat beberapa analisis data dalam statistik, salah satunya adalah statistika inferensi. Statistika inferensi mempelajari salah satu metode untuk menentukan
Lebih terperinciPROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinci(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER
(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD
ESTIMASI PARAMETER MODEL REGRESI POISSON TERGENERALISASI TERBATAS DENGAN METODE MAKSIMUM LIKELIHOOD Fitra1, Saleh2, La Podje3 Mahasiswa Program Studi Statistika, FMIPA Unhas 2,3 Dosen Program Studi Statistika,
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciMETODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah
Lebih terperinciPENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1)
PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) Anang Kurnia Departemen Statistika FMIPA IPB Jl. Meranti, Wing 22 Level 4 Kampus IPB Darmaga, Bogor Email: anangk@ipb.ac.id
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 terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciPenerapan model Almost Ideal Demand System ( AIDS ) pada pola konsumsi pangan rumah tangga nelayan di Kecamatan Tambak Kabupaten Banyumas
Penerapan model Almost Ideal Demand System ( AIDS ) pada pola konsumsi pangan rumah tangga nelayan di Kecamatan Tambak Kabupaten Banyumas Kim Budiwinarto * ) * ) Fakultas Ekonomi Universitas Surakarta
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES
ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES Selpadina Indriyani 1, Raupong 2, Anisa 3 1 Mahasiswa Program Studi Statistika FMIPA Universitas Hasanuddin 2,3 Dosen Program
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciPENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)
PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik
Lebih terperinciBAB III METODI PENELITIAN. kabupaten/kota di provinsi Bali pada tahun
BAB III METODI PENELITIAN A. Lokasi Penelitian Penelitian ini dilaksanakan di provinsi Bali yang merupakan salah satu provinsi yang berada di Indonesia dengan maksud, memberikan kejelasan tentang keterkaitan
Lebih terperinciIII. METODE PENELITIAN
31 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Daerah yang menjadi analisis studi ini adalah Provinsi Nusa Tenggara Timur yang mencakup 19 kabupaten dan kota. Penelitian ini menggunakan data sekunder
Lebih terperinciPEMODELAN DATA MIGRASI MENGGUNAKAN MODEL POISSON BAYESIAN
PEMODELAN DATA MIGRASI MENGGUNAKAN MODEL POISSON BAYESIAN Preatin 1, Iriawan N. 2, Zain I. 3, Hartanto W. 4 S - 25 1,2,3 Jurusan Statistika, Fakultas MIPA, ITS Surabaya, 4 BKKBN Jakarta 1 preatin10@mhs.statistika.its.ac.id,
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciOLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1
ANALISIS REGRESI MULTILEVEL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI NILAI UASBN SD/MI (Studi Kasus Nilai UASBN SD/MI di Kecamatan Tulangan Tahun Ajaran 2009/2010) OLEH: SINDY FEBRI A. 1307 100 066 DOSEN
Lebih terperinciBAB IV APLIKASI. Dalam bab ini akan dibahas mengenai contoh penggunaan model
BAB IV APLIKASI Dalam bab ini akan dibahas mengenai contoh penggunaan model regresi logistik 2-level dengan random intercept pada data survei mengenai penggunaan hak memilih pada saat pemilu di beberapa
Lebih terperinciA. Sekilas tentang Pemodelan Multilevel
Analisis Pemodelan Multilevel Melalui Program SPSS Wahyu Widhiarso Fakultas Psikologi UGM Responden penelitian tentunya tidak hanya berasal dari satu jenis latar belakang saja, akan tetapi berasal dari
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciSTRUCTURAL EQUATION MODELING 6
STRUCTURAL EQUATION MODELING 6 (S.1) MUTHÉN S CATEGORICAL VARIABLE METHODOLOGY PADA STUDI TENTANG FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PENGGUNAAN KONTRASEPSI MODERN Irma Damayanti, Toni Toharudin, Yusep
Lebih terperinciPEMODELAN STATUS BEKERJA IBU RUMAH TANGGA MENGGUNAKAN MODEL MULTILEVEL DENGAN RESPON BINER
TESIS - SS4 50 PEMODELAN STATUS BEKERJA IBU RUMAH TANGGA MENGGUNAKAN MODEL MULTILEVEL DENGAN RESPON BINER FANNY AYU OCTAVIANA NRP. 35 0 09 DOSEN PEMBIMBING : Dr. Wahyu Wibowo, M.Si Dr. R. Mohamad Atok,
Lebih terperinciLANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan
II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Regresi Logistik Biner Regresi logistik biner merupakan salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan beberapa faktor dengan sebuah variabel
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciESTIMATION METHODS ISSUES IN MULTILEVEL MODEL FOR HIERARCHICAL DATA ANALYSIS
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ESTIMATION METHODS ISSUES IN MULTILEVEL MODEL FOR HIERARCHICAL DATA ANALYSIS Pudji Ismartini 1), Susanti Linuwih 2),
Lebih terperinciMODEL REGRESI PROBIT BIVARIAT
MODEL REGRESI PROBIT BIVARIAT NURFIDAH DWITIYANTI Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta PGRI Jl. Nangka No. 58 C, Tanjung Barat,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Secara umum, analisis survival dapat didefinisikan sebagai seperangkat metode yang digunakan untuk menganalisis data di mana variabel outputnya berupa lama
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinci(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur.
(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi Buruk di Jawa Timur Ida Mariati Hutabarat 1, Asep Saefuddin 2 1Jurusan Matematika Uncen. 2 Departemen Statistika IPB 1Jl.Kamp Wolker
Lebih terperinciTINJAUAN PUSTAKA Profil Kabupaten Jember Pengeluaran Per kapita
TINJAUAN PUSTAKA Profil Kabupaten Jember Berdasarkan data BPS (2009), Kabupaten Jember secara geografis terletak pada 113 0 30-113 0 45 Bujur Timur dan 8 0 00-8 0 30 Lintang Selatan. Wilayah Kabupaten
Lebih terperinci(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER (Kasus : Pendugaan Proporsi Keluarga Miskin Di kabupaten Jember Jawa Timur) Etis Sunandi 1), Khairil A Notodiputro 2), Anik
Lebih terperinciBAB III METODE PENELITIAN. Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan
BAB III METODE PENELITIAN A. Obejek Penelitian Obyek kajian pada penelitian ini adalah realisasi PAD (Pendapatan Asli Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan yang terdiri dari
Lebih terperinciBAB VI Pembahasan Perbandingan metode pendugaan langsung dan tak langsung untuk pendugaan area kecil melalui pendekatan Bayes
BAB VI Pembahasan 6.1. Pendahuluan Model pendugaan area kecil untuk respon Binomial dan Multinomial pada dasarnya dikembangkan dari model SAE untuk data biner, dimana peubah yang diamati hanya memiliki
Lebih terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
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 terperinciKorelasi Kendall (τ) untuk Estimasi Parameter Distribusi Clayton-copula Bivariat
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Korelasi Kendall (τ) untuk Estimasi Parameter Distribusi Clayton-copula Bivariat S - 9 Apriliana Wiji Nurcahyani, Dewi Retno Sari Saputro,
Lebih terperinciRegresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru
Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru IIN SUNDARI Program Studi Matematika, Fakultas Matematika
Lebih terperinciBAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi
76 BAB IV PENUTUP A. Kesimpulan Model Seemingly Unrelated Regression (SUR) merupakan perluasan dari analisis regresi linear yang berupa sistem persamaan yang terdiri dari beberapa persamaam regresi yang
Lebih terperinciIII. METODE PENELITIAN
22 III. METODE PENELITIAN 3.1 Lokasi dan waktu penelitian Penelitian dilaksanakan di Kota Depok Jawa Barat. Depok sebagai penyangga DKI Jakarta dihuni oleh masyarakat yang sangat heterogen dengan tingkat
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih 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 terperinciANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI 1
Lebih terperinciBAB III METODOLOGI PENELITIAN. memilih sampel seluruh perusahaan di BEI periode adalah karena
26 BAB III METODOLOGI PENELITIAN 3.1. Populasi dan Sampel Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2009-2013. Alasan penulis
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN MODEL DATA PANEL INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume xx, No. x (tahun), hal xx xx. ANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinci