Dr. Nussar Hajarisma, M.Si Jurusan Statistika Terapan Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjajaran.
|
|
- Farida Santoso
- 7 tahun lalu
- Tontonan:
Transkripsi
1 STUDI SIMULASI EVALUASI KETEPATAN KLASIFIKASI INDEKS MASSA TUBUH BERDASARKAN TABEL KLASIFIKASI INDEKS MASSA TUBUH WHO DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DAN ANALISIS DISKRIMINAN (Stud Kasus Klasfkas Status Gz Dewasa) Dewnta Dwnanda Pusptasar, S.S Jurusan Statstka Terapan Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Padjajaran Septad Padmadsastra, Ph.D Jurusan Statstka Terapan Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Padjajaran Dr. Nussar Hajarsma, M.S Jurusan Statstka Terapan Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Padjajaran Abstrak Status gz dewasa dklasfkaskan menjad empat kelompok, yatu underweght, normal, overweght, dan obestas. Tujuan utama dar peneltan n adalah evaluas ketepatan klasfkas ndeks massa tubuh berdasarkan tabel klasfkas ndeks massa tubuh WHO dengan pendekatan regres logstk ordnal dan analss dskrmnan. Selanjutnya, membandngkan ketepatan klasfkas antara regres logstk ordnal dan analss dskrmnan dalam pengklasfkas status gz dewasa. Stud kasus pengelompokkan status gz dewasa berdasarkan varabel bebas yang terlbat yatu, berat badan (kg) dan tngg badan (cm) dengan stud smulas. Berat badan dan tngg badan bersfat kontnu dan berdstrbus normal multvarat. Data smulas menggunakan lma tngkatan ukuran sampel, yatu n 1 =00, n =400, n 3 =600, n 4 =800, dan n 5 =1000 dengan pengulangan sebanyak 100 kal. Ukuran ketepatan klasfkas yang dgunakan adalah Apparent Error Rate (APER). Haslnya adalah rata-rata kesalahan klasfkas (APER) yang dhaslkan regres logstk ordnal sebesar 8,56%, analss dskrmnan 8,49%, dan berdasarkan tabel klasfkas ndeks massa tubuh WHO sebesar 31,08%. Analss Dskrmnan menghaslkan nla APER lebh kecl dbandngkan dengan Regres
2 Logstk Ordnal. Klasfkas ndeks massa tubuh (IMT) dengan tabel klasfkas IMT WHO menghaslkan APER palng besar dbandngkan dengan analss dskrmnan dan regres logstk ordnal. Analss dskrmnan lebh bak dterapkan dalam pengklasfkasan status gz dewasa dbandngkan dengan regres logstk ordnal. Kata Kunc: Tabel Klasfkas Indeks Massa Tubuh, Regres Logstk Ordnal, Analss Dskrmnan, Klasfkas. Abstract Adult nutrent status was classfed nto four groups, underweght, normal, overweght, and obesty. The man purpose of ths study was to evaluate the accuracy of classfcaton body mass ndex (BMI) usng smplfed tables for BMI. Then compare the level of classfcaton accuracy between classfcaton usng smplfed tables for body mass ndex wth Ordnal Logstc Regresson and Dscrmnant Analyss usng smulated data. The case study of ths paper s about classfcaton adult nutrent status whereas nutrent status standart WHO. Independent varables was used n ths paper are weght (kg) and heght (cm) whch follow multvarat normal dstrbuton. Smulaton data are used fve levels of sample sze n 1 =00,n =400,n 3 =600,n 4 =800, and n 5 =1000, every levels of sample sze wll be replcated as much as 100 tmes to see the consstency of each method n the classfcaton. Apparent Error Rate s used to compare the leveel of classfcaton accuracy. The result showed that the apparent error rate of ordnal logstc regresson s 8,56%, dsrmnant analyss s 8,49%, and usng body mass ndex smplfed tables classfcaton s 31,08%. Classfcaton usng smplfed tables for body mass ndex has greatest APER than ordnal logstc regresson and dscrmnan analyss.dscrmnant analyss s better to classfy adult nutrent status than ordnal logstc regresson. Keywords: Smplfed Tables for Body Mass Index, Ordnal Logstc Regresson, Dscrmnant Analyss, Classfcaton
3 1. PENDAHULUAN Status gz orang dewasa dklasfkaskan menjad empat kelompok, yatu underweght, normoweght, overweght, dan obesty. Pada umumnya ahl gz melakukan pengklasfkasan status gz dewasa dengan menggunakan metode ndeks massa tubuh berdasarkan tabel klasfkas ndeks massa tubuh yang telah ada, yatu tabel baku rujukan yang dkeluarkan oleh WHO. Pengklasfkasan merupakan salah satu metode statstka dalam pengelompokkan suatu data yang dsusun secara sstemats. Pada peneletan n membandngkan antara teknk klasfkas regres logstk, yatu regres logstk ordnal dengan analss dskrmnan yang bersfat multpel (analss dskrmnan multpel). Teknk klasfkas yang dgunakan regres logstk ordnal karena status gz dbedakan menjad empat kelompok yang sfatnya menunjukkan tngkatan. Analss dskrmnan multpel dgunakan karena status gz dewasa dbedakan menjad empat kelompok. Kelebhan dar regres logstk adalah memlk odds raso yang menunjukkan seberapa besar pengaruh varabel predktor suatu kategor referens pada suatu varabel respon dan dalam pemenuhan asums tdak memerlukan asums normaltas multvarat serta kesamaan matrks varans-kovarans sehngga metode n cukup tahan (robust) untuk dapat dterapkan dalam berbaga keadaan data (Tatham et. Al, 1998). Kelemahan yang dhaslkan model regres logstk berupa nla probabltas yang kurang prakts. Pada analss dskrmnan, memlk kelebhan yatu memberkan perhtungan yang lebh efsen (Sharma, 1996), sedangkan kelemahan dar analss dskrmnan adalah asums harus terpenuh, dmana data harus memenuh dstrbus normal multvarat dan menghaslkan matrks varans-kovarans yang sama setap kelompok (Johnson dan Wcherm, 00). Metode klasfkas yang bak adalah metode yang menghaslkan ketepatan klasfkas yang tngg atau kesalahan klasfkas yang mnmal. Berdasarkan uraan d atas, pada peneltan n akan dlakukan perbandngan ketepatan klasfkas status gz orang dewasa antara ndeks massa tubuh berdasarkan tabel klasfkas ndeks massa tubuh, regres logstk ordnal, dan analss dskrmnan.
4 . TINJAUAN PUSTAKA.1 Indeks Massa Tubuh (IMT) Indeks massa tubuh (IMT) merupakan alat atau cara yang sederhana untuk memantau status gz orang dewasa. Pengukuran ndeks massa tubuh hanya membutuhkan dua hal yatu berat badan (kg) dan tngg badan (cm). Untuk mengetahu nla IMT, dhtung dengan rumus berkut : BB( kg) IMT (.1) TB( m) Pengklasfkasan status gz dewasa berdasarkan tabel klasfkas ndeks massa tubuh sebaga berkut :. Regres Logstk Ordnal Tabel.1 Tabel Klasfkas Status Gz Dewasa Klasfkas IMT(kg/m ) Underweght IMT 18,5 Normal 18,5 < IMT < 5 Overweght 5 IMT < 30 Obestas IMT 30 (Sumber : WHO, 000) Regres logstk ordnal adalah suatu analss regres yang dgunakan untuk menggambarkan hubungan antara varabel respon dengan sekumpulan varabel predktor, dmana varabel respon bersfat ordnal, yatu mempunya lebh dar dua kategor ( k > ) dan setap kategor dapat dperngkat. Varabel bebas dapat berupa data kategor atau kontnu yang terdr atas dua varabel atau lebh. Metode yang serng dgunakan untuk varabel respon berskala ordnal adalah dengan membentuk fungs logt dar peluang kumulatf. Sehngga model logstk untuk respon ordnal serng dsebut sebaga model logt kumulatf (Agrest, 007). Peluang kumulatf, P( Y j x ) ddefnskan sebaga berkut :
5 exp P( Y j x ) ( x ) 1 exp Jka terdapat k 0 j k k k 1 j p p x x 0 j k k k 1 (.) kategor respon maka model regres logstk ordnal yang terbentuk sebanyak k 1. Model logstk kumulatf ddefnskan sebaga berkut: LogtP( Y j x ) x j = 1,,...,k-1 (.3) 0 j k k k 1 Jka terdapat empat kategor respon dmana j 1,,3, 4 maka nla masngmasng peluang kategor respon ke j dperoleh dengan persamaan : ( x ) P( Y 1 x ) 1 ( x ) P( Y x ) P( Y 1 x ) ( x ) P( Y 3 x ) P( Y x ) 3 ( x ) 1 P( Y 3 x ) 4 Untuk klasfkas nla ( x ) j p (.4) pada persamaan (.4) akan djadkan pedoman pengklasfkasan. Suatu pengamatan akan masuk dalam respon kategor j berdasarkan nla ( x ) yang terbesar (Wbowo, 00)..3 Analss Dskrmnan j Analss dskrmnan adalah teknk statstka yang dpergunakan untuk mengklasfkaskan suatu observas ke dalam suatu kelompok berdasarkan sekumpulan varabel-varabel (Johnson & Wchern, 00). Pemodelan antara varabel predktor dan varabel respon dnyatakan oleh suatu fungs yatu fungs dskrmnan.. Fungs n dbentuk dengan memaksmumkan jarak antar kelompok, sehngga memlk kemampuan untuk membedakan antar kelompok. Fungs dskrmnan bersfat memaksmumkan raso keragaman antar kelompok dengan keragaman dalam kelompok. Asums yang harus dpenuh dalam analss dskrmnan adalah data berdstrbus normal multvarat dan adanya kesamaan struktur matrks varans-kovarans antar kelompok. Model umum analss dskrmnan merupakan suatu kombnas lner bentuknya sebaga berkut: Z a W X W X W X (.5) j p p
6 Fungs dskrmnan lner (Johnson dan Wchern, 00) adalah : t 1 1 t 1 d ( x) x ln p = 1,,..,k (.6) Dengan μ adalah rata-rata populas ke-, 1 adalah nvers matrks kovarans dan p adalah peluang pror pada populas ke-. Estmas dar d ( x) adalah d ˆ ( x) ˆ 1 1 ( ) t t 1 d x x Sgabx x Sgabx ln p (.7) dengan x adalah rata-rata sampel kelompok ke-, dˆ ( x ) dsebut juga sebaga fungs dskrmnan lner dengan parameter-parameter x S t 1 gab dan konstanta 1 t 1 c x Sgabx ln p untuk = 1,,...,k. Alokas x ke dalam kelompok k apabla dˆ ( x) maks ( dˆ ( x), dˆ ( x),..., dˆ ( x)). k ( t ) 1 k Pengklasfkasan obyek ke dalam populas yang terdekat setara dengan pengklasfkasan obyek ke dalam populas dengan peluang posteror yang palng besar. Besarnya peluang posteror tersebut yatu (Johnson dan Wchern, 00) : P( t x) k e 1 1 d ( x) e 1 d ( x) t 1,,..., k (.8) 3. PERBANDINGAN KETEPATAN KLASIFIKASI Data yang dgunakan adalah data smulas dengan lma ukuran sampel n 1 = 00, n = 400, n 3 = 600, n 4 = 800, dan n 5 = Semua ukuran sampel akan dlakukan replkas sebanyak 100 kal untuk melhat kekonsstenan masng-masng metode dalam pengklasfkasan. Algortma data smulas dalam membandngkan knerja setap teknk klasfkas dengan 100 replkas data smulas sebaga berkut : 1. Bangktkan sampel acak berdstrbus normal multvarat yang berasal dar masng-masng kelompok dengan metode Monte Carlo, dmana ukuran sampel masng-masng kelompok sama, dengan skenaro :
7 ; ; ; ; ; Lakukan klasfkas untuk masng-masng objek dengan menggunakan Regres Logstk Ordnal, Analss Dskrmnan, dan Tabel Klasfkas Indeks Massa Tubuh dengan bantuan Software R Htung ketepatan klasfkas untuk masng-masng metode klasfkas, dengan metode Apparent Error Rate (APER ). 4. Ulang langkah 1 sampa dengan 3 sebanyak 100 kal. Evaluas prosedur klasfkas dengan nla APER menyatakan nla propors sampel yang salah dklasfkaskan (Johnson dan Wchern, 00). Aktual Predks ˆ 1 ˆ ˆ 3 ˆ 4 Total π 1 n 11 n 1 n 13 n 14 A π n 1 n n 3 n 4 B π 3 n 31 n 3 n 33 n 34 C π 4 n 41 n 4 n 43 n 44 D Total E F G H I
8 Rumus ketepatan klasfkas tersebut adalah sebaga berkut : Melhat ketepatan klasfkas secara keseluruhan nla APER adalah n n n n n n... n APER I % 4. HASIL DAN PEMBAHASAN Hasl kesalahan klasfkas (APER) dengan regres logstk ordnal, analss dksrmnan, dan berdasarkan pengklasfan tabel klasfkas ndeks massa tubuh untuk seluruh tngkatan ukuran sampel dengan replkas sebanyak 100 kal dtunjukkan pada tabel 4.1. Tabel 4.1. Hasl Persentase Kesalahan Klasfkas (APER) Regrse Logstk Ordnal, Analss Dskrmnan, dan Tabel Klasfkas Indeks Massa Tubuh APER APER APER n Regres Logstk Ordnal Analss Dskrmnan Indeks Massa Tubuh 00 8,08 8,17 30, ,63 8,54 31, ,8368 8, , ,6465 8,55 31, ,64 8,564 31,118 Rata-rata kesalahan klasfkas 8, , ,08951 Rata-rata kesalahan klasfkas (APER) yang dhaslkan regres logstk ordnal sebesar 8,56%, analss dskrmnan 8,49%, dan berdasarkan tabel klasfkas ndeks massa tubuh sebesar 31,08%. Dar Tabel 4.1 dapat terlhat bahwa APER yang dhaslkan oleh analss dskrmnan untuk semua tngkat ukuran sampel dengan replkas sebanyak 100 kal menghaslkan kesalahan klasfkas palng kecl dbandngkan dengan regres logstk ordnal dan tabel klasfkas ndeks
9 massa tubuh. Pengklasfkasan status gz dewasa yang selama n dlakukan berdasarkan tabel klasfkas ndeks massa tubuh menghaslkan tngkat kesalahan klasfkas palng besar dbandngkan dengan regres logstk ordnal dan analss dskrmnan. 5. KESIMPULAN DAN DARAN 5.1 Kesmpulan 1. Untuk semua tngkatan ukuran sampel dengan replkas sebanyak 100 kal dan memenuh asums normal multvarat serta matrks varans-kovarans untk setap kelompok sama dalam pengklasfkasan status gz dewasa menghaslkan analss dskrmnan memberkan nla APER yang lebh kecl dbandngkan dengan regres logstk ordnal. Analss dskrmnan lebh bak dterapkan untuk klasfkas status gz dewasa dbandngkan dengan regres logstk ordnal.. Pengklasfkasan status gz dewasa dengan ndeks massa tubuh berdasarkan tabel klasfkas ndeks massa tubuh menghaslkan nla APER yang palng besar dbandngkan dengan teknk klasfkas statstka, yatu analss dskrmnan dan regres logstk ordnal. 3. Varabel yang dgunakan dalam peneltan n, yatu berat badan dan tngg badan yang bersfat kontnu dan bvarat normal sehngga analss dskrmnan menghaslkan ketepatan klasfkas yang lebh bak dbandngkan dengan regres logstk ordnal. 5. Saran 1. Dalam peneltan n hanya melbatkan data smulas normal bvarat, maka dsarankan untuk peneltan selanjutnya dgunakan data normal multvarat.. Perlu adanya evaluas atau peneltan mengena tabel klasfkas ndeks massa tubuh agar menghaslkan ketepatan klasfkas yang lebh bak lag
10 3. Metode Analss Regres Logstk Ordnal dan Analss Dskrmnan perlu dbandngkan dengan metode lan agar dperoleh suatu metode klasfkas yang lebh bak lag. DAFTAR PUSTAKA Agrest A An Introducton to Categorcal Data Analyss. New York. John Wley and Sons Badan Peneltan dan Pengembangan Kesehatan Rset Kesehatan Dasar (Rskesdas 010). Kementran Kesehatan Republk Indonesa, Jakarta. Centre for Obesty Research and Educaton Body Mass Index: BMI Calculator. Ddapat dar [Agustus 014]. Depkes, RI Pedoman Prakts Untuk Mempertahankan Berat Badan Normal Berdasarkan Indeks Massa Tubuh ( IMT) dengan Gz Sembang. Jakarta: Depkes RI. Dllon, W.R. dan Goldsten M Multvarate Analyss: Methods and Applcatons. New York: John Wley & Sons, Inc.. Grafk Indeks Massa Tubuh Anak. Hajarsman, N Statstka Multvarat, UNISBA Bandung Hosmer, Davd W., Lemeshow S Appled Logstc Regresson. New York. John Wley and Sons. Johnson, R.A dan Wchern,D.W. 00,.Appled Multvarate Statstcal Analyss, ffth edton,.prantce Hall, New Jersey. Klenbaum, Davd G, Mtchel Klen. (010). Logstc Regresson. Sprnger Scence-Bussness Meda. New York. Krzanowsk, W.J. (1975), Dscrmnaton and Classfcaton usng Both Bnary and Contnuous Varable, Journal of the Amercan Statstcal Assocaton, 70; Manel,S, Mare,DJ, dan Ormerod, SJ. (1999). Comparson dsrcmnant analyss, neural networks, and logstc regresson for predstng speces dstrbutons: a case study wth Hmalayan rver brd, Ecologcal Modellng, 10;
11 Pohar,M,Blas M, dan Turk, S. (004). Comparson of Logstc Regresson and Lnear Dscrmnant Analyss : A Smulaton Study, Metodoloãk zvezk, Vol.1, No.1, hal Press, S.J. dan Wlson, S. (1978), Choosng Between Logstc Regresson and Dscrmnaton Analyss, Journal of the Amercan Statstcal Assocaton, 73; Sharma, S. (1996), Appled Multvarate Technques, John Wley, New York. Sugondo, S., 006. Obestas. Dalam: Sudoyono, W.A., Setyohad, B., Alw, I., Smadbrata, M., & Setat, S. Buku Ajar Ilmu Penyakt Dalam. Jld III. Eds 4. Jakarta: Pusat Penerbtan Departemen Ilmu Penyakt Dalam FKUI, Supranto, J Ekonometr Jld. Jakarta: Penerbt Ghala Indonesa. Tatham, R.L., Har, J.F, Anderson, R.E., dan Black, W.C., (1998), Multvarate Data Analyss, Prentce Hall, New Jersey. Yula I.P.D. (1997), Analss Statstka Terhadap Kerusakan Wall Tle d PD Sarana Bangunan Unt Pabrk Keramk dan Pengolahan Bahan Tulungagung, Tugas Akhr, Statstka ITS. Wbowo,W. (00), Perbandngan Hasl Klasfkas Analss Dskrmnan dan Regres Logstk pada Pengklasfkasan Data Respon Bner, KAPPA, Vol. 3, No. 1, hal WHO Body Mass Index (BMI) = Indeks Massa Tubuh. [Jul 014].
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko 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 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 terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
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 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 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 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 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 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 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 terperinciBAGGING REGRESI LOGISTIK ORDINAL PADA STATUS GIZI BALITA. Staf Pengajar Jurusan Statistika ITS Surabaya. Alumni Jurusan Statistika ITS Surabaya
Baggng Regres (Muhammad Sjahd A.) BAGGING REGRESI LOGISTIK ORDINAL PADA STATUS GIZI BALITA Muhammad Sjahd Akbar 1, Adatul Mukarromah 2, Lalta Paramta 3 1,2 Staf Pengajar Jurusan Statstka ITS Surabaya 3
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 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 terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciStaf Pengajar Jurusan Statistika ITS Surabaya. Alumni Jurusan Statistika ITS Surabaya
Klasfkas Status (Muhammad Sjahd) KLASIFIKASI STATUS GIZI BALITA DENGAN BAGGING REGRESI LOGISTIK ORDINAL (STUDI KASUS SURVEY KEKURANGAN ENERGI PROTEIN KABUPATEN NGANJUK) Muhammad Sjahd Akbar 1, Adatul Mukarromah
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 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 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 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 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 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 terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
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 terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
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 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 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 terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
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 terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
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 terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciCorresponding Author:
Perbandngan Fungs Ketahanan Hdup Dengan Metode Non Parametrk Menggunakan Uj Gehan Dan Uj Cox-Mantel (Lvng wth Securty Functon Comparson Method Usng Non Paremetrk Gehan test and Cox-Mantel Tes Ans Sept
Lebih terperinciOleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur
Oleh : Der Akhmad (9738) Johan Arfn (9834) Muhammad Alawdo (83) es Hapsar (83) Wndu Pramana Putra (835) Tya Hermoza (849) Gempur Safar (877) Febra Aryan (97) Asr Wdyasar (978) Nur Inayah (4) Adharsa Rakhman
Lebih terperinciNirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK
PERBANDINGAN MODEL REGRESI LOGISTIK DAN ZERO-INFLATED POISSON (ZIP) UNTUK MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELANGSUNGAN HIDUP PENDERITA PENYAKIT DEMAM BERDARAH (DBD) RS WAHIDIN SUDIROHUSODO
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI 2 Regres 2 Pengertan Komponen-Komponen Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan untuk meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu
Lebih terperinciANALISIS HUBUNGAN FAKTOR FAKTOR YANG MEMPENGARUHI PREDIKAT PERUSAHAAN ASURANSI UMUM DI INDONESIA PERIODE DESEMBER 2013 NOVEMBER 2014
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 563-573 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan ANALISIS HUBUNGAN FAKTOR FAKTOR YANG MEMPENGARUHI PREDIKAT PERUSAHAAN
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 terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
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 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciANALISIS KOVARIANSI part 2
ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
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 terperinciPROSIDING ISSN: M-16 KLASIFIKASI CURAH HUJAN BERDASARKAN DATA SATELIT MTSTAT DENGAN METODE BAYESIAN
M-6 KLASIFIKASI CURAH HUJAN BERDASARKAN DATA SATELIT MTSTAT DENGAN METODE BAYESIAN Zulhanf ), I Gede Nyoman Mndra Jaya ),) Departemen Statstka FMIPA UNPAD dzulhanf@yahoo.com, jay.komang@gmal.com Abstrak
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
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 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 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
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 terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
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 terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciPENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP
PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah
Lebih terperinciPELUANG ALUMNI PENDIDIKAN MATEMATIKA FKIP UMB DALAM MENDAPATKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS REGRESI LOGISTIK
p-issn 979 3693 e-issn 477 0647 MEDIA SAISIKA 0( 7: 85-94 http://ejournal.undp.ac.d/ndex.php/meda_statstka PELUANG ALUMNI PENDIDIKAN MAEMAIKA FKIP UMB DALAM MENDAPAKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS
Lebih terperinciMODEL PENILAIAN KREDIT MENGGUNAKAN ANALISIS DISKRIMINAN DENGAN VARIABEL BEBAS CAMPURAN BINER DAN KONTINU. DOI: /medstat
p-issn 979 3693 e-issn 477 0647 MEDIA STATISTIKA 9() 06: 07-8 http://ejournal.undp.ac.d/ndex.php/meda_statstka MODEL PENILAIAN KREDIT MENGGUNAKAN ANALISIS DISKRIMINAN DENGAN VARIABEL BEBAS CAMPURAN BINER
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciUji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi
Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d
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 METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciBAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama
BAB V Model Bayes Pendugaan Area Kecl untuk Respon Bnomal dan Multnomal Berbass Penarkan Contoh Berpeluang Tdak Sama 5.1. Pendahuluan Pada umumnya pengembangan model SAE dan pendugaannya dlakukan dengan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan lapangan kuanttatf yang bersfat korelasonal. Peneltan lapangan merupakan suatu peneltan untuk memperoleh data-data yang sebenarnya
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 terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
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 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 terperinciTUGAS AKHIR SS
TUGAS AKHIR SS 145561 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENYAKIT TUBERKULOSIS PARU DI KABUPATEN BANGKALAN MENGGUNAKAN METODE REGRESI LOGISTIK BINER (Stud Kasus RSUD Syarfah Ambam Rato Ebu Bangkalan)
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 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 terperinciBAB II TINJAUAN PUSTAKA. Pemodelan persamaan struktural atau Structural Equation Modeling
BAB II TINJAUAN PUSTAKA 1.1 Pemodelan Persamaan Struktural Pemodelan persamaan struktural atau Structural Equaton Modelng (SEM) merupakan analss multvarat yang dapat menganalss hubungan varabel secara
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
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 terperinciBAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi
BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
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 III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujuan Peneltan Adapun tujuan dar peneltan n adalah:. Untuk mengetahu pelaksanaan model pembelajaran Problem Based Learnng pada mater pokok kalor kelas VII d MTs Nurul Itthad
Lebih terperinci