Model Probit Untuk Ordinal Response
|
|
- Suparman Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Abstrak Pada beberapa kasus tertentu, variabel respon berupa data kategori yang berskala ordinal. Penggunaan metode analisis regresi linier klasik tidak dapat digunakan untuk melihat hubungan variabel yang bersifat ordinal. Salah satu metode yang dapat digunakan adalah regresi probit. Model probit adalah salah satu model regresi yang dapat digunakan untuk menelaskan hubungan antara variabel respon yang merupakan data kategori berskala ordinal dengan variabel prediktor yang terdiri dari variabel kontinu, diskrit atau campuran antara keduanya. Penaksiran parameter model probit menggunakan Maximum Likelihood Estimation (MLE) dan penguian parameter model menggunakan metode Likelihood Ratio est.. Kaian penelitian ini adalah memodelkan Indeks Pembangunan Manusian (IPM) di Provinsi Jawa Barat. Berdasarkan hasil pemodelan regresi probit dapat diketahui faktor-faktor yang berpengaruh secara signifikan terhadap IPM Provinsi Jawa Barat yaitu persentase penduduk miskin. Diharapkan dengan diketahui faktor-faktor yang berpengaruh dapat diadikan sebagai masukan kepada pemerintah untuk meningkatkan IPM Provinsi Jawa Barat. Kata kunci: IPM, Model Probit, Ordinal Response I. PENDAHULUAN Pemodelan berkaitan dengan enis data yang digunakan. enis data terdiri dari data numerik dan kategori. Ketika variabel respon dari hasil penelitian merupakan data kategori yang bersifat data ordinal maka analisis regresi linear klasik tidak bisa digunakan. salah satu metode untuk mengatasi masalah tersebut adalah regresi probit. Regresi probit ordinal adalah salah satu model regresi yang dapat digunakan untuk menelaskan hubungan antara variabel respon yang merupakan data kategori berskala ordinal dengan variabel prediktor yang terdiri dari variabel kontinu, diskrit atau campuran antara keduanya []. Regresi ini pertama kali dikembangkan oleh Aitchison dan Silvey tahun 957 dari model regresi probit yang dikemukakan oleh Bliss pada tahun 934. Apabila data diketahui berdistribusi normal maka lebih disarankan menggunakan regresi probit ordinal untuk pemodelan data []. Pemodelan probit diaplikasikan pada Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat. Masih rendahnya kualitas SDM merupakan kelemahan yang mendasar bagi negara berkembang termasuk Indonesia. erbukti bahwa Jawa Barat, yang notabene merupakan provinsi besar di Indonesia memiliki nilai IPM yang masih berada di kisaran menengah atas. Diharapkan dengan dengan diketahuinya faktorfaktor yang berpengaruh terhadap IPM dapat diadikan sebagai salah satu masukan pemerintah dalam mengambil kebiakan untuk meningkatkan kualitas SDM di Provinsi Jawa Barat. A. Model Probit II. MEODE PENELIIAN Pemodelan regresi probit ordinal diawali dengan memperhatikan model sebagai berikut [][3]. dimana Y x β Y adalah variabel respon yang merupakan variabel kontinu, adalah parameter intersep, x adalah yang tidak diketahui, β adalah vektor parameter koefisien dengan vektor variabel bebas, dengan x X N,. Berdasarkan persamaan () dilakukan transformasi ke dalam bentuk Z ~ N(,) Selanutnya dilakukan pengkategorian terhadap X X p p () dan adalah error yang diasumsikan berdistribusi Y Z ( β x), dimana Y secara or-dinal yaitu untuk Y MS 85
2 ISBN dikategorikan dengan Y, untuk Y dikategorikan dengan Y,..., untuk Y Y dikategorikan dengan Y,..., untuk dikategorikan dengan model regresi probit ordinal sebagai berikut. ( β x) ( ) β x PZ PZ PZ P Y ( ) β x P Z P Y ( P Y P Y β x ( ) β x β x) β x), sehingga diperoleh β x ) β x ( β x ) β x β x Z () ( β ) x P Y P Y P Z dengan Y untuk kategori terendah dan distribusi kumulatif distribusi normal [4]. β x Y untuk kategori tertinggi dan adalah fungsi B. Penguian Model Probit Metode Likelihood Ratio est digunakan untuk mengui peranan variabel prediktor di dalam model. Misalkan Y, Y,, Yn adalah variabel random yang saling bebas sebanyak n, yang masingmasing mempunyai fungsi distribusi probabilitas f ;,,, ), untuk i,,, n. Himpunan ( y i p yang terdiri dari semua parameter titik,,, ) dinotasikan dengan dan subset dari. n ) f ( y i ; ), dengan L( i n L( ) f ( ;,,, i y i p ) ( p, dengan,,, Hipotesis : H : = H : Paling sedikit ada satu merupakan umlah prediktor dalam model. Statistik ui untuk Likelihood Ratio est adalah ditunukkan dalam persamaan (3). L( ˆ) G ln L( ˆ ) dengan = penaksir likelihood yang tidak mengandung variabel prediktor. = penaksir likelihood dengan variabel prediktor Statistik ui mengikuti sebaran dengan deraat bebas p, dimana H akan ditolak ika nilai [5]. C. Data Penelitian p (3) G ( p) Sumber data yang digunakan dalam penelitian ini berasal dari Badan Pusat Statistik (BPS) yaitu Survei Sosial Ekonomi Nasional (Susenas. Unit observasi adalah kabupaten/kota di Provinsi Jawa Barat yang terdiri dari kabupaten/kota. Variabel respon dalam penelitian ini adalah IPM yang terbagi menadi tiga kategori yaitu rendah, menengah dan tinggi. Variabel prediktornya adalah persentase penduduk yang tinggal di daerah perkotaan (X ), persentase penduduk yang berpendidikan di atas SLP (X ), rata-rata pendapatan perkapita (X 3 ), rasio ketergantungan (X 4 ), peranan sektor industri dalam PDRB (X 5 ) dan persentase penduduk miskin (X ) MS 8
3 SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY D. Langkah Penelitian Langkah-langkah yang dilakukan pada penelitian ini adalah Melakukan analisis deskripsi statistik terhadap semua variabel untuk mengetahui karakteristik IPM di Provinsi Jawa Barat Melakukan penguian hipotesis terhadap parameter model regresi probit ordinal. Menarik kesimpulan. III. HASIL DAN PEMBAHASAN Pada bagian ini diuraikan tentang deskripsi IPM di Provinsi Jawa Barat. Selain itu uga diuraikan pemodelan IPM beserta fakor-faktor yang mempengaruhinya dengan menggunkaan model probit. A. Deskripsi IPM Sebagai gambaran awal dilakukan analisis statistik deskriptif terhadap karakteristik IPM di kabupaten/kota Provinsi Sumatera Utara, Jawa Barat, Jawa engah, dan Jawa. Hasil analisis des-kriptif dapat dilihat pada abel. abel. Persentase Kelompok IPM Kelompok Jawa Barat Jumlah Persentase Rendah 9 34, Menengah 5 57,9 inggi 7,9 Sebagian besar kabupaten/kota di Provinsi Jawa Barat memiliki IPM dengan kategori menengah. Kabupaten/kota di Provinsi Jawa Barat yang memiliki IPM kategori rendah masih cukup tinggi yaitu 34 persen. Sementara itu yang memiliki IPM tinggi hanya mencapai 7 persen. abel merupakan statistika deskriptif untuk menunukkan karakteristik kelompok kabupaten/kota dengan tingkat IPM rendah, menengah dan tinggi di Provinsi Jawa Barat. Variabel % penduduk yang tinggal di perkotaan (X ) % Penduduk yang berpendidikan di atas SLP (X ) abel. Karakteristik Kelompok Kabupaten/Kota Provinsi Jawa Barat Rata- Rata Rendah Menengah inggi Standar Deviasi Rata- Rata Standar Deviasi Rata- Rata Standar Deviasi 4,,83 55,3 35,7 94,85,8 7,38 5,57 4,,,5,88 Rata-rata pendapatan perkapita (ribu rupiah) (X 3 ) Rasio ketergantungan (X 4 ) Peranan sektor industri dalam PDRB (X 5 ) % Penduduk miskin (X ) 9,4 44,8 378,35 99,4 587, 5,3,58,,5,5,44,,3 9,3 3,75 4,3 4,,55 7,85,4,5 4,9 3,7,8 Kabupaten/kota dengan tingkat IPM rendah hanya 4, persen penduduknya tinggal diperkotaan, sedangkan kabupaten/kota dengan tingkat IPM menengah sudah mencapai 55,3 persen. Sementara itu, MS 87
4 ISBN kabupaten/kota dengan tingkat IPM tinggi, 94,85 persen penduduknya tinggal di daerah perkotaan dan memiliki standar deviasi paling kecil dibanding dengan kelompok yang lain. Hal ini berarti bahwa variasi di antara kabupaten/kota pada tersebut sangat kecil atau hampir semua tinggal di daerah perkotaan. ingkat pendidikan di Provinsi Jawa Barat masih kurang bagus. Hal ini dikarenakan rata-rata dari ketiga kelompok kabupaten/kota tersebut persentase penduduk yang berpendidikan diatas SLP atau sederaat hanya berkisar antara 7 - persen. Rata-rata pendapatan perkapita kabupaten/kota yang memi-liki tingkat IPM rendah hanya 9,4 ribu rupiah, sedangkan kabu-paten/kota dengan tingkat IPM menengah dan tinggi masing-masing adalah 378,35 dan 587, ribu rupiah. Rasio ketergantungan penduduk untuk kabupaten/kota dengan IPM rendah, menengah dan tinggi masing-masing adalah,58;,5 dan,44 persen. Berdasarkan ketiga kelompok tersebut, rasio ketergantungan penduduknya masih cenderung tinggi tetapi standar deviasinya cukup kecil. Hal ini berarti kabupaten/kota di ketiga kelompok mempunyai rasio ketergantungan penduduk yang hampir sama. Kelompok dengan tingkat IPM yang tinggi mempunyai pe-ranan sektor industri paling besar terhadap PDRB, yakni rata-rata per kabupaten/kota memberikan peranan sebesar 4, persen. Sementara itu, peranan sektor industri yang paling kecil adalah kelompok dengan tingkat IPM yang rendah dengan rata-rata per kabupaten/kota memberikan peranan hanya sebesar,3 persen. Salah satu faktor yang memicu tinggi rendahnya IPM di suatu wilayah adalah kemiskinan. Jika dilihat dari persentase penduduk miskin ketiga kelompok tersebut, rata-rata memiliki persentase penduduk miskin berkisar antara 4 sampai 8 persen. Kabupaten/kota yang paling banyak penduduk miskinnya adalah ke-lompok dengan tingkat IPM rendah, yakni sebesar 7,85 persen. B. Pemodelan IPM Provinsi Jawa Barat Untuk mendapatkan model IPM yang terbaik dilakukan penguian parameter secara parsial. Variabel yang signifikan pada penguian parsial digunakan untuk pemodelan IPM. Penguian Parameter Secara Parsial Penguian parameter secara parsial dilakukan dengan mengui setiap, untuk secara parsial. Hasil dari penguian ini berguna untuk mengetahui seberapa besar pengaruh dari masingmasing variabel bebas prediktor terhadap IPM Provinsi Jawa Barat. Disamping itu hasil penguian secara parsial dapat digunakan untuk memilih variabel prediktor yang digunakan pada model regresi probit ordinal multivariabel. ingkat signifikansi ( ) yang digunakan adalah sebesar,5, sehingga daerah kritis untuk menolak H adalah Z /,9. abel 3. Ui Signifikansi Parameter Secara Parsial Variabel Koefisien SE Koefisien Z Keputusan X,399,35,45995 olak H X,85,44755,483 olak H X 3,359,53,55788 olak H X 4-8,4748, ,74544 olak H X 5,44,934,33954 erima H X -,44937,584 -, olak H,,, p Berdasarkan abel dapat diketahui bahwa hanya variabel X, X, berpengaruh secara signifikan terhadap IPM Provinsi Jawa Barat. X 3, X 4, dan X yang Penguian Parameter Secara Serentak Setelah diperoleh variabel yang mempengaruhi IPM Provinsi Jawa Barat secara individu selanutnya dilakukan penguian untuk mengetahui ada tidaknya pengaruh variabel prediktor yang signifikan dari model regresi probit ordinal secara serentak. MS 88
5 SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY abel 4. Hasil Penaksiran dan Penguian Parameter Secara Serentak Variabel Koefisien SE Koefisien P-value X -,734,744,9787 X -,359,94,834 X 3 -,447,787,97 X 4 -,8488,973,937 X -,453337,59,358-3,83755,4779,8-8,4 9,7834,43 LR = 5,858,5; 4,7 Berdasarkan hasil dari penguian serentak diatas dapat diketahui bahwa nilai statistik ui LR (5,83) lebih besar daripada,7 sehingga paling sedikit satu yang tidak sama dengan nol. Variabel yang berpengaruh secara serentak hanya X karena memiliki P-value kurang dari. Pˆ Y [ 7,3 (,44937X )] (4) Pˆ Y [,7739 (,44937X )] [ 7,3 (,44937X )] (5) Pˆ Y [,7739 (,44937X )] () Berdasarkan model probit di atas dapat diperoleh nilai prediksi probabilitas kabupaten/ kota Provinsi Jawa Barat memperoleh IPM rendah, menengah dan tinggi yang dapat dilihat pada. Misalnya dipilih Kabupaten Cirebon untuk menelaskan model regresi probit ordinal yang diperoleh. Persentase penduduk miskin di Kabupaten Cirebon adalah 9,7 persen. Berdasarkan persamaan (4), persamaan (5) dan persamaan () diperoleh nilai prediksi untuk masing-masing kategori adalah sebagai berikut,93;,84 dan. Hal ini berarti bahwa Kabupaten Cirebon mempunyai probabilitas yang besar untuk mendapatkan IPM rendah. Hasil perhitungan prediksi probabilitas kabupaten/kota Provinsi Jawa Barat dengan model probit dapat diketahui kabupaten/kota mana saa yang memiliki IPM rendah, menengah, dan tinggi. Adapun hasil pengelompokannya dapat dilihat pada abel 3. abel 4. Hasil Pengelompokan Kabupaten/Kota Provinsi Jawa Barat Kelompok Kabupaten/Kota Kabupaten Cainur, Kabupaten Garut, Kabupaten asikmalaya, Kabupaten Kuningan, Kabupaten Cirebon, Kabupaten Maalengka, Kabupaten Indramayu, Kabupaten Subang Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Bandung, Kabupaten Ciamis, Kabupaten Purwakarta, Kabupaten Karawang, Kabupaten Bekasi, Kabupaten Bandung Barat, Kota Bogor, Kota Sukabumi, Kota Cirebon, Kota Bekasi, kota Cimahi, Kota asikmalaya, Kota Banar Kota Bandung, Kota Depok Kebenaran pengelompokan kabupaten/kota Provinsi Jawa Barat dapat dilihat berdasarkan ketepatan hasil pengklasifikasian antara prediksi dan observasi. abel 5 memperlihatkan bahwa model yang telah diperoleh memiliki kemampuan mengklasifikasikan obek dengan benar sebanyak kabupaten/kota atau men-capai 73,8 persen. MS 89
6 ISBN abel 5. Klasifikasi Hasil Prediksi Dan Observasi Observasi Prediksi 3 Efek marginal digunakan untuk mengetahui besarnya pengaruh dari variabel peranan persentase penduduk miskin terhadap probabilitas kabupaten/kota Provinsi Jawa Barat mendapatkan IPM rendah, menengah dan tinggi. Y ˆ ˆ Pˆ X β x (,44937) 7,3 (,44937X ) (7) Y ˆ βˆ x βˆ x Pˆ X 7,3 (,44937X ),7734 (,44937 ) (,44937) X Y ˆ βˆ x Pˆ X,44937),7734 (,44937X ) (9) ( Selain itu untuk mengetahui seberapa besar pengaruh persentase penduduk yang tinggal di perkotaan digunakan efek marginal. Berdasarkan persamaan (4.5) hingga (4.7) diperoleh nilai efek marginal dari persentase penduduk miskin Provinsi Jawa Barat seperti yang terdapat pada Lampiran. Misalkan untuk Kabupaten Cirebon, nilai efek marginal persentase penduduk miskin terhadap probabilitas Kabupaten Cirebon mendapat IPM rendah, menengah dan tinggi berturut-turut adalah sebesar,7; -,7 dan. erlihat bahwa nilai efek marinal terbesar adalah untuk kategori IPM rendah. Hal ini menunukkan bahwa persentase penduduk miskin memberikan pengaruh yang besar terhadap probabilitas Kabupaten Cirebon mendapatkan IPM rendah karena setiap kenaikan persentase penduduk miskin sebesar satu satuan maka akan meningkatkan peluang Kabupaten Cirebon memperoleh IPM rendah sebesar 7, persen. (8) IV. SIMPULAN DAN SARAN Berdasarkan hasil pemodelan probit dapat diketahui bahwa faktor yang mempengaruhi IPM Provinsi Jawa Barat adalah persentase penduduk miskin dengan ketepatan klasifikasi yang mencapai 73,8 persen. Penelitian ini belum memperhatikan adanya keterkaitan antar wilayah dalam pemodelan. Perlu dilakukan pemodelan probit spasial untuk mengatasi adanya keterkaitan antar wilayah yang saling berdekatan. DAFAR PUSAKA [] J.H. Aldrich, and Nelson, F.D., Linear Probability, Logit, and Probit Models, California: Sage, 984. [] D.J. Finney, Probit Analysis, 3 th edition, Cambridge: Cambridge University Press, 97. [3] C. O Donnell, and D.H. Connor, Predicting the Severity of Motor Vehicle Accident Inuries Using Models of Ordered Multiple Choice, Accident Analysis and Prevention, vol.8(); pp: , 99. [4] W.H. Greene, Econometrics Analysis, th edition, New Jersey: Prentice Hall, 8. [5] A. Agresti, Categorical Data Analysis, nd edition. New York: John Willey and Sons,. MS 9
PEMODELAN REGRESI PROBIT ORDINAL PADA PERSENTASE SEKOLAH TERKLASIFIKASI HITAM MENURUT POLA JAWABAN UN
PEMODELAN REGRESI PROBI ORDINAL PADA PERSENASE SEKOLAH ERKLASIFIKASI HIAM MENURU POLA JAWABAN UN Karlina Rachmasita dan Ismaini Zain Mahasiswa Jurusan Statistika FMIPA-IS e-mail: karlinanee@yahoo.com Dosen
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(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 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 terperinciPENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR
PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 215 S-5 Penerapan Hurdle Negative Binomial pada Data Tersensor Resa Septiani Pontoh, Defi
Lebih terperinciPemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih
Lebih terperinciPenerapan Hurdle Negative Binomial pada Data Tersensor
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Hurdle Negative Binomial pada Data Tersensor S - 5 Resa Septiani Pontoh, Defi Yusti Faidah. Departemen Statistika FMIPA Universitas
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 terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciPemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit
1 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit Rizky Amalia Yulianti*, Vita Ratnasari*. Jurusan Statistika, FMIPA, Institut
Lebih terperinciPemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit
JURNAL SAINS DAN SENI POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3520 (2301-928X Print) D-159 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
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 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 terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciE-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:
PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang
Lebih terperinciPemodelan Faktor yang Mempengaruhi Jumlah Hiv dan Aids Provinsi Jawa Timur Menggunakan Regresi Poisson Bivariat
JURNAL SAINS DAN SENI POMIS Vol., No., ( 7- (-98X Print D- Pemodelan Faktor yang Mempengaruhi Jumlah Hiv dan Aids Provinsi Jawa imur Menggunakan Regresi Poisson Bivariat Novi ri Ratnasari dan Purhadi Jurusan
Lebih terperinciBAB 3 METODOLOGI. Penelitian ini menggunakan data sekunder yang berasal dari data Profil
BAB 3 METODOLOGI 3.1. Sumber Data dan Variabel Penelitian Penelitian ini menggunakan data sekunder yang berasal dari data Profil Kesehatan Propinsi Jawa Barat yang bersumber dari Dinas Kesehatan pada tahun
Lebih terperinciBAB IV GAMBARAN UMUM DAN OBJEK PENELITIAN. Provinsi Jawa Barat secara geografis terletak di antara Lintang
56 BAB IV GAMBARAN UMUM DAN OBJEK PENELITIAN A. Letak Wilayah dan Luas Wilayah Provinsi Jawa Barat secara geografis terletak di antara 5 50-7 50 Lintang selatan dan 104 48-108 48 Bujur Timur, dengan luas
Lebih terperinciANALISIS 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 terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciBAB I PENDAHULUAN. ketimpangan dan pengurangan kemiskinan yang absolut (Todaro, 2000).
BAB I PENDAHULUAN 1.1. Latar Belakang Pembangunan merupakan suatu proses multidimensional yang melibatkan perubahan-perubahan besar dalam struktur sosial, sikap mental dan lembaga termasuk pula percepatan/akselerasi
Lebih terperinciRegresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur
1 Regresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur Elvira Pritasari dan Purhadi Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) TAHUN 2015
BPS PROVINSI JAWA BARAT INDEKS PEMBANGUNAN MANUSIA (IPM) TAHUN 2015 No. 38/07/32/Th. XVIII, 1 Juli 2016 Pembangunan manusia di Jawa Barat pada tahun 2015 terus mengalami kemajuan yang ditandai dengan terus
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 terperinciV. FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI JAWA BARAT
V. FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI JAWA BARAT 5.1 Analisis Model Regresi Data Panel Persamaan regresi data panel digunakan untuk mengetahui faktor-faktor yang mempengaruhi
Lebih terperinciPemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-3 (3-98X Print) D-98 Pemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression Suprianto Simanuntak,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan dengan mengambil data Laporan Realisasi Anggaran Penerimaan dan Pengeluaran pada Kabupaten Kota Jawa Barat dari tahun
Lebih terperinciJURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.
JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah
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 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 terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 205, Halaman 44-45 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian KEEPAAN KLASIFIKASI INGKA KEPARAHAN KORBAN KECELAKAAN LALU LINAS MENGGUNAKAN
Lebih terperinciANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR
ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR 1 Mei Puspita Rini, 2 Ismaini Zain, 3 Dwiatmono Agus Widodo 1,2,3 Jurusan Statistika
Lebih terperinciBAB III METODE PENELITIAN. kabupaten induknya yaitu Kabupaten Bandung Barat dan Kota Cimahi ke
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder periode tahun 2001-2008 yang mencakup wilayah kabupaten dan kota di Provinsi Jawa Barat.
Lebih terperinciPEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2
PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Bertoto Eka Firmansyah dan Sutikno Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen Pembimbing, Jurusan Statistika,
Lebih terperinciSEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si
SEMINAR HASIL TUGAS AKHIR Presented by Rizky Amalia Yulianti 1309 100 076 Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Agenda 1. 2. 3. 4. 5. Pendahuluan Tinjauan Metodelogi Hasil dan Kesimpulan 1.
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. 5.1 Analisis Tingkat Kesenjangan Pendapatan dan Trend Ketimpangan Kabupaten/Kota di Provinsi Jawa Barat
BAB V HASIL DAN PEMBAHASAN 5.1 Analisis Tingkat Kesenjangan Pendapatan dan Trend Ketimpangan Kabupaten/Kota di Provinsi Jawa Barat Penghitungan kesenjangan pendapatan regional antar kabupaten/kota di Provinsi
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 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 terperinciBAB V KINERJA PEREKONOMIAN KABUPATEN/KOTA DI JAWA BARAT
BAB V KINERJA PEREKONOMIAN KABUPATEN/KOTA DI JAWA BARAT 5.1. PDRB Antar Kabupaten/ Kota eranan ekonomi wilayah kabupaten/kota terhadap perekonomian Jawa Barat setiap tahunnya dapat tergambarkan dari salah
Lebih terperinciPemodelan Kerugian Makroekonomi Akibat Bencana Alam Dengan Regresi Panel
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Pemodelan Kerugian Makroekonomi Akibat Bencana Alam Dengan Regresi Panel Evi Kinasih Ikhwan dan Dwi Endah Kusrini Jurusan
Lebih terperinciBAB I PENDAHULUAN. pendapatan di daerah setempat. Penyediaan lapangan kerja berhubungan erat dengan
BAB I PENDAHULUAN 1.1. Latar Belakang Daya beli masyarakat berkaitan erat dengan pendapatan perkapita, Sedangkan pendapatan perkapita dipengaruhi oleh penyediaan lapangan kerja dan distribusi pendapatan
Lebih terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) TAHUN 2016
BPS PROVINSI JAWA BARAT No. 21/4/32/Th XIX, 17 April 2017 INDEKS PEMBANGUNAN MANUSIA (IPM) TAHUN 2016 IPM Jawa Barat Tahun 2016 Pembangunan manusia di Jawa Barat pada tahun 2016 terus mengalami kemajuan
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit
Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit Oleh: Ari Vanerlin Fitarisca 1310 100 048 Dosen Pembimbing: Dr. Vita Ratnasari, S.Si, M.Si Juli
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 terperinciBAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Istilah
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
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 terperinciV. FAKTOR PENENTU KETAHANAN PANGAN RUMAH TANGGA DI PROVINSI NUSA TENGGARA TIMUR
V. FAKTOR PENENTU KETAHANAN PANGAN RUMAH TANGGA DI PROVINSI NUSA TENGGARA TIMUR Penelitian ini menggunakan model regressi logistik ordinal untuk menganalisis faktor-faktor yang mempengaruhi ketahanan pangan
Lebih terperinciPERBANDINGAN METODE KLASIFIKASI REGRESI LOGISTIK BINER DAN NAIVE BAYES PADA STATUS PENGGUNA KB DI KOTA TEGAL TAHUN 2014
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 365-374 Online di: http://eournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE KLASIFIKASI REGRESI LOGISTIK BINER DAN NAIVE
Lebih terperinciMETODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT ABSTRAK
METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT (Studi Kasus PT. XYZ) Muhamad Iqbal Mawardi Departemen Statistika, Universitas
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 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 terperinciDIPA BADAN URUSAN ADMINISTRASI TAHUN ANGGARAN 2014
TOTAL BAES01 JAWA BARAT 129,401,372,000.00 BELANJA PEGAWAI 100,974,521,000.00 BELANJA BARANG OPERASIONAL 8,203,990,000.00 BELANJA BARANG NON OPERASIONAL 2,838,361,000.00 BELANJA MODAL 17,384,500,000.00
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke
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 terperinciPemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan
D181 Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan Rizfanni Cahya Putri dan Vita Ratnasari Jurusan Statistika, Fakultas
Lebih terperinciINDEKS PEMBANGUNAN GENDER DAN INDEKS PEMBERDAYAAN GENDER KOTA BEKASI TAHUN 2013
No. 02/11/Th. XIV, 12 November 2014 INDEKS PEMBANGUNAN GENDER DAN INDEKS PEMBERDAYAAN GENDER KOTA BEKASI TAHUN 2013 1. Indeks Pembangunan Gender (IPG) Kota Bekasi Tahun 2013 A. Penjelasan Umum IPG merupakan
Lebih terperinciIMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si.
S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di Provinsi Jawa Barat. Pemilihan Provinsi Jawa
BAB III METODE PENELITIAN A. Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Barat. Pemilihan Provinsi Jawa Barat ini didasarkan pada data realisai anggaran menunjukkan bahwa Anggaran Pendapatan
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciBAB 4 HASIL PENELITIAN DAN PEMBAHASAN
41 BAB 4 HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penghitungan Indeks Williamson Untuk melihat ketimpangan PDRB per kapita antar kabupaten/kota di Provinsi Jawa Barat digunakan alat analisis Indeks Williamson.
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciBAB V GAMBARAN UMUM PROPINSI JAWA BARAT. Lintang Selatan dan 104 o 48 '- 108 o 48 ' Bujur Timur, dengan luas wilayah
5.1. Kondisi Geografis BAB V GAMBARAN UMUM PROPINSI JAWA BARAT Propinsi Jawa Barat secara geografis terletak di antara 5 o 50 ' - 7 o 50 ' Lintang Selatan dan 104 o 48 '- 108 o 48 ' Bujur Timur, dengan
Lebih terperinciBAB I PENDAHULUAN A. DASAR HUKUM A. Gambaran Umum Daerah 1. Kondisi Geografis Daerah 2. Kondisi Demografi
BAB I PENDAHULUAN A. DASAR HUKUM Perkembangan Sejarah menunjukkan bahwa Provinsi Jawa Barat merupakan Provinsi yang pertama dibentuk di wilayah Indonesia (staatblad Nomor : 378). Provinsi Jawa Barat dibentuk
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciBAB V KINERJA PEREKONOMIAN KABUPATEN/KOTA DI JAWA BARAT
BAB V KINERJA PEREKONOMIAN KABUPATEN/KOTA DI JAWA BARAT 5.1. PDRB Antar Kabupaten/ Kota oda perekonomian yang bergulir di Jawa Barat, selama tahun 2007 merupakan tolak ukur keberhasilan pembangunan Jabar.
Lebih terperinciPERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT
Jurnal Ilmiah UMMI, Volume X1, No. 03 Desember 2017 37 PERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT Agustina Fakultas Ekonomi Universitas Swadaya
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
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 terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciBAB 4 ANALISIS HASIL ESTIMASI Angka Kematian Bayi 25 Kabupaten/Kota di Provinsi Jawa Barat
BAB 4 ANALISIS HASIL ESTIMASI 4.1 Analisis Deskriptif Data 4.1.1 Angka Kematian Bayi 25 Kabupaten/Kota di Provinsi Jawa Barat Angka kematian bayi (AKB) Provinsi Jawa Barat selama kurun waktu tahun 2005
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
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 terperinciTIPOLOGI WILAYAH HASIL PENDATAAN POTENSI DESA (PODES) 2014
BPS PROVINSI JAWA BARAT No. 15/02/32/Th.XVII, 16 Februari 2014 TIPOLOGI WILAYAH HASIL PENDATAAN POTENSI DESA (PODES) 2014 Pendataan Potensi Desa (Podes) dilaksanakan 3 kali dalam 10 tahun. Berdasarkan
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 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 terperinciPEMODELAN KINERJA LEMBAGA PERANGKAT DAERAH
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 6 Mei 009 PEMODELAN KINERA LEMBAGA PERANGKA DAERAH KARIYAM enaga Pengaar urusan Statistika
Lebih terperinciBAB III METODE PENELITIAN. Salah satu komponen dari penelitian adalah menggunakan metode yang
BAB III METODE PENELITIAN 3.1 Desain Penelitian Salah satu komponen dari penelitian adalah menggunakan metode yang ilmiah, agar metode yang ilmiah ini dapat dilaksanakan dengan relatif lebih mudah dan
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 terperinciBERITA RESMI STATISTIK
Keadaan Ketenagakerjaan Agustus 2017 No. 64/11/32/Th. XIX, 6 November 2017 BERITA RESMI STATISTIK PROVINSI JAWA BARAT Keadaan Ketenagakerjaan Agustus 2017 Agustus 2017 : Tingkat Pengangguran Terbuka (TPT)
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 133-142 Online di: http://eournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE REGRESI LOGISTIK BINER DAN METODE BACKPROPAGATION
Lebih terperinciPemodelan Indeks Pembangunan Manusia Provinsi Kalimantan Timur dengan Random Effect Model
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Pemodelan Indeks Pembangunan Manusia Provinsi Kalimantan Timur dengan Random Effect Model S - 2 Desi Yuniarti 1, Memi Nor Hayati 2, Nanda Arista Rizki
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab analisis dan pembahasan ini akan jelaskan tentang pola persebaran jumlah penderita kusta dan faktor-faktor yang mempengaruhinya, kemudian dilanjutkan dengan pemodelan
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Dalam ilmu statistika, metode yang dapat digunakan untuk menganalisis pola hubungan antara satu variabel atau lebih dengan satu variabel atau lebih lainnya
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 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 terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciAnalisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016
Analisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016 Rana Amani Desenaldo 1 Universitas Padjadjaran 1 rana.desenaldo@gmail.com ABSTRAK Kesejahteraan sosial adalah
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciHary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,
Lebih terperinciBAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah
40 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah minimum, Indeks Pembangunan Manusia (IPM), dan pengangguran terhadap tingkat
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciSecond-Order Confirmatory Factor Analysis pada Kemiskinan di Kabupaten Jombang
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Print) D-78 Second-Order Confirmatory Factor Analysis pada di Kabupaten Jombang Masnatul Laili dan Bambang Widanarko Otok Jurusan Statistika,
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinci