BAB 4 HASIL DAN PEMBAHASAN
|
|
- Indra Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 31 BAB 4 HASIL DAN PEMBAHASAN 4.1 Proses Pengolahan Data Data yang akan diolah ditampilkan dalam bentuk tabel-tabel, diagram pencar, dan grafik menggunakan fitur yang tersedia oleh R Language. Kemudian dilakukan pengolahan data menggunakan metode Kuadrat Terkecil Biasa dan metode Kuadrat Median Terkecil. Dengan memperhatikan segi efisiensi maka tidak semua data akan ditampilkan oleh penulis, tidak semua proses pengolahan diuraikan, hanya hasil pengolahan, persamaan regresi, dan nilai standar error. Data dibangkitkan dengan fungsi rnorm dan rcauchy (pada R Language), data sekunder langsung tidak lagi dimodifikasi penulis(langsung digunakan). Proses penelitian dengan R Language, pada data sample yang dibangkitkan dengan fungsi rnorm dan rcauchy. Fungsi rnorm adalah menghasilkan bilangan acak dengan sebaran normal baku, sedangkan pada fungsi rcauchy, untuk memunculkan outlier. Untuk memperbesar ukuran nilai digunakan fungsi runif yang memperbesar nilai pada rnorm Penyajian dan analisis data cell Sintak yang digunakan untuk menampilkan data Cell: >data(cell) >data.entry(cell) Hasil output data disajikan dalam table 4.1 :
2 32 Tabel 4.1 tabel data Cell Untuk lebih jelas, data Cell kemudian data akan ditampilkan dalam bentuk scatter plot(diagram pencar). > x <- cell[, 1] > y <- cell[, 2] > op<-par(mfrow=c(1,1),pty="s") > plot(x,y)
3 33 Gambar 4.1 Diagram pencar data Cell Dari data tersebut terlihat tidak ada hubungan antara kedua variabel. Berdasarkan besaran koefisien korelasi dan diagram pencar menunjukkan asumsi bahwa tidak terjadi multikolinieritas pada data Metode Kuadrat Terkecil Biasa untuk Sampel Data Cell Dari data Cell, data diolah menggunakan metode Kuadrat Terkecil Biasa. Statement dalam R Language adalah sebagai berikut : > library(stats) > data(cell) > attach(cell) > x<-cell[,1]
4 34 > y<-cell[,2] > matx<-matrix(x,ncol=1) > matx2<-cbind(1,matx) > xt<-t(matx2) > xtx<-xt%*%matx2 > invtxtx<-solve(xtx) > maty<-matrix(y,ncol=1,byrow=f) > xty<-t(matx2)%*%maty > reg1<-invxtx%*%xty perhitungan dengan modul lm > reg2<-lm(y~x) > reg2 > ypre=reg2$fit > residual=reg2$res > data.entry(x,y,ypre,residual) Hasil pengolahan data ditunjukkan pada tabel 4.2
5 35 Tabel 4.2 Hasil regresi dengan Metode Kuadrat Terkecil Biasa Keterangan : ypre menunjukkan y estimasi (Ŷ) residual menunjukkan selisih antara y dengan y estimasi Dengan menggunakan metode Kuadrat Terkecil Biasa diperoleh Persamaan regresi : Ŷ : x Nilai standar error : Korelasi antara nilai residual dengan y estimasi ditunjukkan oleh pada Gambar 4.2. Statement dalam R Language adalah : > library(graphics) > op<-par(mfrow=c(1,1),pty="s") > plot(ypre,residual) Dihasilkan dalam bentuk diagram pencar :
6 36 Gambar 4.2 Diagram Pencar Ŷ dengan residual Dari gambar terlihat bahwa residual tidak dipengaruhi oleh besarnya nilai y estimasi, dan nilai x Distribusi Pada Data Cell Statement R Language untuk memperoleh nilai distribusi : > library(graphics) > residual=reg2$res > plot(density(residual)) Hasil ditunjukkan pada gambar 4.3
7 37 Gambar 4.3 Bentuk Distribusi Data Cell Bentuk disribusi menunjukkan kurva normal yang mempunyai arti sebaran data berdistribusi normal Metode Kuadrat Median Terkecil Untuk Data Cell Pengolahan data dilanjutkan dengan penggunaan metode yang berbeda, yaitu dengan Metode Kuadrat Median Terkecil. Statement dalam R Language > library(bootstrap)
8 38 > data(cell) > x <- cell[, 1] > y <- cell[, 2] > library(lqs) > fred <- lmsreg(y ~ x ) > ypre<-fred$fit > residual<-fred$res > data.entry(x,y,ypre,residual) Hasil pengolahan ditunjukkan dengan tabel 4.3 Tabel 4.3 Hasil Regresi Dengan Metode Kuadrat Median Terkecil Keterangan : ypre adalah y estimasi (Ŷ) residual adalah selisih antara y dengan y estimasi Dengan menggunakan metode Kuadrat Median Terkecil didapat : Persamaan regresi : Ŷ = x
9 39 Nilai standar error : Diagram pencar antara y estimasi dan residual pada gambar 4.4 > library(graphics) > op<-par(mfrow=c(1,1),pty="s") > plot(ypre,residual) Gambar 4.4 Diagram pencar Ŷ Dengan Residual Distribusi Pada Data Cell Statement R Language untuk memperoleh nilai distribusi terhadap residual: > library(graphics)
10 40 > residual=fred$res > plot(density(residual)) Hasil ditunjukkan pada gambar 4.5 Gambar 4.5 Bentuk Distribusi Residual Dari Kuadrat Median Terkecil Persamaan regresi ditunjukkan pada gambar 4.6 > plot(x, y) > curve(predict(fred, data.frame(x = x)), add = TRUE)
11 41 Gambar 4.6 Garis Persamaan Regresi dari Metode Kuadrat Median Terkecil Metode Kuadrat Median Terkecil melakukan pencarian median kuadrat residu sehingga didapat standar error terkecil dengan melakukan perulangan, tampak pada gambar 4.7 Statement R Language yang digunakan adalah : > resid <- residuals(fred) > pred <- predict(fred) > n <- length(x) > nboot < > beta1.star <- double(nboot) > beta2.star <- double(nboot)
12 42 > for (i in 1:nboot) { + k.star <- sample(n, replace = TRUE) + y.star <- pred + resid[k.star] + sally <- lmsreg(y.star ~ x) + curve(predict(sally, data.frame(x = x)), + add = TRUE, col = "lightseagreen") + beta1.star[i] <- coefficients(sally)[2] + } > points(x, y, pch = 16) > curve(predict(fred, data.frame(x = x)), + add = TRUE, lwd = 2) Gambar 4.7 Grafik perulangan LMS regresi
13 Penyajian dan Analisis dari data yang dibangkitkan n=50 Data akan dibangkitkan dengan R Language. Statement yang digunakan adalah sebagai berikut: > library(stats) > n=50 > set.seed(12340) > p=15*runif(n) > set.seed(12341) > x=p+12*runif(n)+rnorm(n)+rcauchy(n) > set.seed(12342) > y=x+3*rnorm(n) > data.entry(x,y) Hasil pembangkitan data disajikan pada tabel 4.4 Tabel 4.4 Hasil pembangkitan sampel dengan n=50.
14 44. Keterangan : y menunjukkan variabel tidak bebas, x menunjukkan variabel bebas Diagram pencar dari x dan y adalah ditunjukkan oleh gambar 4.8 Gambar 4.8 Diagram Pencar x dan y
15 Metode Kuadrat Terkecil Biasa Untuk n=50 Selanjutnya dilakukan pengolahan data menggunakan metode Kuadrat Terkecil Biasa. Statement R Language yang digunakan adalah: > library(stats) > matx<-matrix(x,ncol=1) > matx2<-cbind(1,matx) > xt<-t(matx2) > xtx<-xt%*%matx2 > invtxtx<-solve(xtx) > maty<-matrix(y,ncol=1,byrow=f) > xty<-t(matx2)%*%maty > reg1<-invxtx%*%xty perhitungan dengan modul lm > l<-lm(y~x) > l > ypre=l$fit > residu=l$res > data.entry(x,y,ypre,residu)
16 46 Tabel 4.5 Hasil Pengolahan Dengan Metode Kuadrat Terkecil.. Keterangan : ypre menunjukkan y estimasi (Ŷ) residual menunjukkan selisih antara y dengan y estimasi Dengan menggunakan metode Kuadrat Terkecil Biasa diperoleh Persamaan regresi : Ŷ : x
17 47 Nilai standar error : Korelasi antara nilai residual dengan y estimasi ditunjukkan oleh pada Gambar 4.2. Statement dalam R Language adalah : > library(graphics) > op<-par(mfrow=c(1,1),pty="s") > plot(ypre,residu) Dihasilkan dalam bentuk diagram pencar : Gambar 4.9 Diagram Pencar Ŷ terhadap residu Distribusi Pada Sampel n=50 Statement R Language untuk memperoleh nilai distribusi terhadap residual:
18 48 > library(graphics) > residu=l$res > plot(density(residu)) Hasil ditunjukkan pada gambar 4.10 Gambar 4.10 Distribusi Data Dari Residu Kurva berbentuk lonceng, sehingga data berdistribusi normal Metode Kuadrat Median Terkecil Data Sampel Data kemudian diolah dengan penggunaan Metode Kuadrat Median Terkecil. Statement dalam R Language untuk metode Kuadrat Median Terkecil
19 49 > library(bootstrap) > data(cell) > library(lqs) > fred <- lmsreg(y ~ x ) > ypre<-fred$fit > residual<-fred$res > data.entry(x,y,ypre,residual) Hasil pengolahan ditunjukkan dengan tabel 4.6 Tabel 4.6 Hasil Estimasi Dengan Kuadrat Median Terkecil..
20 50 Keterangan : prde adalah y estimasi (Ŷ) resid adalah selisih antara y dengan y estimasi Dengan menggunakan metode Kuadrat Median Terkecil didapat : Persamaan regresi : Ŷ = x Nilai standar error : >plot(x,y) > for(i in 1:nboot){ k.star<-sample(n,replace=true) y.star<-pred+resid[k.star] sally<-lmsreg(y.star~x,nsamp= exact ) curve(predict(sally,data.frame(x=x)),add=true,col="lightseagreen") } > points(x, y, pch = 16) > curve(predict(fred, data.frame(x = x)),
21 51 + add = TRUE, lwd = 2) Gambar 4.11 Grafik perulangan Dalam LMS Penyajian Dan Analisis Pada Data Hawkins Data set Hawkins Bradu Kas (1984) terdiri dari 128 observasi dan 3 variabel bebas. Data ini memiliki banyak nilai outlier. >library(mass) >library(lqs) #data set Hawkins et al.(1984)
22 52 > y<c(8.88,12.18,5.75,11.75,10.52,10.57,1.70,5.31,8.51,1.21,3.36,8.26,10.14,-0.58,7.10,- 0.63,5.87,-0.25,-9.45,8.93,18.88,4.01,8.48,-0.16,7.26,1.69,-4.46,3.36,7.53,3.91,6.73,- 2.91,8.80,1.80,-2.40,6.25,15.60,1.06,9.99,2.10,1.63,5.84,-2.30,1.42,2.67,- 6.93,0.75,14.31,2.93,2.06,5.97,9.78,10.20,8.90,7.55,7.11,12.60,2.80,5.88,3.38,7.10,4.43,9.47,4.92,2.44,2.03,10.35,5.65,2.02,3.45,8.94,9.69,13.81,2.66,2.55,5.61,3.21,3.41,3.95,2.2 8,10.65,5.70,7.35,6.69,6.01,1.01,10.14,-2.33,4.05,-0.90,10.72,-2.72,-0.52,16.00,- 0.55,4.77,2.27,8.13,7.36,4.71,2.93,3.42,6.78,4.97,0.47,7.64,4.90,6.91,6.46,6.94,- 8.69,11.03,4.18,5.16,8.70,6.83,3.27,1.71,7.78,0.20,6.86,12.06,7.10,11.21,5.79,15.30,7.33, 7.76) > x1<c(-15,9,-3,-19,-3,11,11,-11,-3,9,-3,-9,5,-11,-3,7,9,11,-1,-7,1,-3,-11,13,-21,-1,1,- 1,5,7,3,15,5,-5,-13,7,-7,-1,-3,-9,-3,-9,7,7,-5,7,-3,-15,-5,3,3,-11,11,-15,-5,3,5,-9,5,-11,-9,- 3,11,17,-1,-15,13,3,-17,9,1,3,13,-7,3,9,17,13,15,1,-7,-9,-17,-9,21,9,-13,1,3,23,-1,-3,11,- 7,-13,-1,-5,-9,5,19,7,-1,-23,15,-7,17,1,11,1,5,-13,-17,-5,-11,-7,-5,9,17,3,15,-17,1,3,- 5,9,5,-11,3) > x2<c(2,18,16,8,-8,-16,-18,16,-6,6,-8,26,-6,8,18,-2,8,16,2,10,-2,-18,-26,0,0,-10,8,0,-18,0,16,- 2,-8,8,-2,-10,2,2,-18,-18,-16,-6,0,10,10,2,16,-8,-2,-18,6,18,18,-10,18,-16,-8,-8,-8,6,2,26,- 8,-16,0,0,2,-16,-16,10,10,16,-10,0,8,-2,18,-8,0,10,0,-8,-8,-8,0,-26,0,8,18,8,-8,-16,26,-2,8,- 10,8,-10,26,-8,0,-8,-8,8,-10,16,0,-6,0,2,10,-18,8,-18,0,6,8,8,18,10,16,-2,8,-26,8,-10,-16,- 26)
23 53 > x3<c(59,74,49,95,57,97,27,62,56,60,43,53,72,67,24,61,68,7,10,58,76,69,78,6,43,49,2,49,67, 68,77,1,97,1,7,94,89,28,92,94,7,11,1,1,93,38,16,96,23,68,89,88,73,80,84,80,98,19,79,21, 94,69,31,59,31,29,73,48,81,25,58,25,24,44,83,49,33,6,22,14,78,28,82,75,90,40,94,6,12,1, 61,30,2,53,23,57,14,91,95,67,9,5,58,97,18,8,23,87,58,76,9,89,70,81,82,98,25,9,86,11,59, 91,62,91,87,92,64,53) Hasil output data disajikan dalam table 4.1 : Tabel 4.7 tabel data Hawkins..
24 Matrix Korelasi data Hawkins Dari data Cell kemudian akan dilihat korelasi dalam bentuk matrik korelasi, untuk melihat apakah ada hubungan antar variabel. Matrik korelasi dalam R Language adalah : >library(base) > mat=matrix(c(x1,x2,x3),ncol=3) > round(cor(mat),4) Hasil pengolahan ditampilkan sebagai berikut: Dari matrik korelasi terlihat bahwa hubungan kedua variabel dalam data Cell cukup besar, nilai ini dianggap cukup besar sehingga disimpulkan adanya korelasi (multikolinieritas).
25 55 Untuk lebih jelas, data Cell kemudian data akan ditampilkan dalam bentuk scatter plot(diagram pencar). > op<-par(mfrow=c(1,3),pty="s") > plot(x1,x2) > plot(x1,x3) > plot(x2,x3) Hubungan antara variabel x ditunjukkan pada gambar 4.12 Gambar 4.12 Diagram pencar data Hawkins Metode Kuadrat Terkecil Biasa untuk Sampel Data Hawkins Dari data Hawkins, data kemudian diolah menggunakan metode Kuadrat Terkecil Biasa. Statement dalam R Language adalah sebagai berikut : > library(stats) > y<c(8.88,12.18,5.75,11.75,10.52,10.57,1.70,5.31,8.51,1.21,3.36,8.26,10.14,-0.58,7.10,- 0.63,5.87,-0.25,-9.45,8.93,18.88,4.01,8.48,-0.16,7.26,1.69,-4.46,3.36,7.53,3.91,6.73,- 2.91,8.80,1.80,-2.40,6.25,15.60,1.06,9.99,2.10,1.63,5.84,-2.30,1.42,2.67,-
26 ,0.75,14.31,2.93,2.06,5.97,9.78,10.20,8.90,7.55,7.11,12.60,2.80,5.88,3.38,7.10,4.43,9.47,4.92,2.44,2.03,10.35,5.65,2.02,3.45,8.94,9.69,13.81,2.66,2.55,5.61,3.21,3.41,3.95,2.2 8,10.65,5.70,7.35,6.69,6.01,1.01,10.14,-2.33,4.05,-0.90,10.72,-2.72,-0.52,16.00,- 0.55,4.77,2.27,8.13,7.36,4.71,2.93,3.42,6.78,4.97,0.47,7.64,4.90,6.91,6.46,6.94,- 8.69,11.03,4.18,5.16,8.70,6.83,3.27,1.71,7.78,0.20,6.86,12.06,7.10,11.21,5.79,15.30,7.33, 7.76) > x1<c(-15,9,-3,-19,-3,11,11,-11,-3,9,-3,-9,5,-11,-3,7,9,11,-1,-7,1,-3,-11,13,-21,-1,1,- 1,5,7,3,15,5,-5,-13,7,-7,-1,-3,-9,-3,-9,7,7,-5,7,-3,-15,-5,3,3,-11,11,-15,-5,3,5,-9,5,-11,-9,- 3,11,17,-1,-15,13,3,-17,9,1,3,13,-7,3,9,17,13,15,1,-7,-9,-17,-9,21,9,-13,1,3,23,-1,-3,11,- 7,-13,-1,-5,-9,5,19,7,-1,-23,15,-7,17,1,11,1,5,-13,-17,-5,-11,-7,-5,9,17,3,15,-17,1,3,- 5,9,5,-11,3) > x2<c(2,18,16,8,-8,-16,-18,16,-6,6,-8,26,-6,8,18,-2,8,16,2,10,-2,-18,-26,0,0,-10,8,0,-18,0,16,- 2,-8,8,-2,-10,2,2,-18,-18,-16,-6,0,10,10,2,16,-8,-2,-18,6,18,18,-10,18,-16,-8,-8,-8,6,2,26,- 8,-16,0,0,2,-16,-16,10,10,16,-10,0,8,-2,18,-8,0,10,0,-8,-8,-8,0,-26,0,8,18,8,-8,-16,26,-2,8,- 10,8,-10,26,-8,0,-8,-8,8,-10,16,0,-6,0,2,10,-18,8,-18,0,6,8,8,18,10,16,-2,8,-26,8,-10,-16,- 26) > x3<c(59,74,49,95,57,97,27,62,56,60,43,53,72,67,24,61,68,7,10,58,76,69,78,6,43,49,2,49,67, 68,77,1,97,1,7,94,89,28,92,94,7,11,1,1,93,38,16,96,23,68,89,88,73,80,84,80,98,19,79,21, 94,69,31,59,31,29,73,48,81,25,58,25,24,44,83,49,33,6,22,14,78,28,82,75,90,40,94,6,12,1,
27 57 61,30,2,53,23,57,14,91,95,67,9,5,58,97,18,8,23,87,58,76,9,89,70,81,82,98,25,9,86,11,59, 91,62,91,87,92,64,53) > x<-c(x1,x2,x3) > matx<-matrix(x,ncol=3) > matx2<-cbind(1,matx) > xt<-t(matx2) > xtx<-xt%*%matx2 > invtxtx<-solve(xtx) > maty<-matrix(y,ncol=1,byrow=f) > xty<-t(matx2)%*%maty > reg<-invxtx%*%xty perhitungan dengan modul lm > reg2<-lm(y~x1+x2+x3) > reg2 > ypre=reg2$fit > residual=reg2$res > data.entry(x1,x2,x3,y,ypre,residual) Hasil pengolahan data ditunjukkan pada tabel 4.8 Tabel 4.8 Hasil regresi dengan Metode Kuadrat Terkecil Biasa
28 58....
29 59 Keterangan : ypre menunjukkan y estimasi (Ŷ) residual menunjukkan selisih antara y dengan y estimasi Dengan menggunakan metode Kuadrat Terkecil Biasa diperoleh Persamaan regresi : Ŷ : Nilai standar error : Korelasi antara nilai residual dengan y estimasi ditunjukkan oleh pada Gambar Statement dalam R Language adalah : > library(graphics) > op<-par(mfrow=c(1,1),pty="s") > plot(ypre,residual) Dihasilkan dalam bentuk diagram pencar :
30 60 Gambar 4.13 Diagram Pencar Ŷ dengan residual Distribusi Pada Data Hawkins Statement R Language untuk memperoleh nilai distribusi : > library(graphics) > plot(density(residual)) Hasil ditunjukkan pada gambar 4.14
31 61 Gambar 4.14 Bentuk Distribusi Data Hawkins Bentuk disribusi menunjukkan sebaran data membentuk kurva normal artinya data berdistribusi normal atau tersebar normal Metode Kuadrat Median Terkecil Untuk Data Hawkins Pengolahan data dilanjutkan dengan penggunaan metode yang berbeda, yaitu dengan Metode Kuadrat Median Terkecil. Dalam metode Kuadrat Median Terkecil, pada regresi berganda estimasi yang dilakukan menghasilkan persamaan regresi yang berbeda pada setiap pengeksekusian. Dalam hal ini penulis menggunakan metode perulangan
32 62 dengan mencari standar deviasi yang lebih kecil dari metode Kuadrat Terkecil Biasa. Jika standar deviasi lebih kecil dari standar deviasi dari Kuadrat Terkecil Biasa maka nilai persamaan regresi dan residu disimpan. Statement dalam R Language adalah: fred <- lmsreg(y ~ x1+x2+x3) resid <- residuals(fred) pred <- predict(fred) n <- length(x1) nboot <- 100 for (i in 1:nboot) { k.star <- sample(n, replace = TRUE) y.star <- pred + resid[k.star] sally<- lmsreg(y.star ~ x1+x2+x3,nsamp="exact") sl<-sd(sally$res) lr<-sd(l$res) if(sl<lr) {reg<-sally$coef rsd<-sally$res } }
33 63 Persamaan regresi :Ŷ = x x x3 Nilai standar error : Nilai residu yang dihasilkan oleh Kuadrat Median Terkecil lebih baik dari Kuadrat Terkecil Biasa, akan tetapi metode Kuadrat Median Terkecil tidak stabil dan proses membutuhkan waktu lama. Hasil persamaan regresi dan standar error dapat dilihat pada tabel 4.9 dan Tabel 4.9 Hasil regresi untuk semua data
34 Tabel 4.10 Hasil standar error untuk semua data 64
BAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN Dalam bagian hasil dan pembahasan ini akan ditampilkan proses pengolahan data, dalam bentuk statement dalam R Language, diagram pencar, tabel-tabel dan grafik yang digunakan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
25 BAB 3 METODOLOGI PENELITIAN 3.1. Analisis Permasalahan Pada regresi berganda terdapat beberapa masalah yang dapat terjadi sehingga dapat menyebabkan estimasi koefisien regresi menjadi tidak stabil.
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Statistika Skripsi Sarjana Program Ganda Semester Genap 2005/2006 ANALISIS PERBANDINGAN MODEL REGRESI LINEAR DENGAN METODE KUADRAT TERKECIL BIASA
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi yang dilakukan dalam penelitian ini adalah : Riset kepustakaan Kepustakaan dilakukan dengan cara mengumpulkan informasi-informasi yang berhubungan
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan manusia. Perkembangan teknologi ini ditandai dengan ditemukannya banyak penemuan penemuan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Program studi Ganda Teknik Informatika-Statistika Skripsi Sarjana Komputer Sarjana Sains Semester ganjil 2005/2006
UNIVERSITAS BINA NUSANTARA Program studi Ganda Teknik Informatika-Statistika Skripsi Sarjana Komputer Sarjana Sains Semester ganjil 2005/2006 ANALISIS PERBANDINGAN MODEL REGRESI LINIER BERGANDA DENGAN
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciBAB 2 LANDASAN TEORI. satu variabel yang disebut variabel tak bebas (dependent variable), pada satu atau
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi pertama kali digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Gallon, istilah regresi pada mulanya bertujuan untuk membuat perkiraan
Lebih terperinciKomputasi Statistika dengan Software R
Komputasi Statistika dengan Software R Analisis Korelasi (Sesi 13) Zulhanif Analisis Korelasi Korelasi menyatakan keeratan hubungan antara suatu variabel dengan variabel lainnya. Korelasi dalam populasi
Lebih terperinciKorelasi Sederhana dan Normalitas Regresi. Aplikasi Komputer
Korelasi Sederhana dan Normalitas Regresi Aplikasi Komputer Koefisien Korelasi Koefisien korelasi adalah bilangan yang menyatakan kekuatan hubungan antara dua variabel atau lebih atau dapat digunakan untuk
Lebih terperinciBAB I PENDAHULUAN. hubungan ketergantungan variabel satu terhadap variabel lainnya. Apabila
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciBAB VI ANALISIS REGRESI LINEAR GANDA
BAB VI ANALISIS REGRESI LINEAR GANDA 1. Pendahuluan Analisis regresi merupakan suatu analisis antara dua variabel yaitu variabel independen (Prediktor) yaitu variabel X dan variabel dependent (Respon)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciBAB 2 LANDASAN TEORI
9 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja
Lebih terperinciReferensi : 1. Komputasi Statistik Dengan Software R, I Gede Nyoman Mindra, didi.staff.gunadarma.ac.id/downloads/files/13709/babv.
STATISTIKA DESKRIPTIF 2 Referensi : 1. Komputasi Statistik Dengan Software R, I Gede Nyoman Mindra, 2009 2. didi.staff.gunadarma.ac.id/downloads/files/13709/babv.pdf Ukuran Statistik 2.1 RATA RATA (MEAN)
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Data Hasil Penelitian 1. Uji Asumsi Klasik a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan bebasnya mempunyai
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi)
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Berdasarkan data jumlah kepala keluarga pada masing-masing perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah
Lebih terperinciANALISIS REGRESI LINIER SEDERHANA DENGAN METODE THEIL
ANALISIS REGRESI LINIER SEDERHANA DENGAN METODE THEIL SKRIPSI Oleh : Prayitno Amigoro NIM. J2E 004 242 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciPertemuan Ke-10. Teknik Analisis Regresi_M. Jainuri, M.Pd
Pertemuan Ke-0 Teknik Analisis Regresi_M Jainuri, MPd Pengertian Regresi Dalam kehidupan sehari-hari, kita dihadapkan dengan berbagai gejala yang meliputi bermacam variabel Sebagai misal : Berat badan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk mengetahui kondisi ekonomi suatu wilayah dalam suatu periode tertentu. Produk Domestik
Lebih terperinciAtina Ahdika. Universitas Islam Indonesia 2015
Atina Ahdika Universitas Islam Indonesia 2015 Pada materi sebelumnya, kita telah belajar tentang koefisien korelasi, yaitu suatu ukuran yang menyatakan tentang kuat tidaknya hubungan linier antara dua
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. belajar kimia SMA Negeri 1 Jogonalan Kabupaten Klaten.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Diskripsi Data Diskripsi hasil penelitian ini didasarkan pada skor dari kuesioner yang digunakan untuk mengetahui pengaruh motivasi dan iklim
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini mengungkapkan tentang faktor-faktor yang mempengaruhi
BAB III METODE PENELITIAN 3.1 Objek Penelitian Penelitian ini mengungkapkan tentang faktor-faktor yang mempengaruhi penawaran pada industri pengolahan tahu di Kecamatan Cikajang, Kabupaten Garut. Dalam
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. melalui kuesioner. Kuesioner yang disebar sebanyak 34 kuesioner, pekerjaan, dan tingkat pendidika terakhir.
BAB IV HASIL DAN PEMBAHASAN A. Analisis Karakteristik Responden Analisis karakteristik dalam penelitian ini digunakan untuk melihat gambaran secara umum karakteristik data responden yang telah dikumpulkan
Lebih terperinciBAB III METODE PENELITIAN. dilakukan dengan menggunakan metode tertentu. Menurut Sugiyono (2009:3),
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian merupakan rancangan bagaimana suatu penelitian dilakukan dengan menggunakan metode tertentu. Menurut Sugiyono (2009:3), Secara umum metode
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Deskripsi Data 4.1.1 Layanan Bimbingan Kelompok Data variabel Layanan Bimbingan Kelompok menunjukkan bahwa skor tertinggi adalah 120 dan skor terendah adalah
Lebih terperinciDAFTAR PUSTAKA. Beuemer, B.J.M Ilmu Bahan Logam Jilid I. Penerbit Bharatara, Jakarta.
DAFTAR PUSTAKA Amanto, Hari & Daryanto. 2003. ilmu Bahan. (Cetakan Kedua). Bumi Aksara, Jakarta. Beuemer, B.J.M. 1994. Ilmu Bahan Logam Jilid I. Penerbit Bharatara, Jakarta. Djaprie, Sriati. 1997. Teknologi
Lebih terperinciBAB 3 METODA PENELITIAN. industri penghasil bahan baku sektor pertambangan yang terdaftar di
BAB 3 METODA PENELITIAN 3.1 Jenis dan Sumber Data Peneliti memperoleh data penelitian ini yang terdapat pada sumber data historis berupa laporan keuangan perusahaan yang telah diaudit dengan benar serta
Lebih terperinciBAB III METODE PENELITIAN. Lokasi dari penelitian ini adalah CV.Nusaena Konveksi yang beralamat di
BAB III METODE PENELITIAN 3.1.Lokasi dan waktu penelitian Lokasi dari penelitian ini adalah CV.Nusaena Konveksi yang beralamat di Jalan Pembangunan Gg. Samoa No. 12 Rumbai - Pekanbaru. Penelitian ini di
Lebih terperinciBAB III METODOLOGI PENELITIAN
44 BAB III METODOLOGI PENELITIAN 3.1. Objek Penelitian Variabel penelitian adalah konsep yang mempunyai bermacam-macam nilai (Moh. Nazir, 2011: hlm. 123). Masih menurut Moh. Nazir (2011: hlm. 123) umumnya
Lebih terperinciBAB IV HASIL PENGUJIAN. dikumpulkan, dan pembahasan dari hasil penelitian data tersebut. Bagian yang akan
BAB IV HASIL PENGUJIAN 4.1 Hasil Penelitian Dalam bab ini diuraikan hal-hal yang berkaitan dengan data yang berhasil dikumpulkan, dan pembahasan dari hasil penelitian data tersebut. Bagian yang akan dibicarakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Visi, dan Misi di SMPIT AL-Kautsar Jepang Mejobo Kudus Setiap lembaga pendidikan pasti memiliki visi, misi, dan tujuan. Visi, misi, dan tujuan lembaga tersebut
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Deskripsi Hasil Penelitian Deskripsi Tentang Kepemimpinan Kepala Sekolah
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Deskripsi Hasil Penelitian 4.1.1 Deskripsi Tentang Kepemimpinan Kepala Sekolah Data yang dikumpulkan dari jawaban responden terhadap hasil sebaran angket penelitian
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 III METODE PENELITIAN. dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama -
36 BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh penguasaan konsep dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama - sama
Lebih terperinciBAB 2. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Jenis penelitian ini adalah field research (penelitian lapangan), yaitu melakukan penelitian di lapangan untuk memperoleh data atau informasi
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang
13 BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan
Lebih terperinciAnalisa Regresi Dua Variabel: Estimasi
Analisa Regresi Dua Variabel: Estimasi Tjipto Juwono, Ph.D. April 22, 2016 TJ (SU) Analisa Regresi Dua Variabel: Estimasi April 2016 1 / 26 PRF vs SRF Apa Perbedaan PRF dan SRF Population Regression Function
Lebih terperinciDESKRIPSI MATA KULIAH
DESKRIPSI MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah Kredit : Statistika dan Probabilitas : IF32225 : 3 SKS (3X45 menit) Deskripsi : Membahas mengenai cara-cara pengumpulan data, penganalisisan dan
Lebih terperinciRegresi Linier Sederhana dan Korelasi. Pertemuan ke 4
Regresi Linier Sederhana dan Korelasi Pertemuan ke 4 Pengertian Regresi merupakan teknik statistika yang digunakan untuk mempelajari hubungan fungsional dari satu atau beberapa variabel bebas (variabel
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 21 Regresi 211 Pengertian Persamaan Regresi Menurut Sir Francis Galton (1822-1911), persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai atau
Lebih terperinciIII. METODE PENELITIAN. tingkat harga umum, pendapatan riil, suku bunga, dan giro wajib minimum. Data
47 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yang terdiri dari satu variabel terikat yaitu Ekses Likuiditas dan empat variabel
Lebih terperinciANALISIS REGRESI DENGAN VARIABEL MODERATING
ANALISIS REGRESI DENGAN VARIABEL MODERATING JENIS-JENIS VARIABEL DALAM PENELITIAN Variabel Bebas Variabel yang mempengaruhi variabel tergantung. Variabel Tergantung Variabel yang besar kecilnya tergantung
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode adalah kerangka kerja untuk melakukan suatu tindakan, atau suatu kerangka berpikir untuk menyusun gagasan yang terarah dan terkait dengan maksud dan tujuan. Metode ilmiah
Lebih terperinciBAB 2 LANDASAN TEORI. regresi adalah sebuah teknik statistik untuk membuat model dan menyelediki
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan, dan hal tersebut biasanya diselidiki sifat hubungannya.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap
Lebih terperinciREGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak
REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Rita Rahmawati 1, Widiarti 2, Pepi Novianti 3 1) Program Studi Statistika FMIPA Undip 2) Sekolah Pascasarjana Departemen Statistika IPB 3) Jurusan Matematika
Lebih terperinciBAB 1 PENDAHULUAN. Indonesia, tujuan tersebut dikenal dengan nama trilogi pembangunan yaitu. pendapatan nasional maupun pendapatan per kapita.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Secara umum, setiap Negara ingin mencapai tiga tujuan kebijakan ekonomi. Di Indonesia, tujuan tersebut dikenal dengan nama trilogi pembangunan yaitu 1) Pertumbuhan
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA Model fungsi : Y = f (X) LAHIR = F (WUS) LAHIR, yaitu data jumlah kelahiran setahun lalu di sejumlah Kecamatan di Jateng WUS, yaitu data jumlah wanita usia subur di sejumlah Kecamatan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap Harga Saham Pada Perusahaan Perdagangan, Jasa Dan Investasi Di Daftar Efek Syariah
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Penelitian PT TELKOM merupakan salah satu perusahaan yang bergerak di bidang jasa telekomunikasi, termasuk jaringan internet. Sejalan dengan banyaknya
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciA. SOAL 1: UJI NORMALITAS DATA DG CHIR KUADRAT. Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan
009 A. SOAL : UJI NORMALITAS DATA DG CHIR KUADRAT Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil sebuah sampel secara acak berukuran 00. Dicatat dalam daftar distribusi frekwensi
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. 5.1 Karakteristik Responden Penelitian ini dilakukan dengan maksud untuk melihat kuat pengaruh
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1 Karakteristik Responden Penelitian ini dilakukan dengan maksud untuk melihat kuat pengaruh MSDM, motivasi terhadap kinerja Karyawan dengan melakukan penyebaran
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian yaitu di Kota Gorontalo. Penelitian ini dilaksanakan
22 BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Lokasi penelitian yaitu di Kota Gorontalo. Penelitian ini dilaksanakan dari bulan Maret 2013 sampai dengan selesai. Penelitian ini dilaksanakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN / Selanjutnya, sekolah ini beralamat di desa
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Singkat SMP Negeri 1 Suwawa SMP Negeri 1 Suwawa memiliki NSS/NPSN yakni; 201300401001/40500880. Selanjutnya, sekolah ini beralamat
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciBAB III METODOLOGI ANALISIS
BAB III METODOLOGI ANALISIS 3.1 Analisis Permasalahan Analisis metode bootsrap pada regresi logistik yang dibandingkan dengan regresi logistik biasa dapat dilakukan dengan cara menganalisis keakuratan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun
Lebih terperinciBAB III METODOLOGI PENELITIAN. Underwriting terhadap Laba Bersih. Dalam penelitian ini, yang menjadi obyek
BAB III METODOLOGI PENELITIAN A. Obyek Penelitian Penelitian ini menganalisa Pengaruh Hasil Investasi dan Pendapatan Underwriting terhadap Laba Bersih. Dalam penelitian ini, yang menjadi obyek penelitian
Lebih terperinciKORELASI LINIER BERGANDA
KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN Deskripsi Hasil Penelitian tentang Bimbingan Orang Tua
20 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Hasil Penelitian tentang Bimbingan Orang Tua Data yang dikumpulkan dari jawaban responden terhadap hasil sebaran angket penelitian
Lebih terperinciBOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R
BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R Joko Sungkono* Abstrak : Pada tulisan ini, algoritma metode bootstrap resampling observasi dipaparkan secara detail
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif dilakukan untuk mengetahui gambaran nilai variabel - variabel yang menjadi sampel. Adapun hasil perhitungan statistik deskriptif
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif dalam penelitian ini akan memberikan informasi mengenai variabel-variabel yang digunakan, seperti Profitabilitas, Debt to EquityRatio
Lebih terperinciKorelasi Linier Berganda
Korelasi Linier Berganda Analisa Korelasi Untuk mengukur "seberapa kuat" atau "derajat kedekatan yang terjadi antar variabel. Ingin mengetahui derajat kekuatan tersebut yang dinyatakan dalam koefisien
Lebih terperinciIII. METODE PENELITIAN. topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode
III. METODE PENELITIAN Metode penelitian merupakan pendekatan umum untuk membangun topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode penelitian merupakan sistem atas peraturan-peraturan
Lebih terperinciBAB 2 LANDASAN TEORI. bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut
Lebih terperinciBAB III METODE PENELITIAN. dalam periode tahun Data tersebut merupakan data laporan keuangan
BAB III METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif dan berupa data sekunder. Data tersebut dalam kategori data time series yang diambil
Lebih terperinciBAB IV ANALISIS HASIL
BAB IV ANALISIS HASIL Berikut ini merupakan pembahasan terhadap hasil olahan data dengan menggunakan SPSS versi 15. Peneliti melakukan pengolahan data terhadap122 sampel yang memenuhi kriteria penelitian.
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Textile dan Otomotif yang terdaftar di BEI periode tahun
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Analisa Penelitian ini menggunakan data skunder berupa laporan keuangan audit yang diperoleh dari website resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id.
Lebih terperinciIII. METODE PENELITIAN A.
III. METODE PENELITIAN A. Metode Dasar Penelitian Penelitian ini menggunakan metode descriptive analitis. Metode ini berkaitan dengan pengumpulan data yang berguna untuk memberikan gambaran atau penegasan
Lebih terperinciBAB 4 HASIL PENELITIAN
BAB 4 HASIL PENELITIAN 4.1 Karakteristik Responden Sebelum hasil penelitian disajikan, terlebih dahulu dengan sederhana dijelaskan karakteristik responden. Karakteristik responden meliputi jenis kelamin,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek dalam penelitian ini adalah Pemerintah Provinsi di Indonesia dan periode pengamatan untuk sampel yang di ambil adalah tahun 2011-2014.
Lebih terperinciBAB III METODE PENELITIAN. Dalam penelitian ini, metode pengumpulan data yang akan dilakukan untuk
19 BAB III METODE PENELITIAN 3.1 Teknik Pengumpulan Data Dalam penelitian ini, metode pengumpulan data yang akan dilakukan untuk memperoleh data sekunder terdiri dari laporan keuangan perusahaan sampel
Lebih terperinciBAB III METODE PENELITIAN. kerumitan. Variabel intervening dalam penelitian ini adalah sistem e-filling, sedangkan
BAB III METODE PENELITIAN 3.1 Variabel Penelitian dan Definisi Operasional Penelitian ini melibatkan lima variabel yang terdiri atas tiga variabel independen (bebas), satu variabel intervening dan satu
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilakukan di SMA Negeri 1 Mojolaban. Adapun alasan pemilihan tempat tersebut sebagai lokasi penelitian karena tingkat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Data Hasil Penelitian Sebagaimana telah dikemukakan pada bab-bab sebelumnya bahwa penelitian ini terdiri dari dua perangkat data, yakni 1) Data Pola
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Gambaran Umum Responden Sebagaimana yang sudah dijelaskan sebelumnya, bahwa responden yang menjadi subyek dalam penelitian ini adalah mahasiswa pada Universitas
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Pengkajian dan Analisis Data 1. Statistik Deskriptif Tabel 4.1 Hasil Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation DiscretionaryRevenue
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Penelitian ini dilakukan pada bulan Oktober 2014 Juli 2015 di Universitas Mercu Buana. Populasi dalam penelitian ini adalah perusahaan makanan
Lebih terperinciRegresi Linier Berganda
Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah
Lebih terperinciIV. HASIL PENELITIAN DAN PEMBAHASAN
IV. HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penelitian Pada bagian ini akan disajikan deskripsi data hasil penelitian terhadap variabelvariabel penelitian. Data hasil penelitian berupa skor yang diambil
Lebih terperinci