Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson."

Transkripsi

1 JURNAL SAINS DAN SENI IS Vol. 4, No., (5) (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da Purhad Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Isttut ekolog Sepuluh Nopember (IS) Jl. Aref Rahma akm, Surabaya 6 Idoesa e-mal: purhad@statstcs.ts.ac.d Abstrak IV sgkata dar uma Immuodefdecy Vrus. Vrus meyerag lmfost CD4 dar sstem kekebala tubuh. IV merupaka peyebab d balk feks AIDS, apabla IV tdak dtaggulag maka peyakt aka berkembag mejad AIDS. AIDS sgkata dar Acqured Immuodefdecy Sydrome. Sejak tahu 6 Idoesa sudah dkategorka sebaga egara dega tgkat peulara IV yag cukup tgg, da Provs Jawa mur merupaka salah satu datara 6 provs laya yag masuk daerah edem sela DKI Jakarta, Papua, Jawa Barat, Rau da Bal. Jumlah kasus IV da jumlah kasus AIDS merupaka dua hal yag salg berkorelas da termasuk perstwa yag dkategorka kedalam varabel dskrt da berdstrbus posso oleh karea tu peelta tetag jumlah kasus IV da AIDS telah bayak dlakuka dega regres posso. asl sgfkas parameter model Bvarate Posso Regresso dega tga buah la yag berbeda ( suatu kostata, suatu persamaa, da ol) meujukka bahwa semua varabel sgfka terhadap tga buah model tersebut. Varabel yag sgfka persetase ketersedaa saraa kesehata yag dba, persetase jama kesehata masyarakat msk, persetase peduduk yag medoorka darah, persetase peyuluha kesehata da persetase teaga kesehata masyarakat dbadgka jumlah peduduk yag ada d tap kabupate da kota. Model Bvarate Posso Regresso terbak yag dplh model kedua yatu model dega suatu persamaa karea memlk la AIC yag palg kecl. Kata Kuc Kasus IV, Kasus AIDS, Bvarate Posso Regresso M I. PENDAULUAN ILLENIUM Developmet Goals (MDGs) sebuah paradgma pembagua global yag ddeklaraska Koferes gkat gg Mlleum oleh 89 egara aggota Perserkata Bagsa Bagsa (PBB) d New York pada bula September tahu. MDGs meghaslka 8 tujua pokok yag harus tercapa d tahu 5, salah satuya memerag IV da AIDS[]. AIDS (Acqured Immue Defcecy Sydrome) salah satu peyakt yag termasuk kategor kros, yag mucul karea adaya feks yag dsebabka oleh masukya vrus yag dsebut IV (uma Immuodefcecy Vrus). Sejak tahu 6 Idoesa sudah dkategorka sebaga egara dega tgkat peulara IV yag cukup tgg, da Provs Jawa mur merupaka salah satu datara 6 provs laya yag masuk daerah edem sela DKI Jakarta, Papua, Jawa Barat, Rau da Bal[]. Sampa dega bula Desember tahu 3, kasus AIDS d Jawa mur sebayak 8.75 kasus, sedagka kasus IV mecapa.3 kasus. Berdasarka jumlah tersebut,.9 orag (6,3 %) d ataraya meggal dua[3]. Jumlah kasus IV da jumlah kasus AIDS d Provs Jawa mur berupa data cout da mempuya keterkata satu sama la, sehgga data dduga mempuya korelas yag tgg. Bvarate Posso Regresso (BPR) merupaka metode regres yag memodelka sepasag varabel respo dega betuk data cout (jumlah) yag meujukka la korelas tgg[4]. Peelta sebelumya yag megguaka metode Bvarate Posso Regresso [5]-[6] meghaslka kesmpula bahwa metode Bvarate Posso Regresso dapat meghaslka model terbak terhadap sepasag cout data yag berdstrbus posso da salg berkorelas. Berdasarka latar belakag yag telah djabarka, maka pada peelta kal aka dterapka pedekata Bvarate Posso Regresso utuk memodelka jumlah kasus IV da jumlah kasus AIDS d Provs Jawa mur tahu 3. ujua peelta utuk medapatka karakterstk jumlah kasus IV da jumlah kasus AIDS d Provs Jawa mur pada tahu 3 secara deskrptf, medapatka model dar Bvarate Posso Regresso terhadap jumlah kasus IV da jumlah kasus AIDS d Provs Jawa mur pada tahu 3. II. INJAUAN PUSAKA A. Statstka Deskrptf Pembuata statstka deskrptf dlakuka terhadap seluruh varabel peelta yag terdr atas varabel respo da varabel predktor. Berkut yag termasuk dalam ukura pemusata data mea da meda, sedagka yag termasuk dalam ukura peyebara data varas da stadar devas. B. Dstrbus Posso Dstrbus Posso merupaka suatu dstrbus yag dperguaka utuk perstwa yag memlk probabltas kejadaya kecl, dmaa kejada tersebut tergatug pada terval waktu tertetu atau dsuatu daerah tertetu dega hasl pegamata yag berupa varabel dskrt.

2 46 C. Dstrbus Posso Uvarat Fugs probabltas varabel radom dskrt yag berdstrbus posso dega parameter [7]. y e f( y) y! ; y =,,, 3,... () ; y yag la karakterstk dar dstrbus posso yatu mea da varas yag dhaslka mempuya karakter yag uk yatu. D. Dstrbus Posso Bvarat Msalka merupaka varabel radom yag berdstrbus posso dega parameter Kemuda dberka varabel radom sebaga berkut : Y X X Y X X Maka varabel radom secara bersama-sama berdstrbus posso bvarat dega fugs probabltas sebaga berkut: s yk y k k e ; y, y,,,... k yk! y k! k! f y, y, y, y yag la E. Uvarate Posso Regresso Model regres posso merupaka model stadar utuk data dskrt da termasuk dalam model regres ler. Model regres posso dega satu buah varabel respo dtulska sebaga berkut[8]. y ~ posso e x β (3) Dega rata-rata jumlah kejada yag terjad dalam terval waktu tertetu. x varabel predktor yag dotaska sebaga berkut : x x... xk x β parameter regres posso yag dotaska sebaga berkut : β... k Peaksra parameter utuk regres posso uvarat dlakuka megguaka metode Maxmum Lkelhood Estmato yatu memaksmumka fugs lkelhood. e L( β ) ( x β) e yx β ( e ) y! Betuk logartma dar fugs lkelhood sebaga berkut x β x β l L( β) e y l( y!) (5) utuk memaksmumka fugs l lkelhood dguaka teras umerk Newto Rhapso. Peguja secara seretak parameter model regres posso sebaga berkut: () (4) : k : palg sedkt ada satu l ; l =,,, k {,,, k l, l,,,, k} { } Statstk uj yag dguaka ˆ L( ˆ ) D( β) l ( ˆ L ) (6) ˆ ˆ x β e y ˆ e y x β Apabla ddapatka hasl D( βˆ ) (, k ) maka tolak sehgga lagkah selajutya yag dlakuka peguja parameter secara parsal. potessya : : l : l dega l =,,...k Dega statstk uj sebaga berkut ˆ l (7) se( ˆ ) l aka dtolak apabla la dar > dmaa α tgkat sgfkas yag dguaka. F. Bvarate Posso Regresso Bvarate Posso Regresso sebuah metode utuk memodelka sepasag cout data yag berdstrbus posso da memlk korelas dega beberapa varabel predktor. Model Bvarate Posso Regresso meurut [9] sepert pada persamaa: ( Y, Y ) ~ PB(,, ) (8) x β j j* j e ; j, erdapat tga buah model dega la yag berbedabeda, yatu sebaga berkut. a) Model pertama model dega la yag merupaka suatu kostata. b) Model kedua model dega la dmaa terdapat covarate d dalam la tersebut. Sehgga laya berupa suatu persamaa berkut exp( x x ) (9) k k c) Model ketga model dega la ol. Estmas parameter utuk Bvarate Posso Regresso megguaka metode Maxmum Lkelhood Estmato (MLE). Fugs lkelhood dapat dtulska sepert persamaa []. s yk yk k,, L e y k! y k! k! () k Utuk memaksmumka fugs l lkelhood, maka dguaka metode teras umerk Newto Rhapso. Peguja parameter model secara seretak dberka dega hpotess sebaga berkut. : ;, j j jk j : palg tdak ada satu ; j,; l,,... k Statstk uj megguaka devas dega rumus sebaga berkut.

3 JURNAL SAINS DAN SENI IS Vol. 4, No., (5) (3-98X Prt) D47 expx β expx β lw D( ˆ β ) () exp exp lw Apabla ddapatka hasl D( βˆ ) (, k) maka tolak. Selajutya dlakuka peguja parameter secara parsal dega perumusa peguja hpotessya : : : ; l,,... k Dega statstk uj sebaga berkut se( ) () aka dtolak apabla la > dmaa α tgkat sgfkas yag dguaka. G. Estmas Stadard Error Bootstrap Metode bootstrap dguaka jka pada proses estmas tersebut la parameterya yag dcar sagat sult utuk mecapa la yag koverge[]. Estmas stadar error sebaga berkut. B ˆ j ˆ(.) seb B j (3). Krtera Kebaka Model Akake Iformato Crtero (AIC) krtera kesesuaa model dalam megestmas model secara statstk. Perumusa AIC ddefska sebaga berkut[]. AIC l L( θ ˆ) k (4) Semak kecl la AIC maka model yag dhaslka semak bak. I. Uj Korelas da Multkoleartas Koefse korelas merupaka dkator dalam hubuga lear atara varabel[3]. Berkut koefse korelas utuk Y da Y sepert yag dtulska pada persamaa: Y Y Y Y ˆ Y, Y Y Y Y Y (5) Peguja korelas utuk varabel respo dlakuka dega hpotess sebaga berkut: : dak ada hubuga atara Y da Y : erdapat hubuga atara Y da Y Statstk uj yag dguaka : ˆ Y, Y t ht (6) ( ˆ ) YY, olak jka t ht t( /, ). Multkolertas kasus saat atar varabel predktor mempuya korelas yag tgg. Salah satu cara utuk medeteks adaya multkolertas dega melhat la Varace Iflato Factors (VIF). Bla VIF lebh dar megdkaska adaya multkolertas. J. IV da AIDS IV sgkata dar uma Immuodefdecy Vrus. Vrus meyerag lmfost CD4 yatu dar sstem kekebala tubuh. Gejala IV akut termasuk pembegkaka kelejar getah beg, peurua berat bada yag cepat, kehlaga afsu maka da la-la. AIDS sgkata dar Acqured Immuodefdecy Sydrome. Kods berkembag dar feks IV, jka pederta IV tdak mematuh pegobata sepert yag dsaraka dokter, IV aka berkembag mejad lebh cepat mejad AIDS[4]. III. MEODOLOGI PENELIIAN A. Sumber Data Data yag dguaka dalam peelta merupaka data sekuder. Data berasal dar Profl Kesehata Provs Jawa mur tahu 3 dega ut peelta kabupate da kota d Jawa mur. Jumlah pegamata sebayak 38 kabupate/kota yag terdr dar 9 kabupate da 9 kota. B. Keragka Kosep Berkut keragka kosep yag dguaka pada peelta. Akses Kesehata (Saraa kesehata, jamkesmas, peyuluha kesehata,jumlah teaga kesmas) IV AIDS Perlaku (door darah) Gambar. Keragka Kosep Peelta oleh L.Blum C. Varabel Peelta Varabel peelta yag dguaka dalam peelta terdr dar dua varabel respo (Y) yatu jumlah kasus IV da jumlah kasus AIDS. Sedagka varabel predktor (X) dplh sebayak 5 varabel. Varabel peelta tersebut dtabelka pada abel. Varabel abel. Varabel Peelta Keteraga Y Jumlah kasus IV Y Jumlah kasus AIDS X Persetase ketersedaa saraa kesehata yag dba d tap kabupate da kota d Jawa mur X Persetase jama kesehata masyarakat msk d tap kabupate da kota d Jawa mur X3 Persetase peduduk yag medoorka darah d tap kabupate da kota d Jawa mur X4 Persetase peyuluha kesehata d tap kabupate da kota d Jawa mur Persetase jumlah teaga kesehata masyarakat X5 terhadap jumlah peduduk d tap kabupate da kota d Jawa mur Semetara struktur data utuk varabel peelta dtujukka pada abel.

4 48 abel. Struktur Data Peelta Wlayah Y Y X X... X5 Y, Y, X, X,... X5, Y, Y, X, X,... X5, 3 Y,3 Y,3 X,3 X,3... X5,3 38 Y,38 Y,38 X,38 X,38... X5,38 D. Lagkah Aalss Lagkah aalss yag dlakuka pada peelta sebaga berkut:. Membuat statstka deskrptf utuk varabel respo da varabel predktor.. Meguj depedes utuk varabel respo. 3. Medeteks kasus multkoleartas dar varabel predktor dega krtera uj VIF. 4. Megestmas parameter model Bvarate Posso Regresso dega Maxmum Lkelhood Estmato (MLE) da selajutya mecar la stadard error dega metode bootstrap. 5. Melakuka peguja sgfkas parameter utuk Bvarate Posso Regresso. 6. Melakuka terpretas model. 7. Membadgka model terbak megguaka AIC. IV. ANALISIS DAN PEMBAASAN A. Deskrps Kasus IV da AIDS ahu 3 Varabel respo yag dguaka dalam peelta jumlah kasus IV da jumlah kasus AIDS. Berkut dsajka abel 3 yag bers gambara secara deskrptf dar dua varabel respo tersebut. abel 3. Statstka Deskrptf Varabel Respo Mea M Maks Varabel Varas (Kasus) (Kasus) (Kasus) IV, AIDS 48, Rata-rata jumlah kasus IV d Provs Jawa mur mecapa 3 kasus dega kasus terbayak berjumlah 78 d Kota Surabaya. Varabel IV yag berla ol ada sebayak 7 Kabupate/Kota semetara utuk AIDS ada sebayak 6 Kabupate/Kota. Jawa mur memlk rata-rata jumlah kasus AIDS sebayak 49 kasus. Kasus AIDS terbayak yatu mecapa 34 kasus d Kota Surabaya. Semetara la mmum d atara kedua varabel tersebut berla sama yatu, hal tu meujukka bahwa pada tahu 3 terdapat beberapa daerah yag tdak meyumbag jumlah kasus IV da AIDS. abel 4. Statstka Deskrptf Varabel Predktor Varabel Mea (%) Varas M (%) Maks (%) X 8,8 75,9 X 36,5 57,77,7 6,78 X3,65 5,996,5 X4,4,4,3 4,95 X5,589,4,,394 Berdasarka abel 4 tersebut dapat dlhat bahwa pada tahu 3 d Provs Jawa mur, persetase ketersedaa saraa kesehata yag dba pada masg-masg kabupate/kota ( memlk rata-rata sebesar 8,8% da varas sebesar 75,9 artya perbedaa pecapaa persetase ketersedaa saraa kesehata yag dba d masg-masg kabupate/kota cukup tgg. Gambar. Persebara Jumlah Kasus IV d Jawa mur ahu 3 Gambar 3. Persebara Jumlah Kasus AIDS d Jawa mur ahu 3 B. Peguja Korelas Varabel Respo Utuk melhat korelas atar varabel respo dapat dlhat dar derajat keerata hubuga atar varabel respo. Berdasarka la p-value sebesar, dega tgkat kepercayaa sebesar 95% dapat dyataka bahwa dtolak yag artya terdapat hubuga yag sgfka atara jumlah kasus IV da jumlah kasus AIDS. abel 5. Koefse Korelas Varabel Respo Jumlah Kasus Jumlah Kasus IV AIDS Jumlah Kasus IV,667 Jumlah Kasus AIDS,667 Berdasarka abel 5 dapat dlhat bahwa la derajat keerata hubuga atara varabel jumlah kasus IV da jumlah kasus AIDS berla,667, hal meujukka bahwa terdapat hubuga yag erat atara jumlah kasus IV da jumlah kasus AIDS.

5 JURNAL SAINS DAN SENI IS Vol. 4, No., (5) (3-98X Prt) D49 C. Pemerksaa Multkoleartas Varabel Predktor erdapat cara utuk megetahu adaya multkoleartas pada varabel predktor yag dguaka, yatu dega melhat la koefse korelas atar varabel predktor da la Varace Iflato Factor (VIF) pada masg-masg varabel predktor. abel 6. Nla Koefse Korelas Atar Varabel Predktor X X3 X4 X5 X X X3 X4,4 (,395) -,68 (,686) -, (,4) -,94 (,576) -,55 (,) -,34 (,84) -,56 (,),96 (,39),74 (,),9 (,76) Berdasarka abel 6 dapat dketahu bahwa terdapat beberapa koefse korelas yag memlk tada egatf, hal meujukka adaya suatu hubuga berkebalka atara dua varabel. Varabel X 3 memlk korelas postf yag cukup tgg dega varabel X 5. abel 7. Nla VIF Varabel Predktor Varabel Nla VIF X,66 X,56 X3,6 X4,63 X5,95 abel 7 mejelaska bahwa la VIF yag dmlk taptap varabel predktor tdak ada yag memlk la melebh agka, artya tdak terdapat kasus multkoleartas sehgga dapat dlakuka aalss lebh lajut. D. Pemodela Bvarate Posso Regresso Model pertama model dega la kostata, model kedua dega la persamaa da model ketga model dega la ol. Nla dar D( βˆ ) model pertama sebesar 78,868. Nla tersebut dbadgka dega la,.5 8,37. eryata la D( β ˆ), maka keputusa yag ddapatka tolak tabel. al tu berart palg tdak ada satu varabel yag berpegaruh terhadap model yag dhaslka. Par abel 8. Peaksra Parameter Model Pertama Kasus IV Estmas SE ( ) Kasus AIDS Estmas SE( ) 8,3 9, ,99* 6,958, ,3* -,84 7, ,7* -,53, ,58* -,679, ,5* -,4635 3, ,* 3,69 8, ,9*,6757,5. - 3,37* 4 -,346 3,8. - -,55* -,954, ,98* 5-94,87 4,496 -,9* -4,39 4,39-9,93* *) Sgfka dega taraf sgfkas 5% Berdasarka abel 8 dtujukka bahwa model kasus IV ( ) maupu model kasus AIDS ( ) memlk lebh dar.5 =,96 utuk semua varabel predktorya sehgga dapat djelaska bahwa semua varabel predktor berpegaruh sgfka terhadap varabel respo. Semetara peaksra parameter dar model pertama meghaslka la sebesar,8 dega 3,3 yag lebh dar.5 =,96 sehgga ddapatka keputusa tolak yag berart parameter tersebut berpegaruh sgfka. Model Bvarate Posso Regresso yag tersaj dapat dperlhatka pada persamaa berkut. ˆ * exp(8,3,84 X,679 X,69 X,346 X 94, ˆ * exp(6,958,53 X,4635 X,6757 X,954 X 4, ˆ exp(,8) Peaksra parameter model kedua dtujukka oleh abel 9 sedagka la yag dhaslka dtujukka oleh abel. Nla D( β ˆ) yag dhaslka 7348,5. Nla tersebut dbadgka dega la 5,.5 4,996. Nla ˆ D( β) hal tersebut meujukka bahwa mmal terdapat tabel satu varabel yag sgfka berpegaruh terhadap respo. Par abel 9. Peaksra Parameter Model Kedua Kasus IV Estmas SE( ) Kasus AIDS Estmas SE( ) 7,43,77 96,43* 4,667,538 8,39* -,687,65 -,4*,833, 3,77* -,563,83-3,8* -,3,33-3,97* 3,675,935 7,9* -,3667,78-4,7* 4 -,46,67-9,36* -,874,65-4,66* 5-96,33 4,3934 -,93* -57,63,579 -,5* *) Sgfka dega taraf sgfkas 5% Berdasarka abel 9 dapat dtujukka bahwa model kasus IV ( ) maupu model kasus AIDS ( ) memlk lebh dar.5 =,96 utuk semua varabel predktorya sehgga dapat djelaska bahwa semua varabel predktor berpegaruh sgfka terhadap varabel respo. abel. Peaksra Parameter dar Model Kedua Parameter Persamaa Estmas SE( ),55,858,39* -,49,4 -,6 -,5,5-7,36* 3,64,5,8 4-5,449,7655-7,* 5-7,4 8,5755 -,598 *) Sgfka dega taraf sgfkas 5% Berdasarka abel dapat dlhat bahwa pada model persamaa, tdak semua varabel berpegaruh sgfka. aya varabel persetase jama kesehata masyarakat msk ( da persetase peyuluha kesehata (X 4) yag

6 5 berpegaruh sgfka pada kovara atara jumlah kasus IV da AIDS. Model Bvarate Posso Regresso yag tersaj dapat dperlhatka pada persamaa berkut. ˆ * exp(7,43,687 X,563 X,675 X,46 X 96, ˆ * exp(4,667,833 X,3 X,3667 X,874 X 57, ˆ exp(,55,49 X,5 X,64 X3 5,449 X 4 7,4 X5) Peaksra parameter model ketga dega la ol dtujukka pada abel. Nla dar D( βˆ ) yag dhaslka sebesar 8,55. Nla tersebut dbadgka dega la,.5 8,37. eryata la D ˆ ( β ) tabel, maka keputusa yag ddapatka tolak. al berart palg tdak ada satu varabel yag berpegaruh terhadap model yag dhaslka. Par abel. Peaksra Parameter Model Ketga Kasus IV Estmas SE( ) Kasus AIDS Estmas SE( ) 7,79,735 6,37* 6,355,497 4,43* -,745,64 -,3* -,3793,6-3,6* -,595,635-36,3* -,363,7 -,64* 3,759,856,55*,9,793 6,85* 4 -,3589,493-4,* -,676,56 -,86* 5-98, 4,468-4,53* -54,,79-5,9* *) Sgfka dega taraf sgfkas 5% Berdasarka abel dtujukka bahwa model kasus IV ( ) maupu model kasus AIDS ( ) memlk lebh dar.5 =,96 utuk semua varabel predktorya sehgga dapat djelaska bahwa semua varabel predktor telah berpegaruh sgfka terhadap varabel respo. Model Bvarate Posso Regresso yag tersaj dapat dperlhatka pada persamaa berkut. ˆ * exp(7,79,745 X,595 X,759 X,3589 X 98, ˆ * exp(6,355,3793 X,363 X,9 X,676 X 54, E. Pemlha Model erbak Utuk medapatka model terbak yag dapat dterapka pada jumlah kasus IV da AIDS d Jawa mur dlakuka perbadga ketga model Bvarate Posso Regresso. Utuk melhat kebaka model, pada peelta megguaka krtera AIC yag dhaslka oleh setap model. abel 3. Perbadga Ketga Model Model AIC Model pertama 7846,868 Model kedua 7384,57 Model ketga 85,5497 abel 3 meujukka bahwa terdapat perbedaa la AIC yag dhaslka oleh model pertama, kedua da ketga. Semak kecl la AIC maka semak bak model yag tersebut. Nla AIC yag palg kecl dtujukka oleh model kedua yatu sebesar 7384,57. Sehgga pemodela jumlah kasus IV da AIDS lebh dsaraka megguaka model kedua yatu model dega la suatu persamaa. V. KESIMPULAN DAN SARAN Rata-rata jumlah kasus IV mecapa 3 kasus dega kasus terbayak berjumlah 78 kasus yatu d Kota Surabaya. Sedagka rata-rata jumlah kasus AIDS mecapa 49 kasus dega kasus terbayak berjumlah 34 kasus yatu d Kota Surabaya. asl sgfkas parameter model Bvarate Posso Regresso dega tga buah la yag berbeda meujukka bahwa semua varabel sgfka terhadap tga buah model tersebut. Model Bvarate Posso Regresso terbak yag dplh model kedua yatu model dega suatu persamaa karea memlk la AIC yag palg kecl. Utuk upaya meuruka jumlah kasus IV da AIDS, maka phak Das Kesehata Provs Jawa mur sebakya lebh meekaka utuk meambah jumlah saraa kesehata yag dba, jama kesehata masyarakat msk, peyuluha kesehata serta teaga kesehata masyarakat yag lebh berkualtas. Utuk peelta selajutya, sebakya peelt meambahka faktor-faktor la peyebab kasus IV da AIDS sehgga model yag dberka aka semak bak. DAFAR PUSAKA [] World ealth Orgazato. (5). MDG: ealth Ad he Mlleum Developmet Goals. Geeva: WO856. [] Das Kesehata Provs Jawa mur. (). Profl Kesehata Provs Jawa mur. Surabaya: Das Kesehata Provs Jawa mur [3] Das Kesehata Provs Jawa mur. (3). Profl Kesehata Provs Jawa mur. Surabaya: Das Kesehata Provs Jawa mur [4] Karls, D., & Ntzoufras, I. (5). Bvarate Posso ad Dagoal Iflated Bvarate Posso Regresso Models R. Joural of Statstcal Software, -36. [5] Rachmah, N. F. (4). Pemodela Jumlah Kemata Bay da Jumlah Kemata Ibu d Provs Jawa mur dega Megguaka Bvarate Posso Regresso. Surabaya: Program Sarjaa, Isttut ekolog Sepuluh Nopember [6] Prtasar, E. (3). Regres Bvarat Posso Dalam Pemodela jumlah Kemata Bay Da Jumlah Kemata Ibu d Provs Jawa mur. Surabaya: Program Sarjaa, Isttut ekolog Sepuluh Nopember [7] Camero, A. C., & rved, P. K. (998). Regresso Aalyss of Cout Data. Cambrdge: Cambrdge Uversty Press. [8] Myers, R., (99). Classcal ad Moder Regresso wth Applcatos Secod Edto. Bosto: PWS-KEN Publshg Compay. [9] Karls, D. (). Multvarate Posso Models. Avalable: ls.pdf. [] Jug, C. R. da Wkelma, R. (993). wo Aspect of Labor Moblty : A Bvarate Posso Regresso Approach. Joural Emprcal Ecoomcs, Vol 8, [] Efro, B. da R. bshra. (993). A Itroducto to the Bootstrap. New York: Captal Cty Press Chapma & all. [] Bozdoga,.. Akake's Iformato Crtero ad Recet Developmets Iformato Complexty, Mathematcal Psychology, 44, 6-9. [3] Draper, N., & Smth,. (99). Aalss Regres erapa. Jakarta: P Grameda Pustaka Utama. [4] Ratasar, N.. (3). Pemodela Faktor Yag Mempegaruh Jumlah IV Da AIDS d Provs Jawa mur Megguaka Regres Posso Bvarat. Surabaya: Program Sarjaa, Isttut ekolog Sepuluh Nopember.

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Semar Nasoal Statstka IX Isttut Tekolog Sepuluh Nopember, 7 November 009 PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Yayuk Lsta 1, Purhad

Lebih terperinci

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

PENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION

PENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION ESIS SS450 PENAKSIRAN PARAMEER DAN PENGUJIAN HIPOESIS MIXED GEOGRAPHICALLY WEIGHED BIVARIAE GENERALIZED POISSON REGRESSION (Stud Kasus: Jumlah Kemata Ibu da Bay d Provs Jaa mur ahu 05) ANNISA AYU UAMI

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMBENTUKAN MODEL PROBIT BIVARIAT PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Volume 1, Nomor 2, Desember 2007

Volume 1, Nomor 2, Desember 2007 Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION) PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt

Lebih terperinci

GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH

GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

Lebih terperinci

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung Peerapa Aalss Survval utuk Meaksr Waktu Bertaha Hdup bag Pederta Peyakt Jatug Oleh : Ya Hedrajaya (me_ye2@yahoo.co.d), Ad Setawa da Haa A. Parhusp Program Stud Matematka, Fakultas Sas da Matematka Uverstas

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

Mengatasi Overdispersi pada Model Regresi Poisson dengan Generalized Poisson Regression I

Mengatasi Overdispersi pada Model Regresi Poisson dengan Generalized Poisson Regression I Jural Ekspoesal Volume 2, Nomor 2, Nopember 2011 ISSN 2085-7829 Megatas Overdspers pada Model Regres Posso dega Geeralzed Posso Regresso I Hadlg Overdsperso o Posso Regresso Models wth Geeralzed Posso

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,

Lebih terperinci

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci