5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
|
|
- Harjanti Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel yang disebut dengan model aditif. Model aditif merupakan generalisasi dari model regresi linear berganda. Hastie & Tibshirani (1990) memperluas model aditif ini untuk keluarga eksponensial yang dikenal dengan model aditif terampat (Generalized Aditif Model/GAM). Pada model ini hubungan antara prediktor dan respon dapat bersifat parametrik maupun nonparametrik. Model aditif disebut sebagai model nonparametrik jika koefisien linier dalam persamaan model linier digantikan oleh suatu fungsi penghalus (Bashet & Bishop 2005) Satu di antara fungsi penghalus yakni fungsi spline kubik, fungsi ini dilengkapi dengan parameter penghalus (smoothing parameter) sering disebut dengan pemulusan kubik spline. Spline merupakan potongan polynomial (piecewise polynomial), yakni polinomial yang memiliki sifat tersegmen kontinu, sifat ini yang memberikan fleksibilitas lebih dari pada polinomial biasa, sehingga memungkinkan penyesuaian diri secara efektif terhadap karakteristik lokal dari fungsi atau data. Titik perpaduan bersama dari potongan-potongan tersebut merupakan titik yang menunjukkan terjadinya perubahan-perubahan bentuk dari fungsi spline pada interval yang berbeda disebut sebagai knot. Pada penelitian ini, dilakukan pengembangan model VARX dengan model aditif. Model Aditif Secara umum model regresi linier dinyatakan seperti berikut. (1)
2 54 dengan sebagai peubah respon; sebagai peubah prediktor; merupakan koefisien linier; dan sebagai galat. Analisis regresi merupakan teknik statistik yang paling luas pemakaiannya. Perkembangan model aditif begitu pesat dalam beberapa penelitian, beberapa di antaranya dikembangkan oleh Hastie & Tibshirani (1990). Model ini dianggap lebih fleksibel, model aditif merupakan generalisasi dari model regresi linear berganda. Model aditif (Additive Model), menurut Hastie dan Tibshirani (1990), merupakan generalisasi atau bentuk pengembangan dari model linier pada persamaan (1). Sama dengan model linier, model aditif juga diasumsikan menyebar normal dengan fungsi yang tidak harus linier. Prediktor pada model aditif disebut dengan prediktor aditif. Model aditif dapat dinyatakan seperti berikut. (2) dengan sebagai fungsi dari prediktor; dan sebagai galat. Menurut Bashet dan Bishop (2005), model aditif disebut sebagai model nonparametrik jika koefisien linier dalam persamaan (2) digantikan oleh penghalus. Dengan demikian model aditif dapat dinyatakan dalam bentuk, dengan, untuk sebagai fungsi penghalus (smooth function) menyatakan hubungan fungsional di antara peubah respon dengan peubah prediktor dan ε i merupakan galat acak. Model aditif dapat dikombinasikan sebagai model semiparametrik yang selanjutnya dinyatakan dengan, Pengembangan dari model tersebut untuk peubah prediktor lebih dari satu seperti pada regresi berganda ke bentuk yang fleksibel dan dikenal dengan
3 55 model aditif (Stone 1985). Jika dimiliki data, model aditifnya dapat didefinisikan seperti berikut. (3) dengan s j merupakan bentuk hubungan fungsional antara peubah respon dengan peubah prediktor x j, sedangkan ε bebas stokastik terhadap peubah bebas x j, dan memenuhi E(ε) = 0, cov (ε) = σ 2 I. Metode pendugaan yang terkenal dalam proses pendugaan s 0, s 1,, s p dari model regresi aditif pada persamaan (3) dengan suatu algoritma yang disebut sebagai algoritma backfitting. Algoritma Backfitting ( 0 ) ( 0 ) 1. Inisialisasi : f 0 E(Y ), f 1... fn 0,m 0 2. Iterasi : m m 1 untuk i 1,..., n R j ( m ) fi Y f0 E( R j n fi i 1 X j ) ( m ) ( X i ) 3. Ulangi langkah (2) sampai JKG Y f0 n ( m ) fi ( X i ) i 1 atau konvergen. Algoritma Backfitting juga disebut algoritma Gauss-Seidel. 2 tidak turun Pemulusan Spline Salah satu ukuran kecocokan data untuk suatu kurva jumlah kuadrat residunya adalah rata-rata Jika diberikan sembarang kurva tanpa pembatasan suatu bentuk fungsional tertentu, maka MSE bisa dibuat menjadi nol oleh sembarang yang menginterpolasi data. Kurva tersebut tidak unik dan menghasilkan kurva yang
4 56 kasar. Pendekatan pemulusan spline dapat digunakan untuk mengatasi permasalahan tersebut. Pemulusan spline merupakan penduga kurva regresi yg diperoleh dari penyelesaian optimasi kuadrat terkecil terpenalti dengan sebagai parameter pemulus. Salah satu pendekatan pada masalah pengepasan spline dilakukan dengan menggunakan knot di setiap titik. Penggunaan knot ini berpotensi mendapatkan pengepasan secara sempurna. Dugaan parameternya dapat dilakukan dengan meminimalkan jumlah kuadrat penaltinya (Rodriguez 2001). Teknik pemulusan pertama kali dikemukakan oleh Ezekiel pada tahun Pemulusan pada dasarnya merupakan suatu proses yang secara sistematik dapat menghilangkan pola data yang kasar (berfluktuasi). Pada pendugaan model aditif, proses pemulusan diperlukan untuk menduga fungsi peubah bebas tunggal. Pemulus (smoother) merupakan suatu alat untuk meringkas atau mereduksi kecenderungan (trend) peubah respon sebagai fungsi dari satu atau lebih peubah bebas (Hastie & Tibshirani 1990). Hastie dan Tibshirani (1990) mendefinisikan pemulus pencar (scatterplot smoother) seperti berikut. Misalkan merupakan pengamatan pada peubah bebas dan merupakan pengamatan pada peubah tak bebas. Diasumsikan data diurut berdasarkan x. Suatu pemulus pencar yakni pemulus yang mengambil nilai x dan y serta membentuk fungsi y ˆ gˆ( x). Jumlah pemulusan dikontrol dengan ukuran lingkungan atau jendela. Semakin besar lingkungan yang digunakan, akan semakin banyak proses pemulusan yang harus dilakukan. Ada berbagai macam teknik pemulusan, yang paling sering digunakan dalam GAM, di antaranya Kubik Spline.
5 57 Metode Penentuan model VAR dengan ordo 1 (VAR(1)) telah dibahas pada bab 4. Ordo tersebut dipergunakan untuk menyusun model VARX. Model VARX dengan ordo p dan eksogen q (VARX(p,q)) secara umum dinyatakan dengan merupakan vektor dari peubah endogen, vektor intercept, merupakan matriks, dan merupakan vektor dari peubah eksogen, merupakan vektor residual. Pemulusan spline dilakukan setelah model VARX ditambahkan dengan peubah indikator: musim hujan, musim kemarau, bulan lembab 1 dan bulan lembab 2. Secara lengkap peubah indikatornya dinyatakan pada Tabel 17. Tabel 17 Peubah kategorik musim hujan, kering dan transisi No Kategorik Peubah Indikator Keterangan 1 Musim hujan Desember, Januari-Maret 2 Bulan lembab April-Mei, bulan lembab ini merupakan bulan saat terjadi perubahan dari musim hujan ke musim kemarau 3 Musim Juni-September kemarau 4 Bulan lembab Oktober-November, bulan lembab ini merupakan bulan saat terjadi perubahan dari musim kemarau ke musim hujan Jika diambil sebagai peubah indikator dasarnya pada bulan lembab 1, maka susunan modelnya menjadi, dengan, vektor berukuran nx1 yang berisi n peubah endogen yang masuk dalam model pada waktu t dan t-i, i = 1,2,...p
6 58 p t vektor berukuran nx1 yang berisi n peubah eksogenyang masuk dalam model pada waktu t dan t-i, i = 1,2,...p vektor intersep berukuran nx1 matriks koefisien berukuran nxn untuk setiap i = 1,2,...p vektor sisaan berukuran nx1 yakni = ordo VAR = periode amatan ; ; dengan pengembangan fungsi spline, susunan model menjadi Hasil dan Pembahasan Hubungan antara curah hujan di stasiun Anjatan dengan curah hujan di stasiun lainnya dalam satu wilayah (wilayah1) satu periode waktu sebelumnya, dengan SST di kawasan Nino3.4, SOI dan DMI periode waktu sebelumnya mengindikasikan adanya hubungan nonlinier. Hal yang sama juga ditunjukkan untuk wilayah lainnya. Oleh karena itu, model pada beberapa persamaan di bab 6 dapat dikembangkan dengan menambahkan suatu fungsi nonlinier. Salah satu model yang dapat mengidentifikasi dan mengelompokkan fungsi nonlinier ini yakni model aditif. Aspek unik dari model aditif, bahwa fungsi nonparametriknya dapat diduga dengan menggunakan penghalus diagram pencar yang merupakan dasar dari algoritma model aditif.
7 59 Metode pemulusan yang dapat memberikan suatu hasil analisis numerik yang lebih baik yakni penghalus spline dengan algoritma backfitting (Hastie 1990). Selain itu, peubah indikator seperti yang diuraikan pada langkah penelitian ditambahkan dalam model aditif. Pengembangan pemodelan seperti ini dikatakan sebagai model aditif-varx. Proses pemulusan dengan spline untuk curah hujan di stasiun Salam Darma di masing-masing lagnya mempergunakan knot masing-masing, dengan 4 knot dan dengan 4 knot, masing-masing nilai GCV (generalized cross validation) sebesar 9.62 dan Akhirnya, diperoleh suatu model persamaan pendugaan curah hujan di stasiun Salam Darma ditunjukkan pada persamaan berikut. (4) dengan, dan merupakan peubah indikator yang menyatakan musim hujan musim kemarau, bulan lembab 2 (Okt-Nov, musim kemarau ke musim hujan) pendugaan parameternya ditunjukkan pada Tabel 18, yang menyatakan bahwa jika curah hujan terjadi pada bulan tertentu dan peubah indikatornya menyatakan musim hujan, lembab, dan kering, berturut-turut adanya indikator tersebut dapat menurunkan nilai curah hujan sebesar 6.56, 5.61, dan Tabel 18 Penduga parameter model aditif-varx curah hujan di stasiun Salam Darma Parameter Nilai Dugaan Galat Baku t hitung nilai-p Intercept <.0001 Indikator Basah Indikator Basah Indikator Kering Indikator Kering Transisi <.0001 Transisi Linear( ) <.0001 Linear( ) Linear
8 60 Seperti halnya pendugaan curah hujan di Salam Darma, proses pemulusan dengan Spline untuk pendugaan curah hujan di stasiun Gantar juga dilakukan, untuk keperluan tersebut dipergunakan beberapa knot yakni: sebanyak 4 knot, dan sebanyak 4 knot dan, dengan masing-masing nilai GCV sebesar 9.62 dan Akhirnya, diperoleh suatu model persamaan pendugaan curah hujan di stasiun Gantar seperti ditunjukkan pada persamaan berikut. (5) dengan, dan merupakan peubah indikator yang menyatakan musim hujan, musim kemarau, dan bulan lembab 2 (perpindahan dari musim kemarau ke musim hujan). hasil pendugaan parameter ditunjukkan pada Tabel 19. Tabel 19 menyatakan bahwa jika curah hujan terjadi pada bulan tertentu dan peubah indikatornya menyatakan musim hujan, kering, bulan lembab 2, berturut-turut akan menurunkan nilai curah hujan sebesar 3.90, 3.77, dan Tabel 19 Penduga parameter model aditif-varx curah hujan di stasiun Gantar Parameter Nilai Dugaan Galat Baku t hitung nilai-p Intercept Indikator Basah Indikator Basah Indikator Kering Indikator Kering Transisi Transisi Linear( ) Linear( Linear Tabel selengkapnya untuk dugaan parameter pada peubah indikatornya untuk curah hujan di stasiun Salam Darma dan stasiun Gantar, ditunjukkan pada Tabel 20.
9 61 Lokasi stasiun curah hujan Tabel 20 Penduga parameter peubah indikator Indikator Bln Basah ( ) Indikator Bln Kering ( ) Indikator Bln Transisi 2 Okt-Nov ( ) Nilai No Indikator koefisien 1 Slm Darma Basah Kering Transisi Gantar Basah Kering Transisi Gambar 23 menunjukkan tebaran galat prediksi curah hujan di stasiun Salam Darma dan Gantar, yang nampak terlihat bahwa keduanya menyebar acak, tidak menunjukkan pola tertentu. (a) (b) Gambar 23 Tebaran galat model curah hujan (a) stasiun Salam Darma (b) stasiun Gantar Tebaran yang menyatakan korelasi antara curah hujan di stasiun Salam Darma dan stasiun Gantar ditunjukkan pada Gambar 24, saat dilakukan validasi model, korelasi menunjukkan nilai yang hampir sama untuk pemodelannya yakni sebesar 0.72 dan 0.73, masing-masing untuk stasiun Salam Darma dan stasiun Gantar. Hal ini berarti bahwa model pada persamaan (2) dan (3) dapat dipergunakan untuk memberikan pendugaan curah hujan.
10 62 (a) (b) Gambar 24 Tebaran data aktual curah hujan dengan data pendugaan (a) Salam Darma (b) Gantar Tebaran galat prediksi curah hujan di stasiun Salam Darma dan Gantar ditunjukkan pada Gambar 25, nampak terlihat bahwa keduanya menyebar acak, tidak menunjukkan pola tertentu. (a) (b) Gambar 25 Tebaran galat model curah hujan (a) Salam Darma dan (b) Gantar Tebaran yang menyatakan korelasi antara curah hujan di stasiun Salam Darma dan stasiun Gantar ditunjukkan pada Gambar 26, saat dilakukan validasi model, korelasi menunjukkan nilai yang hampir sama untuk pemodelannya yakni sebesar 0.72 dan 0.73, masing-masing untuk stasiun Salam Darma dan stasiun Gantar. (a) (b) Gambar 26 Tebaran data aktual curah hujan dengan data pendugaan (a) stasiun Salam Darma (b) Stasiun Gantar
11 63 Simpulan Berdasarkan hasil penelitian, dapat ditentukan model curah hujan VARX dan model aditif-varx. Model VARX menghasilkan faktor-faktor dominan yang berpengaruh terhadap curah hujan di tiga pewilayahan curah hujan di Indramayu untuk wilayah 1 dipengaruhi oleh indeks osilasi selatan (SOI), untuk wilayah 2 dipengaruhi oleh indeks dipole mode (DMI) dan wilayah 3 dipengaruhi oleh SOI dan DMI. Dalam model ini, difokuskan pada model wilayah 2. Kebaikkan model diukur dari nilai korelasi dan RMSEP. Nilai korelasi model aditif-varx untuk masing-masing stasiun Salam Darma dan Gantar yakni 0.72 dan 0.73 dan nilai RMSEP dan Model aditif VARX memberikan nilai korelasi yang lebih tinggi dan galat yang lebih rendah daripada model VARX.
II. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)
II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah
Lebih terperinci4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) Pendahuluan Beberapa penelitian curah hujan dengan satu lokasi curah hujan (tunggal) dengan model ARIMA telah dilakukan, di antaranya oleh Mauluddiyanto (2008)
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dengan semakin majunya peradaban, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data ke dalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinci1 PENDAHULUAN Latar Belakang
1 PENDAHULUAN Latar Belakang Indonesia merupakan negara kepulauan dengan bentuk topografi yang sangat beragam, dilewati garis katulistiwa, diapit dua benua dan dua samudera. Posisi ini menjadikan Indonesia
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinciBAB I PENDAHULUAN. bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi.
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi telah diterapkan pada berbagai bidang, seperti administrasi bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi. Keberhasilan dalam
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.
PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin majunya peradaban zaman, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data kedalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
Lebih terperinciBAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis dalam statistika yang dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau variabel bebas X dengan
Lebih terperinciTINJAUAN PUSTAKA. Tingkat Penerimaan Masyarakat terhadap Bank Syariah
4 TINJAUAN PUSTAKA Pangsa Pasar Menurut Undang-Undang Republik Indonesia No. 5 Tahun 2009 Tentang Larangan Praktik Monopoli dan Persaingan Usaha Tidak Sehat, pangsa pasar adalah persentase nilai jual atau
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
Lebih terperinciTINJAUAN PUSTAKA. Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Dalam ilmu statistika, metode yang dapat digunakan untuk menganalisis pola hubungan antara satu variabel atau lebih dengan satu variabel atau lebih lainnya
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN Amalia Ma rufa, Sri Subanti, Titin Sri Martini Program Studi Matematika FMIPA UNS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian tentang hubungan diantara fenomena-fenomena real merupakan dasar dari tujuan sains dan memainkan peranan penting dalam kehidupan seharihari. Saat ini analisis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kota Medan merupakan ibukota Provinsi Sumatera Utara dan menjadi kota terbesar nomor 3 (tiga) di Indonesia setelah Jakarta dan Surabaya. Selain sebagai kota
Lebih terperinci6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM
6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM 6.1 Pendahuluan Model regresi SD dinyatakan y = f(x) ε dimana y adalah peubah respon (curah hujan observasi, beresolusi
Lebih terperinciREGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS
REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS Dhina Oktaviana P, I Nyoman Budiantara Mahasiswa Jurusan Statistika ITS Surabaya, Dosen Jurusan Statistika ITS Surabaya
Lebih terperinciANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE
ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE SKRIPSI Oleh : ALVITA RACHMA DEVI 24010210120017 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan sering dipandang sebagai seni dan ilmu dalam memprediksikan kejadian yang mungkin dihadapi pada masa yang akan datang. Secara teoritis peramalan
Lebih terperinciDepartemen Geofisika dan Metereologi FMIPA Institut Teknologi Bandung
Bionatura-Jurnal Ilmu-ilmu Hayati dan Fisik ISSN 1411-0903 Vol. 15, No. 2, Juli 2013: 71-78 MODEL Additive-Vector Autoregressive EXOGENOUS UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN INDRAMAYU Saputro, D.R.S
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciPERBANDINGAN MODEL ADITIF TERAMPAT DAN REGRESI SPLINE ADAPTIF BERGANDA
PERBANDINGAN MODEL ADITIF TERAMPAT DAN REGRESI SPLINE ADAPTIF BERGANDA (Studi kasus: Pemodelan Indeks Prestasi Kumulatif Mahasiswa IPB dan STAIN Purwokerto) MARIA ULPAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciPENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1
PENENTUAN MODEL REGRESI SPLINE TERBAIK Agustini Tripena 1 1) Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Pada paper ini
Lebih terperinciOleh : Edwin Erifiandi (NRP ) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi
Oleh : Edwin Erifiandi (NRP. 1309 201 701) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi PENDAHULUAN Latar Belakang (1) () Salah satu metode statistika untuk memodelkan hubungan antar variabel adalah
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciPemodelan Spline Truncated dalam Regresi Nonparametrik Birespon
Konferensi Nasional Sistem & Informatika 7 STMIK STIKOM Bali, Agustus 7 Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Luh Putu Safitri Pratiwi Program Studi Sistem Informasi STMIK STIKOM
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Definisi Belajar Menurut Dalyono (2007), ada beberapa definisi belajar dari para ahli, antara lain, yaitu: a) Witherington, dalam buku educational psychology mengemukakan:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinci6 EVALUASI SKILL MODEL
6 EVALUASI SKILL MODEL Pendahuluan Evaluasi model selain dilakukan dengan mengetahui nilai korelasi dan nilai RMSEP juga dilakukan dengan Relative Operating Characteristics (ROC). ROC merupakan metode
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 223-231 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMILIHAN MODEL REGRESI POLINOMIAL LOKAL DAN SPLINE UNTUK ANALISIS
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
Lebih terperinciMODEL ADITIF TERAMPAT VEKTOR DENGAN KOMPONEN UTAMA UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (STUDI KASUS: INDRAMAYU) EKA PUTRI NUR UTAMI
MODEL ADITIF TERAMPAT VEKTOR DENGAN KOMPONEN UTAMA UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (STUDI KASUS: INDRAMAYU) EKA PUTRI NUR UTAMI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciPREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL
PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL Firmanti Suryandari, Sri Subanti, Bowo Winarno Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi merupakan proses meningkatnya
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
5 II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan
Lebih terperinciPEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL
PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL Alan Prahutama, Suparti, Departemen Statistika, Fakultas Sains dan Matematika,Universitas
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciESTIMATOR SPLINE KUBIK
Bimafika, 011, 3, 30-34 ESTIMATOR SPLINE KUBIK Johannis Takaria * Staff Pengajar Fakultas Keguruan Dan Ilmu Pendidikan Universitas Pattimura Ambon Diterima 10-1-010; Terbit 31-06-011 ABSTRACT Consider
Lebih terperinciHASIL DAN PEMBAHASAN
19 HASIL DAN PEMBAHASAN Koreksi Pencaran Multiplikatif Data persen transmitan diperoleh dari pengukuran dengan menggunakan FTIR pada 1866 bilangan gelombang yang berkisar antara 4000 400 cm -1. Grafik
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penggunaan ilmu statistika sebagai alat bantu dalam pengambilan keputusan semakin tidak terelakkan lagi, banyak bidang keilmuan yang tidak terpisahkan dari
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE
ESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE Dian Ragil P.. Abstrak Model varying-coefficient pada data longitudinal akan dikaji dalam proposal ini. Hubungan antara variabel
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Deskripsi Data
BAB IV PEMBAHASAN Pada bab ini diberikan deskripsi data, diagram pencar data, titik knot optimal, model regresi nonparametrik spline, pengujian parameter, dan pengujian sisaan. Selanjutnya regresi nonparametrik
Lebih terperinciSEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.
16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari
Lebih terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR
UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip
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 terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciMODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK
BAB III METODE PEMULUSAN EKSPONENSIAL HOLT-WINTER DAN METODE DEKOMPOSISI KLASIK 3.1 Metode Pemulusan Eksponensial Holt-Winter Metode rata-rata bergerak dan pemulusan Eksponensial dapat digunakan untuk
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan
Lebih terperinciPEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)
PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan) I Made Budiantara Putra 1, I Gusti Ayu Made Srinadi 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE
PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE SKRIPSI Disusun Oleh : ANISA SEPTI RAHMAWATI 24010212140046 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (respon) dengan satu atau lebih variabel independen (variabel penjelas), dengan
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 603-612 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciPENDAHULUAN. Latar Belakang. Tujuan Penelitian
PENDAHULUAN Latar Belakang Fungsi Cobb-Douglas dengan galat aditif merupakan salah satu fungsi produksi yang dapat digunakan untuk menganalisis hubungan antara hasil produksi dan faktor-faktor produksi.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Peramalan Peramalan (forecasting) merupakan upaya memperkirakan apa yang terjadi pada masa yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan (guess),
Lebih terperinciV. PENYUSUNAN MODEL PREDIKSI CURAH HUJAN BERDASARKAN FENOMENA ENSO DAN IOD UNTUK MENENTUKAN RENCANA TANAM
V. PENYUSUNAN MODEL PREDIKSI CURAH HUJAN BERDASARKAN FENOMENA ENSO DAN IOD UNTUK MENENTUKAN RENCANA TANAM 5.1. Pendahuluan Curah hujan merupakan salah satu unsur iklim yang mempunyai variabilitas dan fluktuasi
Lebih terperinciABSTRAK. Kata Kunci: regresi nonparametrik spline, knot, GCV, angka kematian bayi.
Judul : Pemodelan Regresi Nonparametrik Spline Pada Angka Kematian Bayi di Provinsi Bali Nama : Gede Abdi Hadi Suryawan Pembimbing : 1. I.Gst. Ayu Made Srinadi, S.Si.,M.Si. 2. I Wayan Sumarjaya, S.Si.,M.Stats.
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan terjadi
BAB 2 TINJAUAN TEORITIS 2.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Ramalan adalah situasi dan kondisi yang diperkirakan akan
Lebih terperinciBAB I PENDAHULUAN. Daerah daratan adalah daerah yang terletak di atas dan di bawah
BAB I PENDAHULUAN 1.1 Latar Belakang Daerah daratan adalah daerah yang terletak di atas dan di bawah permukaan daratan dimulai dari batas garis pasang tertinggi. Daerah lautan adalah daerah yang terletak
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinci3 PEWILAYAHAN CURAH HUJAN
3 PEWILAYAHAN CURAH HUJAN Pendahuluan Daerah prakiraan musim (DPM) merupakan daerah dengan tipe hujan yang memiliki perbedaan yang jelas antara periode musim kemarau dan musim hujan berdasarkan pola hujan
Lebih terperinciBAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat
BAB III Model Regresi Linear 2-Level Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat linear. Untuk data berstruktur hirarki 2 tingkat, analisis regresi yang dapat digunakan adalah
Lebih terperinciPENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 121 126. PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK Yuyun
Lebih terperinciTINJAUAN PUSTAKA. Hujan dan Curah Hujan
4 TINJAUAN PUSTAKA Hujan dan Curah Hujan Hujan adalah jatuhnya hydrometeor yang berupa partikel-partikel air dengan diameter 0.5 mm atau lebih. Hujan juga dapat didefinisikan dengan uap yang mengkondensasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. mendapatkan model dan faktor-faktornya, terlebih dahulu akan dibahas. bagaimana mendapatkan sampel dalam penelitian ini.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan hasil dari penelitian yang meliputi model terbaik dari indeks prestasi kumulatif mahasiswa dan faktor-faktor apa saja yang berpengaruh terhadap
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciPEMBAHASAN ... (3) RMSE =
7 kemampuan untuk mengikuti variasi hujan permukaan. Keterandalan model dapat dilihat dari beberapa parameter, antara lain : Koefisien korelasi Korelasi dinyatakan dengan suatu koefisien yang menunjukkan
Lebih terperinciPEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN
SIDANG LAPORAN TUGAS AKHIR PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN Oleh : Servianie Purnamasari (1310 030
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinci7. PEMBAHASAN UMUM 7.1. Penentuan Domain
7. PEMBAHASAN UMUM Pembahasan ini merupakan rangkuman dari hasil bahasan dan kajian dalam Bab 2, 3, 4, 5, dan 6 sebelumnya. Secara umum pembahasan meliputi perkembangan metode-metode peramalan untuk SD
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab II dalam penelitian ini terdiri atas analisis regresi, deret Fourier, FDA, estimasi parameter pada analisis data dan estimasi parameter pada roughness penalty. 2. Analisis Regresi
Lebih terperinciBAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data
BAB III MODEL REGRESI DATA PANEL Pada bab ini akan dikemukakan dua pendekatan dari model regresi data panel, yaitu pendekatan fixed effect dan pendekatan random effect yang merupakan ide pokok dari tugas
Lebih terperinciAPLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
E-Jurnal Matematika Vol 6 (1), Januari 2017, pp 65-73 ISSN: 2303-1751 APLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN REGRESI PENALIZED SPLINE BERBASIS RADIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 533-541 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN
Lebih terperinciDAFTAR PUSTAKA. Qu P, Yandell B A local polynomial jump-detection algorithm in nonparametric regression. Technometxics 40:
DAFTAR PUSTAKA Guthery SB. 1974. Partition regression. J Amer Statist Assoc 69:945-947. Wdle W, Hall P, Marron S. 1988. How far are the optimally chosen smoothing parameters &om their optimum?. J Amer
Lebih terperinci