SEMINAR HASIL TESIS. Disusun oleh : EKO WIYONO NRP : DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si.
|
|
- Yuliana Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SEMINAR HASIL TESIS Disusun oleh : EKO WIYONO NRP : 39 7 DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si. PROGRAM MAGISTER JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA LATAR BELAKANG Kesejahteraan dan kemiskinan di Indonesia Generalized Cross Validation Penelitian sebelumnya:. Faturockhman dan Molo (995) Karakteristik rumah tangga miskin di Jogjakarta. Rahmawati (999) kesempatan keria penduduk miskin di Jakarta 3. BPS &Word Bank Institute () dasar dasar kemiskinan 4. Gornner, dkk (5) kemiskinan dan kesejahteraan rumah tangga 5. Suryadarma, (5) suatu obyektif kesejahteraan rumah tangga untuk penargetan kemiskinan Multivariate Adaptive Regression Spline Metode nonparametrik SUSENAS Model Kesejahteraan Rumah Tangga di Provinsi Jawa Tengah
2 PERUMUSAN MASALAH. Bagaimana mendapatkanmodel KesejahteraanRumahTangga di Jawa Tengah menggunakan pendekatan Multivariate Adaptive Regression Spline dengan kriteria Generalized Cross Validation?. Variabel variabel apa saja yang mempengaruhi kesejahteraan rumah tangga di Provinsi Jawa Tengah? 3. Bagaimana interprestasi dari model yang diperoleh? TUJUAN PENELITIAN. Mendapatkan model Kesejahteraan Rumah TanggadiJawa Tengah menggunakan pendekatan Multivariate Adaptive Regression Spline dengan kriteria Generalized Cross Validation. Memperoleh Variabel variabel yang mempengaruhi kesejahteraan rumah tangga di Provinsi Jawa Tengah 3. Dapat menginterprestasikan model yang diperoleh dengan baik 3
3 BATASAN MASALAH. Objek penelitian dibatasi untuk pemodelan kesejahteraan rumah tangga di provinsi Jawa Tengah dengan menggunakan data hasil pendataan (SUSENAS 8).. Variabel variabel yang digunakan hanya variabel variabel yang terdapat tpada SurveiSosial lekonomi Nasional l(susenas) untuk Jawa Tengah tahun 8. 4 TINJAUAN PUSTAKA () Multivariate Adaptive Regression Spline (MARS) MARS adalah prosedur regresi nonparametrik yang tidak membuat asumsi tentang hubungan fungsional yang mendasari antara variabel dependen dan independen. MARS difokuskan untuk mengatasi masalah data yang memiliki dimensi tinggi dan diskontinuitas. Selain itu, MARS merupakan pengembangan dari pendekatan Recursive Partition Regression (RPR) yang masih memiliki kelemahan dimana model yang dihasilkan tidak kontinu pada knot. Beberapa perbaikan yang dilakukan untuk mengatasi keterbatasan RPR, antara lain menghasilkan fungsi basis menjadi : K m ( q) m = km v( k, m) km k = q B ( x) [ S.( x t )] + 5 3
4 TINJAUAN PUSTAKA () MARS ( Lanjutan..) Setelah dilakukan modifikasi model RPR, diperoleh model MARS sebagai berikut (Friedman, 99). M K m fˆ ( x ) = a + a [ S ( x t )] m km v ( k, m ) km m = k = dimana : a = fungsi basis induk a = koefisien dari fungsi basis ke - m m M = maksimum fungsi basis K m = derajat interaksi S = nilainya atau - jika data berada di sebelah kanan titik knot atau kiri titik knot km x = variabel prediktor v( k, m) t km = nilai knotsdari varaibelprediktor x v(k, m) 6 TINJAUAN PUSTAKA (3) MARS ( Lanjutan..) Pemilihan model terbaik didasarkan pada nilai GCV (Generalized Cross Validation) (Friedman dan Silverman, 989). Fungsi GCV minimum adalah sebagai berikut. dimana: ( ) M n [ y ˆ i fm ( xi)] ASR n i = LOF ( f M ) = GCV ( M ) = = C( Mˆ ) C( Mˆ ) n n f x = taksiran/prediksi x i y i LOF C(M) i = variabel independen/prediktor = variabel dependen/respon = Loss of Function = trace [B(B T B) - B T ]+ adalah banyaknya parameter yang diestimasi 7 4
5 SUMBER DATA Sumber data dalam penelitian ini adalah data sekunder yang diperoleh hasil pendataan Survei Sosial Ekonomi Nasional (SUSENAS) Provinsi Jawa Tengah Tahun 8 Susenas adalah survey yang dirancang untuk mengumpulkan data sosial kependudukan yang cakupannya sangat luas. Data yang dikumpulkan antara lain menyangkut bidang pendidikan, kesehatan/gizi, perumahan, sosial ekonomi lainnya, kegiatan social budaya, konsumsi/pengeluaran dan pendapatan rumah tangga, perjalanan dan pendapat masyarakat mengenai kesejahteraan rumah tangga. 8 VARIABEL PENELITIAN Variabel respon yang digunakan dalam penelitian ini adalah pengeluaran rumah tangga, yang mencakup seluruh pengeluaran rumah tangga untuk konsumsi makanan maupun bukan makanan Variabel Prediktor yang digunakan dalam penelitian ini, yang diduga mempengaruhi kesejahteraan rumah tangga di Provinsi Jawa Tengah adalah : X : Jenis Kelamin kepala rumah tangga X : Umur kepala rumah tangga, X 3 : Status perkawinan kepala rumah tangga, X 4 : Ijazah tertinggiti i yang dimilikiiliki kepalarumah tangga X 5 : Jumlah anggota rumah tangga, X 6 : Kegiatan utama kepala rumah tangga, X 7 : Lapangan usaha utama kepala rumah tangga X 8 : Status dalam pekerjaan utama kepala rumah tangga. 9 5
6 METODE PENELITIAN Untuk mendapatkan model kesejahteraan rumah tangga di Provinsi Jawa Tengah menggunakan pendekatan Multivariate Adaptive Regression Spline dengan kriteria Generalized Cross Validation dilakukan langkah langkah sebagai berikut :. Mendefinisikan variabel yang digunakan dalam penelitian. Melakukan plot data secara parsial antara variabel respon dengan variabel prediktor 3. Menentukan jumlah fungsi basis. Dalam penelitian ini, penulis menentukan fungsi basis 6, 4, 3, sesuai yang disarankan oleh friedman (99) yaitu batas fungsi basis antara 4 kali banyaknya jumlah prediktor. 4. Menentukan maksimum interaksi (MI). Maksimum interaksi yang digunakan yaitu, dan 3 (Friedman,99). 5. Menentukan minimum observasi (MO). Minimum observasi yang digunakan adalah dan. 6. Mendapatkan GCV minimum. GCV minimum diperoleh melalui trial and error dengan mengkombinasikan fungsi basis, maksimum interaksi dan minimum observasi. 7. Menentukan model terbaik. Penentuan model terbaik didasarkan oleh GCV minimum VARIABEL PENELITIAN DEFINISI OPERASIONAL VAARIABEL YANG DIGUNAKAN Pengeluaran rumah tangga, adalah uang yang dikeluarkan rumah tangga untuk mencukupi konsumsi rumah tangga selama satu bulan, baik untuk keperluan makanan maupun non makanan. Jenis kelamin adalah kondisi biologis yang membedakan seseorang untuk dimasukan ke dalam jenis laki laki atau perempuan. Umur adalah lama hidup yang telah dijalani oleh seseorang dan dihitung berdasarkan ulang tahun terakhir. Status perkawinan adalah status yang dimiliki seseorang apakah memiliki/ pernah memiliki ikatan perkawinan, baik secara formal negara, agama atau adat. Ijazah tertinggi yang dimiliki adalah jenjang pendidikan tertinggi yang di tamatkan, yang biasanya ditandai dengan ijazah. Jumlah anggota rumah tangga, merupakan semua orang yang biasanya bertempat tinggal di suatu rumah tangga, baik yang berada di rumah tangga maupun sementara tidak ada pada waktu pendataan. Kegiatan utama kepala rumah tangga pemilihan variabel ini didasarkan pada asumsi bahwa variabel tersebut mempunyai pengaruh terhadap jumlah pengeluaran rumah tangga sebagai variabel yang mewakili kesejahteraan rumah tangga. Lapangan usaha utama rumah tangga, adalah bidang kegiatan dari pekerjaan / usaha/ perusahaan / kantor tempat kepala rumah tangga bekerja. Status pekerjaan utama kepala rumah tangga, merupakan macam pekerjaan yang dilakukan oleh kepala rumah tangga atau ditugaskan kepada kepala rumah tangga 6
7 Y Y Y Y // DIAGRAM ALUR PEMBENTUKAN MODEL Mulai Mengumpulkan berbagai pustaka yang mendukung penelitian dari berbagai sumber Mengumpulkan data-data semua variabel yang akan digunakan dalam pembentukan model Melakukan ploting data variabel respon dengan variabel prediktor Melakukan pengolahan MARS (memilih nilai GCV minimum) Mendapatkan variabel-variabel yang berpengaruh signifikan dalam model terbaik Menginterprestasikan model yang terbaik Selesai () Deskripsi variabel respon terhadap variabel prediktor Untuk melihat Pola hubungan antara variabel respon dan variabel prediktor dapat dilihat pada plot data di bawah ini Boxplot of Y vs X Boxplot of Y vs X X X3 Boxplot of Y vs X Boxplot of Y vs X X X
8 Y Y Y Y // () Deskripsi variabel respon terhadap variabel prediktor Boxplot of Y vs X5 Boxplot of Y vs X X5 9 3 X7 Boxplot of Y vs X6 Boxplot of Y vs X X6 X8 3 Pada gambar diatas menunjukkan bahwa Pola hubungan antaravariabel respon dan prediktor adalah acak dan tidak jelas serta terbatasnya informasi tentang bentuk fungsi antara variabel respon dan variabel prediktor, menjadikan pertimbangan untuk menggunakan pendekatan nonparametrik. 4 (3) Pemilihan Model Terbaik Untuk mendapatkan model terbaik dilakukan dengan trial and error (BF, MI, MO) sampai didapat model dengan GCV minimum. hasilnya dapat dilihat pada tabel berikut : Model BF MI MO GCV MSE jml Variabel yg masuk ke dalam model Model BF MI MO GCV MSE jml Variabel yg masuk ke dalam model E+ 8.4E E+ 8.4E E+ 8.34E E+ 8.6E E+ 8.34E E+ 8.6E E+ 8.4E E+ 8.4E E+ 8.34E E+ 8.E E+ 8.34E E+ 8.E E+ 8.4E E+ 8.4E E+ 8.6E E+ 8.3E E+ 8.5E E+ 8.E+ 6 Berdasar tabel diatas dipilh model terbaik dengan kriteria FB : 3, MI : 3 dan MO : model tersebut menghasilkan nilai GCV sebesar 8.47x dan nilai sebesar MSE 8.x 5 8
9 (4) Model Kesejahteraan Rumah Tangga dengan menggunakan pendekatan Multivariate Adaptive Regression Spline dengan kriteria Generalized Cross Validation memiliki persamaan sebagai berikut : Y = *BF *BF *BF *BF *BF *BF *BF *BF *BF *BF *BF *BF +.74*BF *BF *BF *BF *BF *BF *BF *BF *BF 6 (5) dimana : BF = max(, x4-3) BF = max(, 3 -x4) BF3 = max(, x5-6) BF4 = max(, 6 -x5) BF5 = max(, -x7) BF6 = max(, 55 -x) BF7 = BF * max(, x5-6) BF8 = BF * max(, 6 -x5) BF9 = BF5 * max(, -x4) BF = BF4 * max(, x -3) BF = BF4 * max(, 3 -x) BF = BF6 * max(, x4 -) BF3 = BF6 * max(, -x4) BF4 = max(, x8 -) BF5 = BF * max(, x5-4) BF6 = BF4 * max(, 3 -x4) BF7 = max(, x8 -) * max(, x4-3) * max(, -x6) BF8 = max(, -x7) * max(, x5-3) * max(, x4 -) BF9 = max(, -x7) * max(, x5-3) * max(, -x4) BF = BF4 * max(, x3 -) BF = BF * max(, 4 -x) 7 9
10 (6) Interprestasi Model Terbaik Interprestasi persamaan model yang terpilih adalah sebagai berikut : a. Koefisien BF Setiap perubahan BF sebesar satu satuan dengan kondisi fungsi basis yang lain konstan, akan menyebabkan peningkatan pengeluaran rumah tangga sebesar Selanjutnya dapat dikatakan bahwa ijazah tertinggi yang dimiliki kepala rumah tangga (X4) adalah diatas SLTA akan menyebabkan pengeluaran rumah tangga peningkatan. a. Koefisien BF Setiap perubahan BF sebesar satu satuan dengan kondisi fungsi basis yang lain konstan, akan menyebabkan peningkatan penurunan pengeluaran rumah tangga sebesar 35755,94. Selanjutnya dapat dikatakan bahwa ijazah tertinggi yang dimiliki kepala rumah tangga (X4) adalah dibawah SLTA dan sederajad akan menyebabkan pengeluaran rumah tangga berkurang. 8 (7) Interprestasi Model Terbaik lanjutan... u. Koefisien BF Setiap perubahan BF sebesar satu satuan dengan kondisi fungsi basis yang lain konstan, akan menyebabkan peningkatan pengeluaran rumah tangga sebesar3874,49. Selanjutnya jt dapat dikatakan pengeluaran rumah tangga akan meningkat pada rumah tangga yang kepala rumah tangganya memiliki ijazah tertinggi (X4) diatas SLTA dan umur kepala rumah tangga (X5) kurang dari 4 tahun. 9
11 (8) Variabel yang mempengaruhi model kesejahteraan rumah tangga di Provinsi Jawa Tengah adalah :. umur kepala rumah tangga (X),. ijazah tertinggi yang dimiliki kepala rumah tangga (X4), 3. jumlah anggota rumah tangga (X5), 4. lapangan usaha utama kepala rumah tangga (X7), 5. status tt kepalarumah tangga padapekerjaan utama (X8) 6. kegiatan utama kepala rumah tangga (X6) (9) GUI dalam MATLAB
12 KESIMPULAN Berdasarkan hasil yang diperoleh dari pemodelan diatas, maka dapat diambil kesimpulan sebagai berikut:. Fungsi basis spline yang optimum dalam pembentukan model kesejahteraan rumah tangga di Provinsi Jawa Tengah adalah jumlah fungsi basis 3, maksimum interaksi 3 dan minimum observasi antar knot. yang menghasilkan nilai GCVsebesar 8.47x dan nilai MSE 8.x. Variabel yang mempengaruhi model adalah umur kepala rumah tangga (X), ijazah tertinggi yang dimiliki kepala rumah tangga (X4), jumlah anggota rumah tangga (X5), lapangan usaha utama kepala rumah tangga (X7), status kepala rumah tangga pada pekerjaan utama (X8) kegiatan utama kepala rumah tangga (X6) 3. Dan variabel yang tidak mempengaruhi model adalah jenis kelamin kepala rumah tangga (X), status perkawinan kepala rumah tangga (X3), SARAN-SARAN Sebagai tindak lanjut dari penelitian ini, diberikan saran sebagai berikut :. Perlu dilakukan penelitian lebih lanjut dalam penentuan banyaknya fungsi basis, maksimum interaksi dan minimum oservasi, karena metode trial and error kurang efektif tergantung subyektifitas pada penelittinya.. Perlu dilakukan penelitian lebih lanjut yang membedakan antar wilayah, karena karakteristik sosial dan budaya antar wilayah berbeda. 3. Perlu dilakukan penelitian lebih lanjut dengan variabel yang lebih spesifik sehingga model yang diperoleh dapat diterapkan pada cakupan yang lebih luas. 4. Perlu dilakukan penelitian lebih lanjut, membandingkan metode MARS dengan metode lainnya agar mendapatkan pemodelan yang lebih baik. 3
13 DAFTAR PUSTAKA () BPS, 999, Penyempurnaan Metodologi Penghitungan Penduduk Miskin dan Profil Kemiskinan 999, Badan Pusat Statistik, Jakarta., 8, Survei Sosial Ekonomi Nasional (SUSENAS) Tahun 8, BPS, Jakarta BPS dan World Bank Institute,, Dasar-dasar Analisis Kemiskinan, Badan Pusat Statistik, Jakarta. Breiman, L., Friedman, J.H., Olshen, R.A., dan Stone, C.J., 993, Classification and Regression Trees, Wadsworth, Belmont, CA. Budiantara, I N., 6, Model Spline Dengan Knots Optimum, Jurnal Ilmu Dasar, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember. Budiantara, I.N., Suryadi, F., Otok, B.W., dan Guritno, S., 6; Pemodelan B-Spline dan MARS Pada Nilai Ujian Masuk terhadap IPK Mahasiswa Jurusan Disain Komunikasi Visual UK. Petra Surabaya; Jurnal Teknik Industri, Vol 8 No. ; Universitas Petra. Budiantara, I.N., 9, Spline dalam Regresi Nonparametrik dan semiparametrik: Sebuah Pemodelan Statistika Masa Kini dan Masa Mendatang, Institut Teknologi Sepuluh November, Surabaya Een, Q.E., 9, Pendekatan CART ARCING Untuk Klasifikasi KesejahteraanRumah Tangga di Provinsi Jawa Tengah, Tesis Institut Teknologi Sepuluh November, Surabaya Eubank, R.L., 988, Spline Smoothing and Nonparametric Regression, Marcel Deker, New York. Faturokhman, dan Marcelinus Molo 995, Karakteristik Rumah Tangga Miskin di DIY. Yogyakarta; Pusat Penelitian Kependudukan UGM. Friedman, J.H., 99, Multivariate Adaptive Regression Spline (With Discussion), The Annals of Statistics, Vol. 9, hal DAFTAR PUSTAKA () Gonner, C., Cahyat, A., dan Haug, M. 7, Mengkaji Kemiskinan dan Kesejahteraan Rumah Tangga: Sebuah Panduan dengan Contoh dari Kutai Barat, Indonesia. CIFOR, Bogor, Indonesia. p. Hair J.F., Rolph E. Anderson, Ronald L. Tatham, William C. Black. 6. Multivariate Data Analysis. Sixth Edition, Pearson Education Prentice Hall, Inc. Hastie, T., dan Tibshirani, R., 99, Generalized Additive Models.Chapman Hall. Otok, B. W., 8, Pendekatan Bootstrap pada Model Multivariate Adaptive Regression Splines (MARS), Disertasi., Universitas Gadjah Mada, Yogyakarta. Masfufah,, Determinan dan Kebijakan Pengentasan Kemiskinan di Propinsi Bengkulu (Analisis Rumah Tangga Berdasar Data Susenas 999). Skripsi, Sekolah Tinggi Ilmu Statistik, Jakarta. Rahmawati, D.I., 999, Analisis Kesempatan Kerja Penduduk Miskin di Provinsi DKI Jakarta. Skripsi, Sekolah Tinggi Ilmu Statistik, Jakarta. Rusastra, IW dan Togar AN 7 Karakteristik Wilayah dan Keluarga Miskin di Perdesaan: Basis Perumusan dan Intervensi Kebijakan. Pusat Analisis Sosial Ekonomi Pertanian, Bogor Suryadarma, D., Akhmad., Hastuti dan Nina T 5, Ukuran Obyektif Kesejahteraan Keluarga untuk Penargetan Kemiskinan: Hasil Uji Coba Sistem Pemantauan Kesejahteraan oleh Masyarakat di Indonesia, SMERU, Jakarta Wahba, G, 99. Spline Models for Observational Data, Society for Industrial and Applied Mathematics. Philadelphia. Pennsylvania. Wahyuningrum, S., 8. Pendekatan MARS untuk Ketepatan Klasifikasi Desa/Kelurahan Miskin di Kalimantan Timur Tahun 5. Tesis Institut Teknologi Sepuluh November, Surabaya. 5 3
14 LAMPIRAN Output Hasil Pengolahan MATLAB (BF=3 MI=3 MO=) ==== OUTPUT MODEL MARS ==== Building ARES model... Forward phase... Backward phase... Number of basis functions in the final model: Total effective number of parameters: 53.5 Highest degree of interactions in the final model: 3 Execution time: seconds BF = max(, x4-3) BF = max(, 3 -x4) BF3 = max(, x5-6) BF4 = max(, 6 -x5) BF5 = max(, -x7) BF6 = max(, 55 -x) BF7 = BF * max(, x5-6) BF8 = BF * max(, 6 -x5) BF9 = BF5 * max(, -x4) BF = BF4 * max(, x -3) 6 LAMPIRAN Output Hasil Pengolahan MATLAB lanjutan BF = BF4 * max(, 3 -x) BF = BF6 * max(, x4 -) BF3 = BF6 * max(, -x4) BF4 = max(, x8 -) BF5 = BF * max(, x5-4) BF6 = BF4 * max(, 3 -x4) BF7 = max(, x8 -) * max(, x4-3) * max(, -x6) BF8 = max(, -x7) * max(, x5-3) * max(, x4 -) BF9 = max(, -x7) * max(, x5-3) * max(, -x4) BF = BF4 * max(, x3 -) BF = BF * max(, 4 -x) y = *BF *BF *BF3 3986*BF *BF4 496*BF *BF *BF *BF *BF *BF *BF *BF *BF +.74*BF *BF *BF *BF *BF *BF *BF *BF *BF 7 4
15 LAMPIRAN Output Hasil Pengolahan MATLAB lanjutan ==== OUTPUT DEKOMPOSISI ANOVA ==== Building ARES model... Forward phase... Backward phase... Number of basis functions in the final model: 4 Total effective number of parameters: 33.5 Highest degree of interactions in the final model: Execution time: 3.4 seconds Type: piecewise-cubic GCV: Total number of basis functions: 4 Total effective number of parameters: 33.5 ANOVA decomposition: Func. STD GCV #basis #params variable(s) TERIMA KASIH 5
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI
Lebih terperinciPendekatan Multivariate Adaptive Regression SPLINES (MARS) pada Pemodelan Penduduk Miskin di Indonesia Tahun
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 214 175 Pendekatan Multivariate Adaptive Regression SPLINES (MARS) pada Pemodelan Penduduk Miskin di Indonesia Tahun 28-212 (Multivariate
Lebih terperinciKata Kunci: Penciri Tingkat Kesejahteraan, Kemiskinan, bagging MARS
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 34 42 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND IDENTIFIKASI FAKTOR-FAKTOR PENCIRI TINGKAT KESEJAHTERAAN RUMAH TANGGA MENGGUNAKAN BOOTSTRAP AGREGATING
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 terperinciIr. Sri Pingit Wulandari, M.Si
Pemodelan Angka Kejadian Penyakit Kaki Gajah (Filariasis) di Kabupaten Aceh Timur Menggunakan Multivariate Adaptive Regression Splines (MARS) Oleh: Yustiva Drisma Kurniasari 1307100034 Dosen Pembimbing
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA 1 Ria Muslikah, Moh. Yamin Darsyah 1,,3 Program Studi
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga
Lebih terperinciKlasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging)
Klasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging) Dimas Arvian Pandu Pratama 1 (1307100059), dan Bambang
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 terperinciKLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 839-848 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA
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 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 terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK SKRIPSI Disusun oleh KISHARTINI 24010210141008 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciSeminar Tugas Akhir. Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING. Surabaya, Juli 2011
Surabaya, Juli 2011 Seminar Tugas Akhir Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING Ibrahim Widyandono 1307 100 001 Pembimbing : Dr. Bambang Widjanarko
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 014, Halaman 313-3 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
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 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 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 terperinciPEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA FAKTOR-FAKTOR RESIKO ANGKA KESAKITAN DIARE
PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA FAKTOR-FAKTOR RESIKO ANGKA KESAKITAN DIARE (Studi Kasus : Angka kesakitan Diare di Jawa Tengah, Jawa Timur dan Daerah Istimewa Yogyakarta
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1077-1085 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN) SKRIPSI Oleh : YANI PUSPITA KRISTIANI 24010211120018
Lebih terperinciBAGGING MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI PASIEN HASIL PAP TEST PENYAKIT KANKER SERVIKS (STUDI KASUS DI RS X SURABAYA)
BAGGING MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI PASIEN HASIL PAP TEST PENYAKIT KANKER SERVIKS (STUDI KASUS DI RS X SURABAYA) Hartini Yastuti 1 dan Bambang Widjanarko Otok 2 1
Lebih terperinciPEMODELAN DAN PENGKLASIFIKASIAN KABUPATEN TERTINGGAL DI INDONESIA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) Abstrak
PEMODELAN DAN PENGKLASIFIKASIAN KABUPATEN TERTINGGAL DI INDONESIA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) Siskarossa Ika Oktora, Prof. DR. Sutawanir Darwis, Drs. Gatot Riwi Setyanto,
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian yang berjudul Penerapan Metode Multivariate Adaptive Regression Splines
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Sebelumnya Penelitian tentang MARS telah banyak dilakukan. Salah satunya yaitu penelitian yang berjudul Penerapan Metode Multivariate Adaptive Regression Splines
Lebih terperinciKata Kunci: Komponen Akreditasi, Multivariate Adaptive Regression Spline (MARS)
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 44 53 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MENGIDENTIFIKASI KOMPONEN YANG BERPENGARUH
Lebih terperinciUNNES Journal of Mathematics
UJM 6 (1) 2017 UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm KETEPATAN KLASIFIKASI DENGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA KELOMPOK
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 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 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 terperinciPEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
ARIKA, Vol. 04, No. 2 Agustus 2010 ISSN: 1978-1105 PEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Fentje
Lebih terperinciVolume II No. 2, Juni 2017 ISSN
Volume II No., Juni 7 ISSN 5-74 MODEL PREDIKSI TIMELINESS PELAPORAN KEUANGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE ( Studi Kasus pada Perusahaan Perbankan Go Public di BEI) Erna Hayati
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 REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR
APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR Oleh : Isnia Dwimayanti (0 09 06) Pembimbing : DR Drs I Nyoman Budiantara, MS ABSTRAK Tingginya tingkat fertilitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 1.1 Analisis Regresi Salah satu metode statistik yang umum digunakan untuk menganalisis hubungan ataupun pengaruh antara variabel prediktor dan variabel respon. Mengatasi kurva
Lebih terperinciHary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,
Lebih 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 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 terperinciα 0, j = 1,2,,m (1) dengan,
PEMODELAN ANGKA KEJADIAN PENYAKIT INFEKSI TUBERKULOSIS PARU (TB PARU) DI KABUPATEN SORONG SELATAN (PROVINSI PAPUA BARAT) DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Nama : Maylita
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 terperinciPERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA AKREDITASI SEKOLAH DASAR NEGERI DI KOTA SEMARANG SKRIPSI Oleh
Lebih terperinciKLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) SKRIPSI Disusun oleh : RIZAL YUNIANTO GHOFAR 240102101410029
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 terperinciRANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA
RANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA 1 Nidhomuddin, 2 Bambang Widjanarko Otok 1,2 Jurusan Statistika,Fakultas
Lebih terperinciMemodelkan regresi logistik biner data set hasil sampel bootstrap B.
B O O T S T R A P A G G R E G A T I N G 1 2 3 4 5 6 7 Tinjauan Pustaka Algoritma Bagging Regresi Logistik Biner Mengambil sampel bootstrap sebanyak n dari data set dengan pengulangan sebanyak n. Pengambilan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS ARILANGGA BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statistika Deskriptif Statistika deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan informasi yang berguna. Metode
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 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 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 terperinciPemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (04) 7-0 (0-98X Print) D-7 Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya Merly Fatriana Bintariningrum
Lebih terperinciPENGEMBANGAN MODEL RAMALAN PRODUKSI PADI DENGAN PENDEKATAN BAGGING MARS
PENGEMBANGAN MODEL RAMALAN PRODUKSI PADI DENGAN PENDEKATAN BAGGING MARS Alif Yuanita 1, Bambang Widjanarko Otok 2, dan Sutikno 3 1 Mahasiswa Statistika, Institut Teknologi Sepuluh Nopember 2,3 Dosen Statistika,
Lebih terperinciII. 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 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 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 terperinciBootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS) untuk Mengklasifikasikan Rumah Tangga Miskin di Kabupaten Jombang
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-91 Bootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS) untuk Mengklasifikasikan Rumah Tangga Miskin
Lebih terperinciSeminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS
Seminar Tugas Akhir Oleh: Dhina Oktaviana P 1307 100 068 Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciKLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN CART ARCING
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN CART ARCING 1 Ibrahim Widyandono 2 Bambang Widjanarko Otok 3 Jerry Dwi Trijoyo Purnomo 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciMaylita Hasyim Dosen STKIP PGRI Tulungagung
PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DENGAN BINARY RESPONSE UNTUK MENGANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP NILAI UN SMA PENDAHULUAN Maylita Hasyim Dosen STKIP PGRI Tulungagung
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 terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 PM -113 Kualifikasi Dan Mapping Kualitas Sekolah Menengah Swasta Di Tulungagung Berdasarkan Faktor Dominan Yang Berpengaruh Dengan Metode
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 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 terperinciPREDIKSI LUAS AREA KEBAKARAN HUTAN BERDASARKAN DATA METEOROLOGI DENGAN MENGGUNAKAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS)
PREDIKSI LUAS AREA KEBAKARAN HUTAN BERDASARKAN DATA METEOROLOGI DENGAN MENGGUNAKAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) Winalia Agwil 1, Izzati Rahmi HG 2, Hazmira Yozza 2 Program
Lebih terperinciSKRIPSI. Disusun Oleh : YUSUF ARIFKA RAHMAN
Ketepatan Klasifikasi Status Pemberian Air Susu Ibu (ASI) Menggunakan Multivariate Adaptive Regression Splines (MARS) dan Algoritma C4.5 di Kabupaten Sragen SKRIPSI Disusun Oleh : YUSUF ARIFKA RAHMAN 24010211120011
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 terperinciPENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE)
Natural Vol. 11, No. 2, Mei 2007, hal. 112-118. PENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE) A. Efendi dan H. Kusdarwati Program Studi
Lebih terperinciJurnal Matematika Vol. 3 No. 1, Juli ISSN :
Jurnal Matematika Vol. 3 No. 1, Juli 2013. ISSN : 1693-1394 Pemodelan Angka Harapan Hidup di Provinsi Jawa Timur Tahun 2007 dan 2011 Berdasarkan Angka Melek Huruf, Rata-rata Lama Sekolah, dan Pengeluaran
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 terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 253-262 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA
Lebih terperinciKLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA (KB) DI KOTA SEMARANG MENGGUNAKAN METODE MARS DAN FK-NNC
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 341-349 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA
Lebih terperinciBAGGING MARS UNTUK PENGEMBANGAN MODEL RAMALAN ANOMALI LUAS PANEN PADI DI KABUPATEN GUNUNGKIDUL
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, November 00 BAGGING MARS UNTUK PENGEMBANGAN MODEL RAMALAN ANOMALI LUAS PANEN PADI DI KABUPATEN GUNUNGKIDUL Alif Yuanita, Bambang Widjanarko
Lebih terperinciKata Kunci kematian maternal, regresi, spline, nonparametrik, GCV
JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Print) D-13 Pendekatan Spline untuk Estimasi Kurva Regresi Nonparametrik (Studi Kasus pada Data Angka Kematian Maternal di Jawa Timur)
Lebih terperinciPEMODELAN ANGKA KEMATIAN BAYI DI PROPINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE TUGAS AKHIR ST 1325
TUGAS AKHIR ST 325 PEMODELAN ANGKA KEMATIAN BAYI DI PROPINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE LIA DWI JAYANTI NRP 303 00 04 Dosen Pembimbing DR. DRS. I Nyoman Budiantara, MS. JURUSAN
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-157 Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR
SULVIA MEGASARI 1310 100 037 PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR 1 Sulvia Megasari dan I Nyoman Budiantara Jurusan Statistika, Fakultas Matematika
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 987-996 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE REGRESI LOGISTIK BINER DAN MULTIVARIATE
Lebih terperinciBAB V KESIMPULAN DAN SARAN
5 BAB V KESIMPULAN DAN SARAN 5. Kesimpulan Berdasarkan hasil analisis sebelumnya, dapat ditarik kesimpulan bahwa :. Model regresi yang mampu menjelaskan hubungan antara angka kematian bayi di Jawa Timur
Lebih terperinciPEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE
PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE SKRIPSI Disusun oleh SETA SATRIA UTAMA 24010210120004 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Regresi Linear Sederhana Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel prediktor terhadap satu buah variabel respon. Model
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN Pengolahan data menggunakan software MARS.
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengolahan data menggunakan software MARS. Berdasarkan Lampiran 2 dapat dilihat bahwa Plot hubungan Angka Kematian Bayi dengan beberapa prediktor belum menunjukkan pola
Lebih terperinciKata kunci: Kemiskinan, Regresi Logistik, MARS. Keywords: Poverty, Logistic Regression, MARS
PEMODELAN MARS DAN REGRESI LOGISTIK RUMAH TANGGA MISKIN KALIMANTAN TENGAH TAHUN 2016 (MARS AND LOGISTIC REGRESSION MODELING FOR HOUSEHOLD POVERTY IN CENTRAL BORNEO 2016) Ananto Wibowo 1, Ellen Lelian Mehrani
Lebih terperinciPENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN KLASIFIKASI DATA HBAT DAN DATA IRIS
Jurnal Barekeng Vol. 7 No. 2 Hal 47 51 (2013) PENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN KLASIFIKASI DATA HBAT DAN DATA IRIS The Applications
Lebih terperinciUNNES Journal of Mathematics
UJM 5 (2) 2016 UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG) E.D. Asriani, Sugiman,
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 terperinciKlasifikasi Kegiatan Partisipasi Ekonomi Perempuan Di Jawa Timur Dengan Pendekatan CART (Classification And Regression Trees)
1 Klasifikasi Kegiatan Partisipasi Ekonomi Perempuan Di Jawa Timur Dengan Pendekatan CART (Classification And Regression Trees) Sharfina Widyandini dan Vita Ratnasari Jurusan Statistika, Fakultas MIPA,
Lebih terperinciPemodelan Kemiskinan di kabupaten Jombang dengan Pendekatan Multivariate Adaptive Regression Splines (MARS)
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (214) 2337-352 (231-928X Print) D-32 Pemodelan Kemiskinan di kabupaten Jombang dengan Pendekatan Multivariate Adaptive Regression Splines (MARS) Millatur Rodliyah,
Lebih terperinciGENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 191 196. GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara
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 terperinciMETODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG
METODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG MUHAMMAD JAMAL MUTTAQIN 1311 201 205 PEMBIMBING DR. BAMBANG WIDJANARKO OTOK, M.SI. SANTI PUTERI RAHAYU, M.SI., PH.D.
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 Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. No. (06 7-0 (0-98X Print D-6 Pemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Anita Trias Anggraeni
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 terperinciFaktor-Faktor yang Mempengaruhi Contraceptive Prevalence Rate (Cpr) di Indonesia dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol.,., (0) 7-0 (0-9X Print) D-97 Faktor-Faktor yang empengaruhi Contraceptive Prevalence Rate (Cpr) di Indonesia dengan Pendekatan Regresi nparametrik Spline Diana Cristie dan
Lebih terperinciPemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon
Pemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon Angka Harapan Hidup Angka Kematian Bayi Penyaji: Ni Nyoman Trisna Juliandari
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN DAYA TAHAN HIDUP PENDERITA GAGAL GINJAL KRONIK YANG MENJALANI TERAPI HEMODIALISIS DI KABUPATEN BOJONEGORO BERDASARKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) SKRIPSI NOVIYANTI HASWIEN
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 terperinciPemodelan PDRB Di Indonesia Menggunakan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (17) ISSN: 337-35 (31-98X Print) D-16 Pemodelan PDRB Di Indonesia Menggunakan Pendekatan Regresi Nonparametrik Spline Puspita Khanela, Madu Ratna, dan I Nyoman Budiantara
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 terperinci