BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
|
|
- Hengki Cahyadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Metode Permukaan Respon (Response Surface Methodology/RSM), pertama kali diperkenalkan oleh Box dan Wilson (1951), metode ini sering digunakan untuk mencari kondisi peubah bebas (variabel design) yang menghasilkan respon optimum (maksimum, minimum atau lebih luas lagi, mencari kondisi disekitar titik stasioner yang mengandung ridge). Secara umum ada tiga tahapan utama dalam RSM, yaitu: i. pengumpulan data, melalui pemilihan strategi rancangan percobaan yang tepat, ii. estimasi model/pemodelan data, melalui pemilihan metode pemodelan regresi yang tepat, iii. optimasi, melalui pemilihan metode optimasi yang akan digunakan untuk mengidentifikasi pengaturan dari peubah bebas yang mengoptimalkan peubah respon. Ketiga tahapan tersebut saling terkait, dimana setiap tahapan akan berpengaruh terhadap tahapan berikutnya. Oleh karena luasnya bidang kerja dari RSM, maka penelitian ini akan difokuskan pada estimasi model regresi untuk RSM, dengan asumsi bahwa rancangan percobaan sudah memuaskan dan data telah dikumpulkan. Untuk mendekati hubungan antara peubah respon dan peubah bebas pada daerah asal (daerah operasi) yang terbatas, dalam RSM, biasanya digunakan fungsi polinomial orde satu atau polinomial orde dua (model kuadratik). Fungsi polonomial orde dua (model kuadratik) ini selanjutnya disebut dengan model orde dua. Di dalam Myers at al. (2009), model permukaan respon orde dua (kuadratik) dengan variabel bebas x 1, x 2,..., x p dan variabel respon y dituliskan sebagai berikut: y = β o + p β j x j + j=1 p p β jj x 2 j + β jj x j x j + ε (1.1) j=1 j<j =2 1
2 2 Estimasi terhadap koefisien regresi linier dalam persamaan (1.1), di dalam model permukaan respon biasanya digunakan metode kuadrat terkecil (Ordinary Least Square-OLS). Namun demikian, metode OLS sangat peka terhadap adanya penyimpangan asumsi pada data. Salah satu asumsi penting dalam OLS adalah asumsi sebaran normal (normalitas). Asumsi normalitas seringkali dilanggar pada saat data mengandung outlier. Outlier sangat mungkin menghasilkan residual yang besar dan sering berpengaruh terhadap model regresi yang dihasilkan, sehingga estimasi model menjadi bias dan berakibat pada kesalahan dalam penentuan titik optimal yang sebenarnya. Sebuah contoh dari model yang terkait kesalahan penentuan titik optimal dengan metode (OLS), disajikan pada gambar 1.1. Gambar 1.1: Plot Data Mentah dan Plot OLS Kekuatan Tarik Kertas (sumber : Wen (2007))
3 3 Gambar 1.1 menunjukan plot antara kekuatan tarik (dalam psi) kertas sebagai variabel respon(y), dan persentase kayu dalam batch pulp kertas (x) yang diambil dari Wen (2007). Titik-titik ( ) melambangkan data mentah dan garis (- - -) melambangkan plot model yang diperoleh dengan estimasi OLS. Dari gambar terlihat bahwa plot data mentah mempunyai puncak yang lebih tinggi dibandingkan dengan plot hasil estimasi dengan OLS. Hal ini menunjukkan bahwa ada kemungkinan telah terjadi kesalahan dalam penentuan model. Salah satu kemungkinan penyebab kesalahan tersebut adalah adanya data yang menyimpang atau outlier. Hal ini bisa dilihat dari dua data terakhir atau data ke-14 dan ke-15, yang mempunyai nilai cenderung lebih rendah. Sebagai akibatnya jika model ini dipaksakan akan sangat mungkin terjadi kesalahan dalam penentuan titik optimal yang sebenarnya. Oleh karena data outlier dapat mempengaruhi penentuan titik optimal, sementara tujuan dari RSM adalah menentukan titik optimal maka dibutuhkan suatu model permukaan respon yang kuat/kekar terhadap outlier Ada beberapa cara yang digunakan oleh peneliti dalam memperlakukan data outlier, yaitu: menghapuskan data outlier. Cari ini dilakukan dengan pertimbangan bahwa data sudah diwakili oleh sebagian besar data yang ada, sehingga penghapusan data outlier tidak berpengaruh terhadap informasi yang dihasilkan. Selain itu ada kemungkinan bahwa data outlier tersebut disebabkan oleh kekeliruan dalam proses pengambilan data atau data yang dihasilkan bukan merupakan data yang sebenarnya. Penghapusan data outlier dari data diharapkan dapat menghilangkan penyebab pelanggaran asumsi normalitas, sehingga peneliti dapat menggunakan OLS. mempertahankan data outlier atau menggunakan seluruh data. Pada saat tertentu outlier ini tidak boleh begitu saja dihapuskan, karena kadang-kadang data outlier ini dapat memberikan informasi yang tidak dapat diberikan oleh titik pengamatan lain. Misalnya karena adanya kombinasi keadaan yang tidak biasa dan perlu diadakan penyelidikan lebih jauh. Suatu outlier dapat dihapuskan apabila setelah ditelusuri ternyata pengamatan tersebut merupakan akibat dari kesalahan pengukuran atau kesalahan dalam penyiapan pengukuran. Outlier dapat juga merupakan data berpengaruh. Outlier yang bukan pengamatan berpengaruh adalah outlier yang tidak memiliki pengaruh yang kuat pada model. Sebaliknya jika outlier merupakan data berpengaruh, maka akan memberikan
4 4 dampak pada model, sehingga untuk data berpengaruh, data outlier tetap digunakan dengan memberikan memberikan bobot yang kecil pada data outlier. Selanjutnya metode ini dikenal dengan nama metode regresi robust. Kata robust biasanya dikonotasikan sebagai ketakkonsistenan dari suatu estimator terhadap penyimpangan asumsi. Huber dan Ronchetti (2009) menyatakan bahwa metode robust lebih didekatkan pada parameter rata-rata dan variansikovariansi dari suatu estimator tertentu. Pendekatan tersebut dilakukan dengan melakukan standarisasi terhadap estimator parameter rata-rata dan variansi-kovariansi sedemikian hingga dapat dihasilkan estimator yang konsisten terhadap parameter-parameter tersebut. Standarisasi dilakukan dengan bentuk pembatasan nilai pada estimasi untuk parameter-parameternya. Dengan ke-robust-an tersebut, diharapkan hasil estimasi tidak akan menyimpang terlalu jauh. Regresi robust merupakan metode regresi yang digunakan ketika ada beberapa outlier pada model. Metode ini merupakan alat penting untuk menganalisa data yang dipengaruhi oleh outlier sehingga dihasilkan model yang robust atau kekar terhadap outlier. Suatu estimator yang kekar adalah estimator yang relatif tidak terpengaruh oleh perubahan besar pada bagian kecil data atau perubahan kecil pada sebagian besar data. Salah satu metode estimasi dalam regresi robust adalah estimasi-m (Maximum Likelihood type). Estimasi-M adalah metode yang paling sederhana dan paling banyak digunakan serta mempunyai nilai efisiensi yang tinggi. Sementara itu, di dalam kehidupan nyata sangat jarang data yang dikumpulkan hanya memuat satu variabel respon tetapi yang sering terjadi data yang dikumpulkan memuat beberapa variabel respon dan sekumpulan variabel independen. Memperlakukan setiap respon secara terpisah dan menerapkan prosedur respon tunggal dapat menyebabkan interprestasi yang salah dalam hasil. Sehingga dibutuhkan suatu pengembangan model untuk kasus multirespon. Pengembangan untuk kasus multirespon pada model permukaan respon telah dilakukan oleh Wen (2007) dengan menggunakan pendekatan Model Robust Regression 2 (MRR2), dengan menggabungkan metode OLS untuk pencocokan parametrik dan Local Linear Regression (LLR) untuk pencocokan nonparametrik. Sebagaimana telah diketahui bahwa OLS sensitif terhadap outliers sehingga MRR2 juga memiliki kelemahan terhadap keberadaan data outliers, sehingga dibutuhkan metode yang robust, salah satu alternatifnya adalah m-regression dengan mengembangkan pada kasus multirespon.
5 5 1.2 Perumusan Masalah Berdasarkan latar belakang di atas, terlihat bahwa adanya outlier dapat berpengaruh terhadap model permukaan respon yang dihasilkan dan dapat berakibat pada kesalahan dalam penentuan titik optimal yang sebenarnya. Sementara itu, tidak semua outlier bisa dihapuskan dari data, sehingga dibutuhkan suatu model permukaan respon yang robust terhadap outlier. Salah satu metode estimasi dalam regresi robust adalah estimasi-m. Pada sisi lain seringkali di dalam kehidupan nyata data yang dikumpulkan memuat beberapa variabel respon dan sekumpulan data independen. Sehingga dibutuhkan suatu pengembangan model untuk kasus multirespon. Oleh karena itu permasalahan yang muncul adalah bagaimanakah metode estimasi-m untuk model permukaan respon multivariat dengan data outliers 1.3 Tujuan Penelitian Dengan memperhatikan latar belakang perumusan masalah di atas maka penelitian ini bertujuan untuk mengembangkan metode estimasi parameter model permukaan respon multivariat dengan data outlier, dengan menggunakan metode estimasi- M. 1.4 Manfaat Penelitian Berdasarkan pada tujuan penelitian di atas, maka diperoleh manfaat penelitian sebagai berikut: 1. sebagaimana telah diketahui bahwa tujuan utama dari metodologi permukaan respon adalah menemukan pengaturan variabel input yang mencapai kompromi optimal dalam variabel respon. Dengan diperolehnya estimasi model permukaan respon multivariat yang memuat outlier diharapkan dapat mengurangi pengaruh outlier terhadap model sehingga dapat memperkecil peluang terjadinya kesalahan dalam penentuan titik optimal dalam variabel respon. 2. telaah ini bisa digunakan sebagai acuan dalam menyusun model permukaan respon multivariat dengan data memuat outliers
6 6 1.5 Tinjauan Pustaka Di dalam makalahnya Xu at al. (2006) menguraikan bahwa outliers dapat berpengaruh terhadap estimasi parameter model. Sehingga outliers dapat berpengaruh terhadap hasil analisis statistik. Selanjutnya Johnson dan Wichern (2007) mendefinisikan outliers sebagai suatu pengamatan yang tak konsisten terhadap kumpulan pengamatan lainnya. Selain itu outlier dapat didefinisikan sebagai suatu pengamatan yang menyimpang dari kumpulan pengamatan lainnya, sehingga tidak mengikuti sebagian besar pola. Akibatnya letak data outliers jauh dari pusat pengamatan. Beberapa peneliti yang berusaha untuk mengatasi kesalahan penentuan model dalam model permukaan respon diantaranya adalah Pickle (2006), dan Wen (2007). Kedua peneliti tersebut telah melakukan penelitian dengan menggunakan metode semi-parametrik. Metode semiparametrik yang digunakan adalah Model Robust Regression 2 (MRR2), dengan menggabungkan metode OLS untuk pencocokan parametrik dan Local Linear Regression (LLR) untuk pencocokan nonparametrik. Karena OLS sensitif terhadap outliers maka MRR2 juga memiliki kelemahan terhadap keberadaan data outliers. Memperhatikan kelemahan tersebut, pada bagian akhir penelitiannya Wen (2007), merekomendasikan untuk mengembangkan metode ini agar tahan terhadap data yang memuat outliers, dengan merujuk pada hasil penelitian Assaid (1997). Pada sisi lain Assaid (1997), telah mengusulkan suatu metode yang dinamakan dengan Outlier Resistant Model Robust Regression (ORMRR) untuk respon tunggal. ORMRR menggunakan MRR dengan cara menggabungkan metode parametrik estimasi M dan metode nonparametrik Robust Local Linear Regression (RLLR). Usulan ORMRR dilatarbelakangi oleh keinginan untuk mendapatkan sebuah rumusan taktis dalam menangani misspecification model dengan adanya data yang memuat outliers pada data univariat. 1.6 Metodologi Penelitian Materi pokok untuk dasar penelitian ini adalah karya-karya ilmiah, hasil penelitian para pakar yang telah dimuat dalam buku, artikel, dan jurnal. Metode penelitian yang digunakan adalah metode teoritis. Secara teoritis, penelitian dilakukan dengan cara mempelajari karya-karya ilmiah yang telah dihimpun, yang berkaitan dengan Estimasi Model Permukaan Respon dan outliers. Untuk mencapai tujuan penelitian,
7 7 diperlukan pengertian konsep tentang estimasi parameter, model permukaan respon, outliers, dan model robust regression. Secara umum untuk menjalankan penelitian ini dilakukan dengan langkahlangkah sebagi berikut : 1. Mengkaji konsep estimasi parameter 2. Mengkaji tentang outliers dalam regresi multivariat 3. Mencari Model Permukaan Respon Multivariat dengan data yang memuat outliers 4. Menemukan estimasi parameter model, 5. Menguraikan metodologi yang diusulkan bersama dengan contoh 6. Merangkum penelitian dan menjelaskan beberapa topik penelitian masa depan
APLICATION OF M-ESTIMATION FOR RESPONSE SURFACE MODEL WITH DATA OUTLIERS
UNIVERSITAS DIPONEGORO 23 ISBN: 978-62-4387-- APLICATION OF M-ESTIMATION FOR RESPONSE SURFACE MODEL WITH DATA OUTLIERS Edy Widodo, Suryo Guritno 2 and Sri Haryatmi 2 Doctoral Student of Mathematics UGM,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciBAB I PENDAHULUAN. suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penaksiran koefisien-koefisien regresi linier, biasanya kita digunakan suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
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 terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
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. 1.1.Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciBAB I PENDAHULUAN. hubungan ketergantungan variabel satu terhadap variabel lainnya. Apabila
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis
Lebih terperinciBAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada
BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan statistik sebagai alat bantu untuk mengambil keputusan yang lebih baik telah mempengaruhi hampir seluruh aspek kehidupan. Setiap orang, baik sadar maupun
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep konsep ekonomi seperti produk domestik
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis yang menjelaskan tentang
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang menjelaskan tentang hubungan antara dua atau lebih variabel. Variabel dalam analisis regresi, dibedakan menjadi dua yaitu
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 terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciBAB I PENDAHULUAN. Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini
BAB I PENDAHULUAN 1.1 Latar belakang Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini bertujuan agar mendekati kebenaran kesimpulan yang diperoleh dari nilai taksiran sementara (hipotesis).
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciBAB I PENDAHULUAN. Regresi linier adalah teknik pemodelan di mana nilai variabel dependen
BAB I PENDAHULUAN 1.1. LATAR BELAKANG Regresi linier adalah teknik pemodelan di mana nilai variabel dependen dimodelkan sebagai kombinasi linier pada sekumpulan variabel penjelas. Variabel dependen merupakan
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciUJI ASUMSI KLASIK (Uji Normalitas)
UJI ASUMSI KLASIK (Uji Normalitas) UJI ASUMSI KLASIK Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Deskripsi Data Simulasi Plot pencaran titik data antara peubah respon dengan peubah penjelas dapat dilihat pada Gambar 5. Gambar tersebut mengungkapkan bahwa secara keseluruhan pola
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA SKRIPSI Disusun Oleh : SHERLY CANDRANINGTYAS J2E 008 053 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
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. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan satu arah antara variabel prediktor dan variabel respon yang umumnya dinyatakan
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciBAB I PENDAHULUAN. yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika
BAB I PENDAHULUAN A. Latar Belakang Masalah Dalam kehidupan, seringkali peneliti dihadapkan dengan suatu kejadian yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika mengenal metode
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
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 terperinciBAB I PENDAHULUAN. Dalam suatu penelitian, hubungan suatu variabel dependent atau
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam suatu penelitian, hubungan suatu variabel dependent atau variabel respon dengan beberapa variabel bebas atau variabel penjelas dapat dimodelkan dengan
Lebih terperinciANALISIS REGRESI ROBUST ESTIMASI-S MENGGUNAKAN PEMBOBOT WELSCH DAN TUKEY BISQUARE
48 Jurnal Matematika Vol 6 No 1 Tahun 2017 ANALISIS REGRESI ROBUST ESTIMASI-S MENGGUNAKAN PEMBOBOT WELSCH DAN TUKEY BISQUARE S-ESTIMATION OF ROBUST REGRESSION ANALYSIS USES WELSCH AND TUKEY BISQUARE WEIGHTING
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciJudul : Perbandingan Metode MCD Bootstrap dan. Analisis Regresi Linear Berganda. Pembimbing : 1. Dra. Ni Luh Putu Suciptawati,M.Si
Judul : Perbandingan Metode MCD Bootstrap dan LAD Bootstrap Dalam Mengatasi Pengaruh Pencilan Pada Analisis Regresi Linear Berganda Nama : Ni Luh Putu Ratna Kumalasari Pembimbing : 1. Dra. Ni Luh Putu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu analisis yang dilakukan terhadap dua variabel yaitu variabel independen (prediktor) dan variabel dependen (respon) untuk mengetahui
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinciBAB III CONTOH KASUS. Pada bab ini akan dibahas penerapan metode robust dengan penaksir M
BAB III CONTOH KASUS Pada bab ini akan dibahas penerapan metode robust dengan penaksir M dan penaksir LTS. Berikut ini akan disajikan aplikasinya pada data yang akan diolah menggunakan program paket pengolah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN Latar Belakang Masalah Peran emas dalam perekonomian Indonesia semakin tinggi. Emas semakin dicari oleh semua orang karena emas adalah investasi yang sangat menjanjikan. Faktor-faktor
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciPengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust
Pengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust I GUSTI AYU MADE SRINADI Jurusan Matematika Universitas Udayana, srinadiigustiayumade@yahoo.co.id Abstrak. Metode kuadrat
Lebih terperinciESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI
ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI Oleh : IPA ROMIKA J2E004230 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN. bersifat tetap ( bukan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan suatu analisis yang digunakan untuk mengetahui hubungan antara satu variabel independen atau lebih dengan variabel dependen. Pada studi perbandingan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi Poisson telah mendapat banyak perhatian dalam literatur sebagai model untuk mendeskripsikan data hitungan yang mengasumsikan nilai bilangan bulat sesuai dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih 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 terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah Siti Nurhayati Basuki, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ekonometrika merupakan bagian dari ilmu ekonomi yang menggunakan alat analisis matematika dan statistika dalam menganalisis masalah ekonomi secara kuantitatif
Lebih terperinciPEMODELAN PADA PERCOBAAN MIXTURE DENGAN MELAKUKAN TRANSFORMASI CLARINGBOLD TERHADAP PROPORSI KOMPONEN- KOMPONENNYA. PT Jasa Marga ro) C
PEMODELAN PADA PERCOBAAN MIXTURE DENGAN MELAKUKAN TRANSFORMASI CLARINGBOLD TERHADAP PROPORSI KOMPONEN- KOMPONENNYA PT Jasa Marga ro) C abang Semarang TUGAS AKHIR Disusun Oleh : HETY BINTANG PUTRI J2E006014
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Berawal dari kebutuhan analisis data untuk memprediksi suatu nilai bila diberikan suatu nilai-nilai variabel prediktor (x) pada beberapa kasus, maka metode regresi
Lebih terperinciBAB II DASAR TEORI. Gambar 2.1 : Perbedaan Antara Proses Stationer dan Proses Non-Stationer
BAB II DASAR TEORI Model adalah penyederhanaan dunia nyata (real world) ke dalam suatu bentuk terukur (Deliar, 27). Bentuk terukur tersebut adalah asumsi yang dianggap dapat merepresentasikan dunia nyata
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 terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
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 terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 39-46 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL LOKAL UNTUK REGRESI POLINOMIAL ORDE 3 DENGAN HETEROSKEDASTISITAS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan digunakan secara luas. Analisis regresi diterapkan tidak hanya oleh para statistisi
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENDUGA-S DALAM MENGATASI DATA PENCILAN DENGAN SIMULASI DATA SKRIPSI
PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENDUGA-S DALAM MENGATASI DATA PENCILAN DENGAN SIMULASI DATA SKRIPSI ANDOS NIKI S. M. SEMBIRING 090803032 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini merupakan jenis penelitian deskriptif-korelasional (kausal) yang menjelaskan adakah hubungan dan seberapa besar pengaruh tiap-tiap variabel
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 terperinciREGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah
REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA Isma Hasanah isma_semangat@yahoo.co.id Agustini Tripena, Br. Sb Universitas Jenderal Soedirman ABSTRACT. Regression analysis is statistic
Lebih terperinciPada umumnya ilmu ekonomi mempelajari hubungan-hubungan antara. variabel ekonomi. Hubungan-hubungan yang fungsional tersebut mendefinisikan
BAB I PENDAHULUAN A. Latar Belakang Masalah Pada umumnya ilmu ekonomi mempelajari hubungan-hubungan antara variabel ekonomi. Hubungan-hubungan yang fungsional tersebut mendefinisikan ketergantungan variabel
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas tak hanya oleh seorang
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciMETODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
28 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif kuantitatif. Ruang lingkup penelitian ini adalah untuk melihat
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan dunia teknologi berkembang sangat pesat di dalam kehidupan manusia. Perkembangan teknologi ini ditandai dengan ditemukannya banyak penemuan penemuan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Analisis varians (ANOVA) pertama kali diperkenalkan oleh Sir Ronald Fisher. ANOVA merupakan generalisasi dari uji t, digunakan pada situasi saat peneliti ingin
Lebih terperinciBAB I PENDAHULUAN. Statistika inferensial adalah statistika yang dengan segala informasi dari
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika inferensial adalah statistika yang dengan segala informasi dari sampel digunakan untuk menarik kesimpulan mengenai karakteristik populasi dari mana sampel
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
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 III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi
BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi atau getaran dari sebuah data pada frekuensi tertentu. Analisis spektral
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 terperinciBAB III PEMBAHARUAN PERAMALAN. Pada bab ini akan dibahas tentang proses pembaharuan peramalan.
BAB III PEMBAHARUAN PERAMALAN Pada bab ini akan dibahas tentang proses pembaharuan peramalan. Sebelum dilakukan proses pembaharuan peramalan, terlebih dahulu dilakukan proses peramalan dan uji kestabilitasan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Estimasi fungsi survival atau biasa disebut regresi fungsi survival merupakan bagian penting dari analisis survival. Estimasi ini biasa digunakan dalam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat Suku Bunga Deposito (3 Bulan) Dan Kredit Macet (NPL) Terhadap Loan To Deposit Ratio (LDR) Bank Umum Di
Lebih terperinci