MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)
|
|
- Sukarno Susman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Paradgma, Vol. 13 No. 2 Agustus 2009 hlm MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar ABSRAK Pemodelan data longtudnal telah dlauan dengan regres semparametr splne. Selanjutnya daplasan untu menduga pola hubungan CD4 awal (X) dengan adar CD4 pasen HIV (Y) dan watu pemersaan (t) dengan adar CD4 pasen HIV (Y), sehngga dperoleh model terba dengan melhat MSE terecl dan R 2 terbesar. Kata unc: data longtudnal, regres semparametr, splne ABSRAC he modelng of longtudnal data have been done wth splne semparametrc regresson. hen applcaton for estmatng CD4 number and pre-cd4 for a subject wth lnear parametrc pattern, and checng tme wth nonparametrc pattern, so that t s obtaned the best model wth the lowest MSE and the bggest R 2. Keywords: longtudnal data, semparametrc regresson, splne Dterma: 20 Maret 2009 Dsetuju untu dpublasan: 21 Agustus Pendahuluan Regres semparametr adalah gabungan antara regres parametr dan regres nonparametr. Peneltan tentang regres semparametr telah banya dlauan. Srnad telah menelt estmator splne pada model semparametr [1]. Mulanah menelt pendeatan ernel dalam regres semparametr dan pemlhan bandwdth optmal [2]. Ampa menelt model lner parsal pada hlangnya data omponen parametr [3]. Namun peneltan-peneltan tersebut hanya pada data cross secton atau data yang damat pada suatu watu tertentu. Untu asus husus, regres semparametr dapat dgunaan pada data longtudnal. Analss tentang pemodelan data longtudnal sudah banya daj oleh penelt. Brumbac dan Rce menggunaan smoothng splne dalam mengestmas fungs nonparametr pada data progesteron [4]. Namun peneltan tersebut hanya terbatas pada regres nonparametr. Kuswanto menggunaan model Gamma-Fralty untu memodelan data longtudnal [5]. Kemudan Zeger dan Dggle menelt model campuran
2 Model Regres Semparametr Splne untu Data Longtudnal pada Kasus Kadar CD4 Penderta HIV 102 semparametr untu data longtudnal menggunaan smoothng ernel, dalam rsetnya membahas tentang HIV berdasaran adar CD4 dalam darah [6]. Penggunaan estmator ernel dalam model semparametr pada data longtudnal, tda sesua untu data yang mempunya pola data yang rumt. Sehngga sult untu memperoleh estmas omponen nonparametr yang sesua. Zhang et al. menggunaan estmator splne untu mengestmas model semparametr [7]. Dalam paper n, dbahas penggunaan regres semparametr splne untu data longtudnal pada asus adar CD4. 2. Data Longtudnal Data longtudnal adalah data pengamatan berulang pada unt espermen, berbeda dengan data cross secton yatu data dar masng-masng ndvdu damat dalam seal watu [5]. Ada beberapa euntungan dar stud mengena data longtudnal dbandngan dengan data cross secton. Pertama, stud longtudnal lebh powerful dar stud cross secton untu sejumlah subje yang tetap. Dengan ata lan, untu memperoleh euatan uj statst yang sama, stud longtudnal membutuhan subje yang lebh sedt. Kedua, dengan jumlah subje yang sama, hasl penguuran error menghaslan penasr efe perlauan yang lebh efsen dar data cross secton. Ketga, data longtudnal mampu menyedaan nformas tentang perubahan ndvdu, sedangan data cross secton tda [5]. 3. Model Regres Semparametr untu Data Longtudnal Regres semparametr untu data longtudnal dapat dtuls dengan : y X β f ( t ), 1, 2,..., n ; j 1, 2,..., n (1) j j j j dmana terdapat n subje dengan subje e- mempunya n observas.menurut watu. y j, = 1,...,n, j = 1,...,n merupaan respon untu subje e- pada watu t j. β = (,,..., ) adalah vetor p 1 pada oefsen regres ovarat 1 2 p X, dengan j X β j dasumsan tda mempunya ntersep, f ( t ) adalah fungs yang terdeferensabel dua al j dengan panjang perode sama dengan dan adalah random error yang salng bebas j dengan mean 0 dan varans 2 R.
3 Paradgma, Vol. 13 No. 2 Agustus 2009 hlm a. Estmas parametr Secara umum bentu regres parametr lnear dgambaran sebaga berut [8] : y X, 1, 2,..., n (2) 0 1 atau dalam bentu matr dapat dtuls dengan : Y = Xβ + ε, dmana ε ~ N(0, 2 ) Estmas oefsen regres β dapat menggunaan metode uadrat terecl. Metode estmas n dlauan dengan memnmuman ε ε terhadap β. Untu ε ε ( Y Xβ) ( Y Xβ) dengan nol sehngga dperoleh estmator :, dengan menurunan ε ε tehadap β dan menyamaan ˆ -1 β = (X X) X Y (3) b. Estmas nonparametr Untu n pengamatan yang ndependen, ( t, y ), 1, 2,..., n, maa model regres secara umum dapat dtuls dengan : y f ( t ), 1, 2,..., n (4) dmana y adalah varabel respon e -, f ( t ) adalah fungs regres dan adalah error random yang dasumsan ndependen dan dent dengan mean 0 dan varans 2. Menurut Euban fungs regres f ( t ) dapat destmas menggunaan regres nonparametr [8]. Pendeatan nonparametr dgunaan untu mengestmas urva regres arena model tda dtentuan terlebh dahulu sepert pada regres parametr. Salah satu pendeatan nonparametr yang bsa dlauan adalah dengan fungs splne. dalam bentu : dengan Secara umum, fungs splne berorde adalah sembarang fungs yang dapat dtuls h j j 1 (5) S( t) t ( t )
4 Model Regres Semparametr Splne untu Data Longtudnal pada Kasus Kadar CD4 Penderta HIV 104 ( t ) j ( t ), t j 0, t j j dan adalah onstanta real dan,,..., adalah tt-tt not. 1 2 h 4. Aplas Pada peneltan n, dfousan untu melhat hubungan antara CD4 awal (X) dan watu pemersaan adar CD4 setelah terap (t) terhadap persentase adar CD4 setelah terfes HIV (Y), dmana CD4 awal merupaan varabel penjelas omponen parametr dan watu pemersaan merupaan varabel penjelas omponen nonparametr. Langah yang dlauan adalah memlh tt-tt not optmum pada pemodelan data secara parsal, sehngga dperoleh model parsal awal. Kemudan dar tt-tt nots optmum tersebut dbuat model smultan, sehngga dperoleh model semparametr berut : yˆ 0, 6 x x x... 0,1x 39,8 t j 2 j 3 j 52,3( t 0, 5) 13, 2( t 2, 4) 15,8( t 4, 96) 22,1t 17,3( t 1,5) 2 j 2 j (6)... 29, 9 t 99, 9 ( t 1, 5) 119, 5( t 2) 48, 4( t 2, 33) 1 dengan nla MSE dan R 2 masng-masng sebesar 7,096 dan 94,97 %. Pada data n terdapat orelas ddalam pengamatan berulang pada setap subje. Indas adanya orelas dapat terlhat pada varabel respon yang berpengaruh terhadap watu. Adanya asus orelas menunjuan bahwa model semparametr smultan (6) selayanya dsempurnaan dengan mengutan suatu bobot. Langah yang dlauan adalah menentuan bobot. Msal bobot yang dberan adalah W dan W*, sehngga dar edua bobot tersebut dperoleh model masng-masng sebaga berut : yˆ 0,43 x 0,91 x 1,17 x... 10,53 x 275,17 t + j 2 j 3 j ,25 t 295,23( t 0, 5) 12,37 ( t 4, 22) (7) 22,1t 17, 3( t 2, 4) ,11t + 269,06 ( t 1, 4) 2 j 2 j
5 Paradgma, Vol. 13 No. 2 Agustus 2009 hlm yˆ 0,77 x 0,93 x 1,08 x... 0, 92x j 2 j 3 j ,94 t 24,23 t 5,04 t 7,13 ( t 2, 2) 19, 39 t 14, 59( t 1, 6) j 2 j (8)... 2,39 t + 7, 29( t 4,1) 1 Berdasaran model (7), nla MSE dan R 2 sebesar 1,72 dan 99,15%, sedangan pada model (8) nla MSE dan R 2 adalah sebesar 23,72 dan 94,92%. Berdasaran etga model smultan (6), (7), dan (8) terlhat bahwa model (7) mempunya nla MSE terecl dan nla R 2 yang lebh ba. Ahrnya dperoleh model parsal, msalan tga model parsal yatu untu pasen 1, pasen 6, dan pasen 43 masng-masng adalah : yˆ 0,43 x 275,17 t 292,25 t 295,23( t 0, 5) 2 2 = 2 12,37 ( t 4, 22), j 1, 2,...,12 (9) 2 2 y ˆ = 0,48 x +31,4 t +25,13 t 9, 39 ( t 2, 3), 6 j 6 j 6 j 6 j 6 j j 1, 2,...,11 (10) 1 y ˆ 0,59 x 4, 97 t +6,04 ( t 3, 7), 43 j 43 j 43 j 43 j j 1, 2,...,12 (11) Berdasaran etga model parsal (9), (10), dan (11), dapat dlhat bahwa untu etga pasen tersebut mempunya pola data yang berbeda. Khususnya pada pola perubahan adar CD4, untu pasen 1 pada model (9) terlhat pada watu 0,5 tahun dan 4,22 tahun mengalam perubahan pola. Sedangan untu pasen 6 pada model (10) terlhat pada watu 2,3 tahun. Dan untu pasen 43 pada model (11) terlhat pada watu 3,7 tahun. 5. Kesmpulan Pemodelan data longtudnal dengan regres semparametr splne telah dlauan pada asus menduga pola hubungan antara CD4 awal (X) dengan adar CD4 pasen HIV (Y) dan watu pemersaan (t) dengan adar CD4 pasen HIV (Y). Model yang dperoleh mempunya nla MSE terecl dan R 2 yang terbesar. Berdasaran model yang dperoleh menunjuan pola perubahan adar CD4 setap pasen berbeda-beda. Pasen 1 mengalam perubahan adar CD4 pada watu 0,5 tahun dan 4,22 tahun; pasen 6 mengalam
6 Model Regres Semparametr Splne untu Data Longtudnal pada Kasus Kadar CD4 Penderta HIV 106 perubahan adar CD4 pada watu 2,3 tahun; dan pasen 43 mengalam perubahan adar CD4 pada watu 3,7 tahun. DAFAR PUSAKA [1] Srnad, I.A.M Estmator Splne pada Model Semparametr, ess. Surabaya : Insttut enolog Sepuluh Nopember. [2] Mulanah Pendeatan Kernel dalam Regres Semparametr dan Pemlhan Bandwth Optmal, ess. Surabaya : Insttut enolog Sepuluh Nopember. [3] Ampa, A Model Lner Parsal pada Hlangnya Data Komponen Parametr, ess. Surabaya : Insttut enolog Nopember. [4] Brumbac, B. dan Rce, J.A Smoothng Splne Models for the Analyss of Nested and Crossed Sampels of Curves. Journal of Amercan Statstcal Assocaton, 93 (443), [5] Kuswanto, H Model Gamma-Fralty untu Data Longtudnal dan Penggunaan Korelas Seral dengan Metode Composte Lelhood, ess. Surabaya : Insttut enolog Sepuluh Nopember. [6] Zeger dan Dggle Semparametrc Models for Longtudnal Data wth Applcaton to CD4 Cell Numbers n HIV Seroconverters. Journal of the Amercan Statstcal Assocaton, 50 (3), [7] Zhang, D., Ln, X., Raz, J. Dan Sower, M.F Semparametrc Stochastc Mxed Models for Longtudnal Data. Journal of the Amercan Statstcal Assocaton, 93 (442), [8] Euban, R.L Splne Smoothng and Nonparametrc Regresson. New Yor : Marcel Deer.
ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciPEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla
Lebih terperinciEKSPEKTASI SATU PEUBAH ACAK
EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt
Lebih terperinciBAB II TEORI DASAR. Analisis Kelompok
BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,
Lebih terperinciBAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciKarakterisasi Matrik Leslie Ordo Tiga
Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember
Lebih terperinciBAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA
BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah
BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah
Lebih terperinciPEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION
PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut
Lebih terperinciBAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)
BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang
Lebih terperinciKOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda
KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciINVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN
Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu
Lebih terperinciBAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode
BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciIII FUZZY GOAL LINEAR PROGRAMMING
7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang
Lebih terperinciPENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI
PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)
Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran
Lebih terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK
Tess ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK Oleh : MUHAMMAD NAFI NRP.304008 PROGRAM PASCASARJANA PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciPendekatan Hurdle Poisson Pada Excess Zero Data
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar
Lebih terperinciProsedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d
Lebih terperinciUSULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG
Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata
Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola
Lebih terperinciPenggunaan Model Regresi Tobit Pada Data Tersensor
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBab III. Plant Nonlinear Dengan Fase Nonminimum
Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciTaksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil
Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data
Lebih terperinciSpline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat
Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan
Lebih terperinciPemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression
JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah
Lebih terperinciBAB II DIMENSI PARTISI
BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciFUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)
Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam
Lebih terperinciPemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciCorresponding Author:
Perbandngan Fungs Ketahanan Hdup Dengan Metode Non Parametrk Menggunakan Uj Gehan Dan Uj Cox-Mantel (Lvng wth Securty Functon Comparson Method Usng Non Paremetrk Gehan test and Cox-Mantel Tes Ans Sept
Lebih terperinciPRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING
PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan
Lebih terperinciPemodelan Regresi Variabel Moderasi Dengan Metode Sub-Group. Regression Modeling of Moderating Variable with a Method of Sub Group
Jurnal EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Pemodelan Regres Varabel Moderas Dengan Metode Sub-Group Regresson Modelng of Moderatng Varable wth a Method of Sub Group Rsna Septawat, Des
Lebih terperinciEman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK
PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata
Lebih terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih terperinciPemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciJurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online
Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu
Lebih terperinciPemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)
Lebih terperinciPENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD
ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/
Lebih terperinciFaktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan
Lebih terperinciIV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN
69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah
Lebih terperinciOptimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi
JURNA INFORMATIKA, Vol.4 No.2 September 27, pp. 222~229 ISSN: 2355-6579 E-ISSN: 2528-2247 222 Optmas Baru Program near Mult Objetf Dengan Smplex P Untu Perencanaan Produs Maxs Ary Am BSI Bandung e-mal:
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).
ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)
BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciVI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar
VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr
Lebih terperinciPENAKSIR PRODUK YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DAN SAMPLING BERPERINGKAT
PEAKSIR PRODUK AG EFISIE UUK RAA-RAA POPULASI PADA SAMPLIG ACAK SEDERHAA DA SAMPLIG BERPERIGKA Dw Andn *, Frdaus, Arsan Adnan Mahasswa Progra S Mateata Dosen Jurusan Mateata Faultas Mateata Ilu Pengetahuan
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciPEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA
Lebih terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciBenyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN
METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciPENYELESAIAN SISTEM PERSAMAAN TAK LINIER
PENYELESIN SISTEM PESMN TK LINIE Mater Kulah: Pengantar; Iteras Satu Tt; Iteras Newton # PENGNT # erut n adalah contoh seumpulan buah persamaan ta lner smulta dengan buah varabel ang ta detahu:... ( 57...
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciCONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA
CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA
Lebih terperinciOleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur
Oleh : Der Akhmad (9738) Johan Arfn (9834) Muhammad Alawdo (83) es Hapsar (83) Wndu Pramana Putra (835) Tya Hermoza (849) Gempur Safar (877) Febra Aryan (97) Asr Wdyasar (978) Nur Inayah (4) Adharsa Rakhman
Lebih terperinciπ(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)
Lebih terperincie + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e
ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan
Lebih terperinciPemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB III METODE PENELITIAN
A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciAKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL
-6 98:. eguh d. AAR UADRA ESEMBLE ALMA FILER (A-EnF PADA ESIMASI POSISI ROBO MOBIL. eguh, Subchan,*,. endro, A. Erna, S.P. Dd 2, dan M. omarudn 3 Insttut enolog Seuluh oember 2 Polten Eletrna eger Surabaya
Lebih terperinciSTATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil
Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan
Lebih terperinciPemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd
Lebih terperinciBab III Model Estimasi Outstanding Claims Liability
Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciPENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBootstrap Pada Regresi Linear dan Spline Truncated
Statstka, Vol. 8 No. 1, 47 54 Me 2008 Bootstrap Pada Regres Lnear dan Splne runcated Harson Darmaw 1) dan Bambang Wdjanarko Otok 2) 1) enaga Pengajar d Jurusan Matematka UNRI, Pekanbaru e-mal: son_ms@yahoo.co.d
Lebih terperinciANALISIS REGRESI PADA DATA OUTLIER DENGAN MENGGUNAKAN LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMASI. Heru Nurcahyadi
ANALISIS REGRESI PADA DATA OUTLIER DENGAN MENGGUNAKAN LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMASI Heru Nurcahyad PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
Lebih terperinci