BAB II KAJIAN PUSTAKA
|
|
- Verawati Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust, oefse determas, da breadow pot. A. Varabel Radom Pada sub bab aa djelasa megea varabel radom. Tujuaya adalah utu megembaga model matemata utu meggambara peluag hasl dar perstwa yag terjad dalam ruag sample. Hasl- hasl percobaa dapat dgambara dega la-la umer sederhaa, da varabel radom dapat ddefsa sebaga desrps umer dar hasl percobaa. Defs.. (Ba & Egelhardt, 99:53) Varabel radom X merupaa fugs yag memetaa setap hasl yag mug e pada ruag sampel S dega suatu blaga rl, sedema sehgga X(e) =. Dega smbol huruf besar X meotasa suatu varabel radom, sedaga smbol huruf ecl sebaga blaga rl yag merupaa hasl lala mug dar varabel radom. Cotoh.. Ruag sampel pelambuga 3 epg uag logam dperoleh S = {AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG}. Kemuda X merupaa bayaya aga yag mug mucul dalam ejada tersebut, sehgga varabel radom X-ya adalah 8
2 X(AAA) = 3 X(AAG) = X(AGA) = X(GAA) = X(AGG) = X(GAG) = X(GGA) = X(GGG) = 0 Setap varabel radom meml peluag yag dapat dbera oleh suatu fugs yag damaa fugs epadata peluag. Varabel radom delompoa mejad dua jes, yatu varabel radom dsrt da varabel radom otu. Berut merupaa pejelasa sgat dar edua jes varabel radom: Varabel radom dsrt Varabel radom dsrt adalah varabel radom yag tda megambl seluruh la yag ada dalam terval atau varabel yag haya meml la tertetu. Nlaya berupa blaga bulat da blaga asl, tda berbetu pecaha. Defs.. (Ba & Egelhardt,99:56) Varabel radom X dsebut varabel radom dsrt apabla hmpua semua la yag memeuh varabel radom X adalah hmpua terhtug,, atau,,. Cotoh.. Sebuah o dlempar sebaya 0 al, da varabel radom X merupaa bayaya ss gambar yag mucul. Dega dema, X haya dapat berla dar {0,,,, 0}, X dsebut varabel radom dsrt. Dalam varabel radom dsrt terdapat fugs epadata peluag dsrt da fugs dstrbus umulatfya. Sedaga pada varabel radom otu mempuya fugs epadata peluag yag merupaa turua dar fugs dstrbus umulatfya. 9
3 Dar pegerta varabel radom dsrt, dapat ddefsa fugs epadatata peluag dsrtya, yatu: Defs.3. (Ba & Egelhardt, 99:56) Fugs f() = P(X = ), =, merupaa peluag utu setap la yag mug dsebut fugs epadata peluag dsrt (pdf). Cotoh.3. Ja sebuah dadu dlempar satu al, maa terdapat 6 emuga la yag aa terjad. Peluag masg-masg emuga tersebut adalah sama, da dapat dtulsa sebaga berut: P(X = ) = 6 P(X = 4) = 6 P(X = ) = 6 P(X = 5) = 6 P(X = 3) = 6 P(X = 6) = 6 Defs.4. (Ba & Egelhardt, 99:58) Fugs dstrbus umulatf (cumulatve dstrbuto fucto/cdf) dar varabel radom X medefsa utu setap blaga real, dega F() = P(X ). Hal tu berart bahwa fugs dstrbus umulatf adalah jumlaha lala fugs peluag utu emuga la X lebh ecl atau sama dega Fugs F() dsebut fugs dstrbus umulatf dsrt ja da haya ja memeuh: F() = P(X ) = f( ) (.) Fugs tersebut mempuya sfat-sfat: () 0 F() () ja y, maa F() F(y) (.) 0
4 Cotoh.4. Pelambuga sebuah mata dadu sebaya satu al, dega ruag sample S = {,, 3, 4, 5, 6}. Peluag muculya mata dadu urag dar atau sama dega 3 dapat dtuls: F(3) = P(X 3) = f( ) 3 F(3) = P(X 3) = f() + f() + f(3) F(3) = P(X 3) = = 3 6 = Jad, peluag muculya mata dadu urag dar atau sama dega 3 adalah. Varabel radom otu Pada umumya, ja F(X) merupaa cdf dar varabel radom X, maa turuaya (asumsa ada) dapat dotasa dega f() yag merupaa fugs pdf. Defs.5. (Ba & Egelhardt, 99:64) Varabel radom X dsebut varabel radom otu ja terdapat fugs yag merupaa fugs epadata peluag (pdf) dar X, sehgga fugs dstrbus umulatfya dapat dtujua sebaga: F() = f(t) dt ~ Cotoh.5. Cdf dar F() = P[X ] = c. Msala c = 5 da F() = 5 ja 0 5. Pada umumya, ja F() adalah fugs cdf varabel radom X, maa dapat dotasa dega turuaya yatu f(), pada ods tertetu terdapat f() sebaga pdf dar X. Sebaga cotoh F(X) dapat drepresetasa utu la dar pada terval [0,5] sebaga tegral dar turuaya: F() = f(t) dt = 5 dt 0 = 5
5 B. Regres Ler Secara umum, aalss regres pada dasarya adalah stud megea varabel depede (terat) yag bergatug dega satu atau lebh varabel depede (bebas), dega tujua utu megestmas da mempreds rata-rata populas atau la rata-rata varabel depede berdasara la varabel depede yag detahu. Regres ler merupaa suatu metode aalss statst yag mempelajar pola hubuga atara dua varabel atau lebh megguaa model persamaa ler, sehgga salah satu varabel pada model regres dapat dduga dar varabel laya. Regres Ler Sederhaa Model regres ler sederhaa merupaa suatu model regres dasar yag melbata satu varabel depede saja. Betu umum regres ler sederhaa dapat dtulsa sebaga berut: y = β 0 + β + e (.5) (Draper & Smth, 998:) dega y merupaa varabel depede pada observas e-, adalah ostata yag detahu yatu la varabel depede yag detahu, β 0 da β adalah parameter oefse regres, sedaga e merupaa suatu error. Model tersebut dataa sederhaa sebab haya ada satu varabel depede, serta dapat dataa ler dalam parameter da dalam varabel depede dareaa tda ada parameter maupu varabel yag mucul sebaga suatu argume dar fugs trasede, hasl al da hasl bag dega parameter la da varabel berpagat satu.
6 Regres Ler Bergada Pada suatu peelta yag memafaata aalss regres, sergal seorag peelt g meyeld sejumlah varabel depede secara bersama yag berpegaruh terhadap varabel depede. Hal dlaua meggat model dega haya satu varabel depede sergal aa membera preds yag jauh lebh telt. Suatu model yag lebh omples yag memuat beberapa varabel depede petg, basaya lebh bergua area dapat membera preds yag lebh telt terhadap varabel depede. Meurut Motgomery & Pec (99:53), Model regres ler bergada dega varabel depede adalah sebaga berut: y = β 0 + β + β + + β + e atau dapat dtuls dega: y = β 0 + j= β j j + e, =,,, (.6) y β 0, β,, β j e = la varabel depede pada observas e- = parameter oefse regres = la varabel depede yag e-j pada observas e- = radom error Parameter β da β dalam model regres ler bergada deal dega ama oefse regres parsal, yag mempuya maa sebaga berut:. Parameter β meujua perubaha rata-rata varabel depede utu setap eaa satu satua bla dpertahaa osta. 3
7 . Parameter β meujua perubaha rata-rata varabel depede utu setap eaa satu satua bla dpertahaa osta. Bla pegaruh terhadap rata-rata varabel depede tda bergatug pada taraf, da sebaga abat pegaruh terhadap rata-rata varabel depede juga tda bergatug pada taraf, maa edua varabel depede da tda bergatug atau salg mempegaruh satu sama la. C. Metode Kuadrat Terecl Parameter β 0, β,, β tda detahu da perlu dtetua la estmasya. Meurut Motgomery & Pec (99:), Metode Kuadrat Terecl (MKT) dguaa utu megestmas oefse β 0, β, β,, β yatu dega memmuma jumlah uadrat galat. Fugs yag memmuma adalah: S(β 0, β,, β ) = e = = (y β 0 β j j ) = j= (.7) Fugs S aa dmmala dega meetua turuaya terhadap β 0, β,, β, harus memeuh S β = (y β 0 β j j ) = 0 β 0,β,,β = Selajutya la β 0, β,, β destmas mejad β 0, β,, β, sehgga mejad j= S = β = (y β 0 j= β j j ) = 0 (.8) β 0,β,,β da 4
8 5 S β j β 0,β,,β = (y β 0 β j j j= ) = j = 0 (.9) Selajutya dar Persamaa (.8) da Persamaa (.9) d atas, meghasla persamaa ormal uadrat terecl sebaga berut: y y y y 0 (.0) Detahu bahwa ada p = + persamaa ormal, satu utu masg-masg oefse regres yag tda detahu. Solus dar persamaa ormal tersebut aa mejad estmator uadrat terecl β 0, β,, β. Aa lebh mudah apabla model regres dyataa dalam matrs. Notas matrs yag dbera pada Persamaa (.6) adalah Y = Xβ + e dega Y = [ y y y ]; X = [ ]; β = [ β β β ]; e = [ e e e ] Pada umumya Y adalah matrs beruura ( ), sedaga X adalah matrs beruura ( ), β beruura ( ), da e adalah matrs beruura ( ). Error dapat dturua dar persamaa d atas, sehgga dperoleh: e = Y Xβ
9 Meurut Motgomery & Pec (99:), utu meetua estmatorestmator uadrat terecl, β yag memmuma S(β j ) adalah: S(β) = e = e T e = = (Y Xβ) T (Y Xβ) = Y T Y Y T Xβ β T X T Y + β T X T Xβ = Y T Y β T X T Y + β T X T Xβ (.) Matrs β T X T Y adalah matrs beruura ( ), atau sebuah salar, da traspose β T X T Y = Y T Xβ yag merupaa salar. Kemuda aa dtetua turua parsal fugs S(β) terhadap β utu meetua estmator uadrat terecl, S β β = (YT Y β T X T Y + β T X T Xβ) β = (YT Y) β (βt X T Y) β = 0 X T Y + X T Xβ = X T Y + X T Xβ + (βt X T Xβ) β S β β = (YT Y β T X T Y + β T X T Xβ ) β = X T Y + X T Xβ. (.) Agar dperoleh estmator-estmator uadrat terecl, maa harus memmala turua parsal fugs S(β) terhadap β da memeuh 6
10 S β = 0. Dega meyelesaa Persamaa (.) d atas, aa dperoleh estmator utu β, yatu: S β = 0 X T Y + X T Xβ = 0 X T Xβ = X T Y X T Xβ = X T Y. (.3) Apabla edua ruas dala vers dar matrs (X T X), maa estmas uadrat terecl dar β, yatu (X T X) X T Xβ = (X T X) X T Y β = (X T X) X T Y. (.4) Dasumsa bahwa vers matrs (X T X) ada. Dperoleh matrs dar Persamaa ormal (.3) yag det dega betu salar pada Persamaa (.0). Dar Persamaa (.3), dperoleh y = [ = = = = = = = = = = ] β 0 β = [ β ] = y = y [ = ] Matrs X T X adalah matr perseg beruura da X T Y adalah vetor. Dagoal eleme matrs X T X merupaa jumlah uadrat dar olom-olom X, 7
11 da eleme-eleme sela dagoalya merupaa perala eleme dalam olom X. Sedaga eleme-eleme matrs X T Y adalah jumlah perala atara olom X da observas y. dperoleh Model regres dega varabel depede T = [,,,, ], sehgga β 0 y = T β = [,,,, ] β [ β ] y = T β = β 0 + β j j dega pejabara T = [ ] = X, maa dapat dtulsa j= y = Xβ = X(X T X) X T Y = HY dega matrs perseg yag dsebut matrs hat H = X(X T X) X T (.5) D. Peguja Asums Aalss Regres Pada model regres, perlu dlaua uj asums aalss regres utu megetahu apaah model memeuh asums atau tda. Apabla ada uj asums yag tda terpeuh, dapat dpasta data observas megadug outler. Apabla semua uj asums terpeuh, belum tetu data observas tda 8
12 megadurg outler. Sehgga uj outler harus dlaua. Asums yag memeuh aalss regres dega MKT atara la: resdu berdstrbus ormal, homosedaststas, o autoorelas, da o multolertas. Uj Normaltas Aalss regres ler megasumsa bahwa ssaa (e ) berdstrbus ormal. Pada regres ler las dasumsa bahwa tap ssaa (e ) berdstrbus ormal dega e ~N(0, σ ) (Gujarat, 004:09). Salah satu cara utu meguj asums eormala adalah dega uj Kolmogorov-Smrov. Uj ddasara pada la D, yatu: D = ma F 0 (X ) S (X ), =,,,. dega F 0 (X ) adalah fugs dstrbus freues umulatf relatf dar dstrbus teorts d bawah H 0. Kemuda S (X ) adalah dstrbus freues umulatf pegamata sebaya sampel. Hpotess ol (H 0 ) adalah ssaa berdstrbus ormal. Selajutya la D dbadga dega la D rts dega sgfas α (tabel Kolmogorov-Smrov). Apabla la D > D tabel atau la esalaha yag ddapat peelt dar perhtuga statst yatu p value pada output program, aa urag dar la taraf yata (α), maa asums ormaltas dpeuh. Uj Homosedaststas Salah satu asums las adalah homosedaststas atau o heterosedaststas yatu asums yag meyataa bahwa vara setap ssaa (e ) 9
13 mash tetap sama ba utu la-la pada varabel depede yag ecl maupu besar. Asums dapat dtuls sebaga berut Var(e ) = σ, =,,, otas meujua jumlah observas. Salah satu cara meguj esamaa varas yatu dega melhat pola tebara ssaa (e ) terhadap la estmas Y. Ja tebara ssaa bersfat aca (tda membetu pola tertetu), maa dataa bahwa varas ssaa homoge (Draper & Smth, 998:65). Utu lebh tepatya, meurut Gujarat (004:406) salah satu cara utu medetes homosedaststas adalah megguaa uj orelas ra Spearma yag ddefsa sebaga berut d r s = 6 [ ( ) ] dega d adalah ra varabel depede durag ra varabel depede yag dtempata pada dua araterst yag berbeda dar dvdual atau feomea e-, da adalah bayaya dvdual yag drag. Koefse ra orelas tersebut dapat dguaa utu medetes o heteroedaststas dega megasumsa Y = X + e. Adapu tahapaya dalah sebaga berut ) Mecocoa regres terhadap data megea Y da X serta medapata ssaa e. ) Dega megabaa tada dar e, yatu dega megambl la mutlaya e, merag ba harga mutla e da X sesua dega 0
14 uruta yag megat atau meuru da meghtug oefse ra orelas Spearma yag telah dbera sebelumya. 3) Dega megasumsa bahwa oefse ra orelas populas ρ s adalah ol da > 8, sgfa dar r s yag dsampel dapat duj dega peguja t sebaga berut : t = r s r s Ja la t yag dhtug melebh la t rts dega derajat bebas maa H0 dtola, artya asums homosedasttas tda dpeuh. Ja model regres melput lebh dar satu varabel X, r s dapat dhtug atara e da taptap varabel X secara terpsah da dapat d uj utu tgat petg secara statst dega peguja t yag dbera d atas. Atau apabla megguaa SPSS, la sg > maa tda terjad heterosedaststas. Uj No Autoorelas Salah satu asums petg dar regres lear adalah bawa tda ada autorelas atara seragaa pegamata yag duruta meurut watu. Adaya ebebasa atar ssaa dapat ddetes secara grafs da emprs. Pedetesa autoorelas secara grafs yatu dea melhat pola tebara ssaa terhadap uruta watu. Ja tebara ssaa terhadap uruta watu tda membetu suatu pola tertetu atau bersfat aca maa dapat dsmpula tda ada autoorelas atar ssaa (Draper & Smth, 998:68). Meurut Gujarat (004:467), peguja secara emprs dlaua dega megguaa statst uj Durb-Watso. Hpotess yag duj adalah:
15 H0: Tda terdapat autoorelas atar ssaa H: Terdapat autoorelas atar ssaa Adapu rumusa matemats uj Durb-Watso adalah: d = = (e e ) e = Kadah eputusa dalam uj Durb-Watso adalah:. Ja d < d L atau d > 4 d L, maa H 0 dtola berart bahwa terdapat autoorelas atar ssaa.. Ja d U < d < 4 d U, maa H 0 tda dtola yag berart bahwa asums o autoorelas terpeuh. 3. Ja d L d d U atau 4 d U d 4 d L maa tda dapat dputusa apaah H 0 dterma atau dtola, sehgga tda dapat dsmpula ada atau tda adaya autoorelas. 4. Statst d yatu d U da d L dar Durb-Watso dapat dlhat pada tabel. Uj No Multolertas Meurut Motgomery, Pec, & Vg (006:), oleartas terjad area terdapat orelas yag cuup tgg d atara varabel depede. VIF (Varace Iflato Factor) merupaa salah satu cara utu meguur besar olertas da ddefsa sebaga berut VIF = R j dega j =,,, p
16 da p adalah bayaya varabel depede, sedaga R j adalah oefse determas yag dhasla dar regres varabel depede X j dega varabel depede la. Nla VIF mejad sema besar ja terdapat orelas yag sema besar datara varabel depede. Ja VIF lebh dar 0, multoleartas membera pegaruh yag serus pada pedugaa metode uadrat ecl, sehgga dapat dataa terjad multolertas. E. Pecla (Outler) Pecla (Outler) merupaa pegamata yag jauh dar pusat data observas dar data yag laya da mug berpegaruh besar terhadap oefse regres (Pardoe, 0:89). Pecla dalam data yag telah dperoleh aa meggaggu proses aalss data sehgga baya dhdar pada beberapa hal. Meurut Soemart (007:7) dalam ataya dega aalss regres, pecla dsebaba oleh hal-hal berut:. Resdual yag besar dar model yag berbetu.. Varas pada data tersebut mejad lebh besar. 3. Tasra terval meml jara yag lebar. Meurut Soemart (007:4), pada aalss regres, terdapat 3 tpe outler yag mempegaruh hasl estmas uadrat terecl yatu sebaga berut:. Vertcal outler Merupaa suatu tt yag mejad outler area meml oordat Y yag estrm. Dega ata la, data yag terpecl pada sumbu Y tetap tda pada sumbu X. 3
17 . Good leverage pot Merupaa suatu tt yag mejad outler pada varabel depede tetap terleta deat dega gars lear, yag berart bahwa observas (, y ) apabla mejauh tetap y coco dega gars lear. Good leverage tda berpegaruh terhadap estmas uadrat terecl, tetap berpegaruh terhadap feres statst area dapat megata estmas stadar error. 3. Bad leverage pot Merupaa suatu tt yag mejad outler pada varabel depede tetap terleta jauh dega gars lear. Bad laverage berpegaruh sgfa terhadap estmas uadrat terecl. Terdapat beberapa metode utu meetua batasa pecla dalam sebuah aalss, dataraya:. Metode Grafs Metode grafs merupaa salah satu metode yag dapat dguaa utu memecaha masalah lear progammg yag metberata pada sumbu X da Y. Dalam hal X da Y merupaa varabel-varabel yag g dombasa da g dcar ombas yag optmal. Utu melhat ada tdaya pecla pada data, dapat dlaua dega membuat plot sederhaa atara data dega observas e- ( =,, 3,, ) sepert Gambar.. 4
18 Gambar. Cotoh scatter-plot dar data pada observas e- Dar cotoh d atas terdapat salah satu data, ya observas e-8 yag megdasa merupaa pecla. Sela melalu scatter-plot d atas, ja sudah ddapata model regres maa dapat dlaua dega cara memplot atara resdual (e) dega la preds Y (Y ). Ja terdapat satu atau beberapa data yag terleta jauh dar pola umpula data eseluruha maa hal megdasa adaya pecla. Kelemaha dar metode adalah eputusa bahwa suatu data yag merupaa pecla sagat bergatug pada subjetvtas peelt area haya megadala vsualsas grafs. Dem memmuma esalaha tes, maa pedetesa pecla dlaua melalu perhtuga statst.. Boplot Metode boplot merupaa metode yag serg dguaa peelt utu medetes eberadaa pecla dega megguaa la uartl da 5
19 jagaua. Kuartl,, da 3 aa membag uruta data mejad empat baga. Jagaua IQR (Iterquartle Rage) ddefsa sebaga selsh uartl terhadap uartl 3, yatu IQR = Q3 Q. Data-data pecla dapat dtetua yatu la yag urag dar.5*iqr terhadap uartl da la yag lebh dar.5*iqr terhadap uartl 3, (Soemart, 007:9). Gambar. Sema detfas pecla megguaa IQR atau Boplot 3. Resdu Jacfe (R-Studet) Salah satu metode yag dguaa utu megdetfas adaya outler yag berpegaruh dalam oefse regres adalah resdu Jacfe. Meurut Chatterjee & Had (986:380), defs Jacfe atau basa juga dsebut sebaga R-studet, yag dlambaga dega t adalah: e t = e (σ ) = (.6) σ () h 6
20 dega p = varabel + da t berdstrbus t p ja model asums terpeuh da e ~N(0, σ I). Notas h merupaa eleme dagoal e- dar matrs hat (Persamaa.5) da e merupaa resdu e-. Meurut Chatterjee & Had (986:380), σ () adalah: σ () = () T (I H () )X () ( p)σ = p p e ( p )( h ) (.7) Matrs X () merupaa matrs tapa bars e- da () merupaa matrs bars e- semetara σ mempuya derajat ebebasaya ( p). Sedaga σ () mempuya derajat ebebasaya [( p) ] area observas e- dhapus, dega la p yatu bayaya varabel dtambah. Nla resdu Jacfe yag ddetfas sebaga outler adalah data dega la Jaccfe atau la (t ) -ya melebh la rts tα ;( p ), dega p merupaa parameter da bayaya observas. F. Regres Robust Regres robust merupaa metode regres yag dguaa eta dstrbus dar ssaa tda ormal da/atau adaya beberapa pecla yag berpegaruh pada model (Rya, 997:50). Data yag meml dstrbus ssaa yag tda ormal past megadug pecla, aa tetap, tda semua data yag megadug pecla berdstrbus ormal. Metode merupaa alat petg utu megaalsa data yag dpegaruh oleh pecla sehgga dhasla model yag dapat megatas data yag megadug pecla. Suatu estmator yag robust adalah relatf tda berpegaruh oleh adaya perubaha besar pada baga ecl data atau perubaha ecl pada sebaga besar 7
21 data (Huber, 009:8). Meurut Che (00:), metode-metode estmas dalam regres robust dataraya: a. Estmas-M (Mamum lelhood type) yag dpereala oleh Huber (973) merupaa metode yag sederhaa, ba dalam perhtuga maupu secara teorts. Metode meml la breadow pot sebesar. b. Estmas-LMS (Least Meda Squares) merupaa metode yag dpereala oleh Hampel (975). Metode meml la breadow pot hgga 50%. c. Estmas-LTS (Least Trmmed Squares) merupaa metode yag meml la breadow pot tgg yag dpereala oleh Rousseeuw (984). d. Estmas-S (Scale) juga merupaa metode dega meml la breadow pot tgg yatu 50% yag dpereala oleh Rousseeuw da Yoha (984). Mes meml la breadow pot yag sama dega estmas- LTS. e. Estmas-MM (Method of Momet) merupaa metode yag dpereala oleh Yoha (987). Metode merupaa metode yag meggabuga estmas-s (estmas yag meml la breadow pot tgg) da estmas-m G. Koefse Determas Koefse determas atau basa dlambaga dega R merupaa salah satu uura yag sederhaa da serg dguaa utu meguj ualtas suatu persamaa gars regres (Gujarat, 004:8). Nla oefse determas 8
22 membera gambara tetag esesuaa varabel depede dalam mempreds varabel depede. Sfat dar oefse determas adalah: a. R merupaa besara yag o-egatf b. Batasya adalah 0 R Utu megetahu metode estmas yag membera hasl yag lebh ba, maa rtera yag dguaa adalah dega membadga la R-Square (R ) yag meujua seberapa besar propors varas varabel depede yag djelasa oleh varabel depede (Harm, 0:66). Meurut Imam (0:97), la R yag ecl berart emampua varabel-varabel depede dalam mejelasa varas varabel depede sagat terbatas. Nla yag medeat satu berart varabel-varabel depede membera hampr semua formas yag dbutuha utu mempreds varas varabel depede. Apabla la oefse determas sema besar, maa sema besar emampua semua varabel depede dalam mejelasa varas dar varabel depedeya. Secara sederhaa oefse determas dhtug dega meguadrata oefse orelas (R). H. Breadow Pot Breadow pot yatu baga terecl data yag meympag yag meyebaba la estmator mejad tda bergua (Motgomery, Pec & Vg, 006:385). Breadow pot merupaa uura umum propors dar outler yag dapat dtaga sebelum observas tersebut mempegaruh model preds. Meurut Sahar (0), sema besar la persetase dar breadow 9
23 pot pada suatu estmator, maa estmator tersebut sema robust, area sema besar la persetase breadow pot, maa sema uat juga suatu metode estmas tersebut dalam meaga bayaya pecla. Regres robust yag mempuya breadow pot adalah regres robust dega metode estmas-s, LTS, LMS, da MM. Estmas-S da estmas-mm dapat dguaa utu megatas masalah outler dega propors hgga 50%, sedaga estmas-m meml propors breadow pot sebesar. 30
ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya
Lebih terperinciBAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam
BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperinciII. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan
II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciBAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)
BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut
Lebih terperinciadalah nilai-nilai yang mungkin diambil oleh parameter jika H
Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas
Lebih terperinciBAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat
BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciHIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1
HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w
Lebih terperinciBAB I PANDAHULUAN. 1.1 Latar Belakang
BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,
Lebih terperincititik tengah kelas ke i k = banyaknya kelas
STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e
Lebih terperinciH dinotasikan dengan B H
Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciSTATISTIKA ELEMENTER
STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciSTATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD
Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinciKajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d
Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciKAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT
Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real
Lebih terperinciAnalisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)
Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciUKURAN DASAR DATA STATISTIK
UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciBAB 3 Interpolasi. 1. Beda Hingga
BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion
Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinciBukti Teorema Sisa China dengan Menggunakan Ideal Maksimal
Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya
Lebih terperinciRangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data
Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciE ax by c ae X be Y c. 6.1 Pengertian Umum
6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga
Lebih terperinciMETODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap
III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)
ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP
Lebih terperinciPENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA
PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinci8.4 GENERATING FUNCTIONS
8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciPENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA
PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda
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 terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciMETODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k
Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta
Lebih terperinciBAB II KAJIAN TEORI. tertentu (Martono, 1999). Sistem bilangan real dinotasikan dengan R. Untuk
5 BAB II KAJIAN TEOI A. Sstem Blaga eal Sstem blaga real adalah hmpua blaga real ag dserta dega operas pejumlaha da perala sehgga memeuh asoma tertetu (Martoo, 999). Sstem blaga real dotasa dega. Utu lebh
Lebih terperinciEstimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model
Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON
Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus
Lebih terperinciIr. Tito Adi Dewanto
Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah
Lebih terperinciRegresi TELBS untuk Mengatasi Masalah Pencilan
8th Idustral Research Worshop ad Natoal Semar Polte Neger Badug July 6-7, 017 Regres TEBS utu Megatas Masalah Pecla Nurul Gusra 1, Frdaza, Nov Octavat 3 1,,3 Departeme Matemata FMIPA Uvestas Padjadjara
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciPROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)
H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciProsiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA
Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag
Lebih terperinciBAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai
BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga
Lebih terperinciKAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH. Elen Dwi Pradewi 1, Sudarno 2
Kaa Estmas-M (Ele) KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH Ele Dw Pradew, Sudaro Alum Program Stud Statsta FSM Uverstas Dpoegoro
Lebih terperinciBAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).
BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciPendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin
4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua
Lebih terperinciPENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE
PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa
Lebih terperincidan µ : rata-rata hitung populasi x : rata-rata hitung sampel
Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura
Lebih terperinciPemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinciPEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR)
PEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR) Supart, Taro da Yo Haryoo Staf urusa Matemata FMIPA UNDIP Alum urusa Matemata
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciAnalisis Korelasi dan Regresi
Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinciTINJAUAN PUSTAKA Evaluasi Pengajaran
TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciOPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK
Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas
Lebih terperinciLANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)
LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau
Lebih terperinciDISTRIBUSI RAYLEIGH UNTUK KLAIM AGREGASI. Getut Pramesti Staf Pengajar FKIP Universitas Sebelas Maret, Jl. Ir. Sutami 36A Surakarta,
Dstrbus Raylegh Getut ramest DITRIBUI RAYLEIGH UTUK KLAIM AGREGAI Getut ramest taf egajar FKI Uverstas ebelas Maret, Jl. Ir. utam 36A uraarta, getut@gmal.com Abstract A Aggregato of clams are clams the
Lebih terperinciAnalisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter
Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,
Lebih terperinciPEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR)
PEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR) Supart Taro da Yo Haryoo Staf urusa Matemata FMIPA UNDIP Alum urusa Matemata
Lebih terperinciProsiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016
Prosdg Semar Nasoal Matemata da Pembelajaraya. Jurusa Matemata, FMIPA UM. Agustus 06 METODE NUMERIK STEPEST DESCENT DENGAN ARAH PENCARIAN RERATA ARITMATIKA Rumoo Bud Utomo Uverstas Muhammadyah Tagerag
Lebih terperinciBAB III TEORI PERRON-FROBENIUS
BB III : EORI PERRON-FROBENIUS 34 BB III EORI PERRON-FROBENIUS Pada Bab III aa dbahas megea eor Perro-Frobeus, yatu teor hasl otrbus dar seorag matematawa asal Germa, Osar Perro da Ferdad Georg Frobeus
Lebih terperinci