Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman Budantara, dan Wahyu Wbowo Jurusan Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Insttut Tenolog Seuluh Noember (ITS) Jl. Aref Rahman Ham, Surabaya 60 Indonesa e-mal: dhraaudha@gmal.com, _nyoman_b@statsta.ts.ac.d, wahyu_w@statsta.ts.ac.d Abstra Penyebab utama ertambahan endudu yang besar seta tahunnya adalah elahran. Kelahran erat atannya dengan umur awn ertama. Umur awn ertama (UKP) adalah umur ada saat wanta menah ertama al. Jawa Tmur meml rata-rata UKP wanta sebesar tahun, dan meruaan terendah edua d Pulau Jawa setelah Banten. Sebanya lebh dar 50 ersen wanta d Jawa Tmur awn d usa urang dar 0 tahun ada tahun 0. Terdaat 5 fator yang dduga memengaruh UKP, yatu ersentase endudu yang tnggal d edesaan, rata-rata lama seolah wanta, ersentase endudu usa 5 tahun e atas yang beera, ersentase endudu msn, dan gn rato. Pemodelan UKP menggunaan reges semarametr slne lner arena hubungan antara rata-rata UKP wanta Provns Jawa Tmur dengan sebagan fator yang dduga memengaruhnya tda membentu ola tertentu dan sebagan lag membentu ola tertentu. Berdasaran hasl analss, terdaat 4 fator yang berengaruh sgnfan terhada rata-rata UKP, yatu rata-rata lama seolah wanta, ersentase endudu wanta yng tnggal d desa, ersentase endudu wanta usa 5 tahun eatas yang beera, dan gn rato. Model regres semarametr slne menghaslan oefsen determnas sebesar 90,77%. Kata Kunc rata-rata umur awn ertama, regres semarametr, slne. F I. PENDAHULUAN ENOMENA ertambahan mauun enurunan endudu yang besar seta tahunnya dengaruh oleh tga fator, yatu fertltas (elahran), mortaltas (ematan), dan mgras atau erndahan endudu []. Berdasaran bentu ramda endudu Indonesa yang lebar ada bagan bawah, daat dastan bahwa fator utama yang memengaruh lau ertumbuhan endudu adalah tngat fertltas (elahran). Kelahran erat atannya dengan usa awn ertama []. Seman ceat seorang wanta awn, maa masa rerodusnya aan seman anang dan emungnan banyanya eturunan uga aan seman tngg [3]. Umur awn ertama (UKP) adalah umur ada saat wanta menah ertama al atau ada saat merea memula hubungan dengan asangan yang ertama [4]. Jawa Tmur meml rata-rata UKP wanta sebesar tahun, dan meruaan terendah edua d Pulau Jawa setelah Provns Banten yang meml rata-rata UKP,5 tahun. Berdasaran data dar BKKBN ula, ersentase wanta d Jawa Tmur ada tahun 0 yang berstatus awn menurut usa ada erawnan ertama, sebanya lebh dar 50 ersen wanta awn d usa urang dar 0 tahun. Hal n tentunya memengaruh rendahnya rata-rata Umur Kawn Pertama wanta d Provns Jawa Tmur. Peneltan mengena rata-rata UKP ernah dlauan oleh Imawat (0), Ananto (04), Lehrer dan Chen (03, dan Sylf (05). Secara eseluruhan, fator yang memengaruh rata-rata UKP beratan dengan fator eonom, sosal, dan budaya. Berdasaran referens ada eneltan-eneltan sebelumnya, terdaat beberaa varabel yang dduga memengaruh rata-rata UKP wanta d Provns Jawa Tmur, varabel-varabel tersebut terat ase eonom, sosal, dan budaya. Salah satu metode analss yang daat dgunaan untu mengetahu fator-fator aa saa yang memengaruh ratarata UKP wanta adalah menggunaan analss regres. Terdaat tga endeatan yang daat dlauan untu mengestmas urva regres, yatu regres arametr, regres nonarametr, dan regres semarametr. Persentase endudu wanta usa 5 tahun e atas yang beera secara teor daat memengaruh rata-rata umur awn ertama d suatu rovns, dmana seman banya wanta yang beera, maa rata-rata umur awn ertama d suatu rovns uga aan seman tngg, atau seman tua wanta menah. Namun berdasaran data yang deroleh, Kabuaten Pactan yang meml ersentase endudu wanta usa 5 tahun e atas yang beera tngg, rata-rata UKP nya tergolong dalam early marrage, begtu uga dengan Kabuaten Sumene. Fata n tentunya tda sesua dengan teor yang ada dan menunuan ola yang nonarametr. Sementara ada data ersentase endudu msn er abuaten d Jawa Tmur membentu ola yang arametr. Dmana seman tngg ersentase endudu msnnya, maa rata-rata UKP nya seman rendah. Hubungan antara rata-rata UKP wanta Provns Jawa Tmur dengan sebagan fator yang dduga memengaruhnya tda membentu ola tertentu dan sebagan lag membentu ola tertentu sehngga dgunaan emodelan regres semarametr dengan endeatan slne.

2 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-30 II. TINJAUAN PUSTAKA A. Regres Semrametr Slne Regres semarametr meruaan salah satu metode statsta yang dgunaan untu mengetahu ola hubungan antara varabel reson dan redtor dmana sebagan detahu bentu olanya, dan sebagan tda detahu bentunya. Msal terdaat data berasangan dan x, y, t hubungan antara x, y, dan t dasumsan mengut model regres sebaga berut. ' y f ( t ),,,..., n x β (0) Regres semarametr bsa uga dsebut sebaga gabungan dar regres arametr dan regres nonarametr. Regres arametr adalah metode yang dgunaan untu mengetahu ola hubungan antara varabel reson dan redtor dmana bentu urva regres detahu. Model regres arametr lnear berganda dalam bentu matrs adalah sebaga berut. () dengan y adalah vetor olom beruuran n x yang elemennya berua data reson, X meruaan matr beruuran n x (m+) dengan elemen berua data m redtor, dan ε adalah vetor olom beruuran n x dengan elemen berua error random. Estmas arameter ada regres arametr deroleh dengan menggunaan metode estmas Ordnary Least Square (OLS) sebaga berut. y Xβ + ε ' $ X X X ' y (3) Sementara regres nonarametr meruaan metode statsta yang dgunaan aabla ola data yang tda detahu bentu urva regresnya atau tda terdaat nformas masa lalu yang lenga tentang bentu ola data [5]. Regres nonarametr slne meruaan regres yang sangat flesbel dalam memodelan ola data. Model regres nonarametr slne secara umum adalah sebaga berut. y f ( t ),,,3,..., n (4) dmana redtor, y ( ) f x adalah varabel reson, adalah varabel adalah fungs regres yang olanya tda detahu, serta ε ~ IIDN (0,σ I). Pada model regres nonarametr slne, urva regres dhamr dengan fungs slne berorde dengan tt not,,..., r dalam bentu. f (t ) t (t ) l l 0 l t r (5) dengan γ adalah arameter model, adalah orde slne dan adalah banya not slne. Berdasaran ersamaan (4) dan (5) daat deroleh ersamaan regres seert berut. y t (t ),,,..., n 0 l r (6) l l Fungs truncated adalah sebaga berut. ( t ) l t, t l l 0, t (7) Estmator slne dalam regres nonarametr daat menangan fungs yang bersfat smooth [6]. Estmas regres nonarametr slne truncated daat deroleh dengan l metode Ordnary Least Square (OLS). Hasl estmas adalah sebaga berut. - γ$ T 'T T 'y (8) Dmana T meruaan varabel redtor omonen nonarametr yang sudah mengandung tt not masngmasng. Model regres slne terba deroleh dar tt not yang otmal. Tt not yang otmal deroleh dar nla GCV mnmum. GCV meruaan modfas dar metode CV (Cross Valdaton) dan meruaan metode yang alng banya daa dan dsua arena meml sfat otmal asmtot. [7]. Tt not otmal deroleh dar nla GCV mnmum. Metode GCV daat dtulsan sebaga berut [8]. GCV ( ) MSE( ) (9) [ n trace( I - A()] dengan I adalah matrs denttas dan n adalah umlah engamatan. $ n ( ) ( ), MSE n y y B. Uuran Kebaan Model Setelah deroleh model yang sesua, erlu duur seberaa besar ebaan model tersebut. Nla ebaan model dberan oleh nla R-square yang dtunuan dengan ersamaan sebaga berut. SSR b' X 'y ny R SST y ' y ny ' () Dmana X() meruaan gabungan varabel redtor omonen arametr dan omonen nonarametr yang telah mengandung tt not masng-masng. C. Penguan Parameter Model. Penguan Parameter Model Secara Serenta U serenta dlauan untu mengetahu sgnfas arameter model regres secara bersama-sama. Berut n meruaan hotess untu u serenta. H : m r H : alng sedt ada satu 0 atau 0,,..., r,,,..., m dengan +r meruaan arameter regres nonarametr. Statst u yang dgunaan adalah sebaga berut. F MSR () ht MSE y ' y b ' X( ) ' y dmana MSE n ( m r ) dan MSR ' b X ) y ( ' ny m r Kesmulan Tola H 0 a F htung lebh besar darada F α;(m+(+r),n-(m+(+r)-) atau -value < α yang menunuan bahwa alng sedt terdaat satu arameter yang sgnfan terhada model.

3 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-3. Penguan Parameter Model Secara Indvdu Penguan arameter secara ndvdu dlauan aabla enguan arameter model secara serenta deroleh esmulan bahwa mnmal terdaat satu arameter yang sgnfan. Berut n meruaan hotess dar enguan arameter secara ndvdu. H : 0 0 H : 0, =,,...,m Sedangan berut meruaan hotess untu arameter regres nonarametr. H : 0 0 H : 0 ;,,..., r Statst u dsaan sebaga berut. ˆ t (untu arameter arametr) (3) ht se ˆ t ht ˆ (untu arameter nonarametr) (4) se ˆ D. Penguan Asums Resdual. Asums Ident Asums dent terenuh a varans reson sama dengan varans error yatu sama dengan σ. Hal tersebut meruaan asums homosedaststas (varans sama) atau dsebut dengan dent [9]. Kasus heterosedaststas daat ddetes menggunaan u gleser dan dlauan dengan cara meregresan harga mutla resdual dengan varabel redtor. Berut n meruaan hotess u gleser. 0 :... n H H :mnmal ada satu,,,..., n Statst u yang dgunaan adalah sebaga berut. dmana MSR gleser MSE gleser F ht MSR gleser (5) MSE gleser ε ' ε b ' X ' ε dan n ( m r) ' b X ' ε n ε m r H 0 dtola aabla F F ht, m ( r), n m ( r) atau -value urang dar α. Aabla H 0 dtola, maa daat dsmulan bahwa terad heterosedaststas yang artnya asums resdual dent tda terenuh.. Asums Indeenden Asums las edua yang harus denuh adalah resdual bersfat ndeenden. Asums resdual ndeenden yatu asums bahwa tda ada orelas antar resdual atau adanya ndeendens ada resdual yang dtunuan dengan nla ovaran antara dan sama dengan nol. U ndeenden dlauan menggunaan nterval onfdens untu dengan hotess sebaga berut. H : cov, 0 0 H : alng sedt ada satu cov, 0, Rumus nterval onfdens adalah sebaga berut. n ˆ ˆ t se t se (6) n,, Aabla tda terdaat autoorelas yang eluar dar batas sgnfans, maa daat dsmulan bahwa asums resdual ndeenden terenuh. 3. Asums Dstrbus Normal Asums resdual berdstrbus normal dlauan untu mengetahu aaah resdual hasl regres telah berdstrbus normal atau tda. Cara lan daat dlauan untu mengu asums resdual berdstrbus normal adalah berdasaran vsual menggunaan normal robablty lot resdual yang cenderung mengut gars atau menggunaan u Kolmogorov Smrnov. Aabla menggunaan u Kolmogorov-Smrnov, berut meruaan hotess yang dgunaan. H : F ( x) S ( x) (Resdual berdstrbus Normal) 0 0 N H : F0( x) SN ( x) (Resdual tda berdstrbus Normal) Statst u yang dgunaan adalah Daerah enolaan D mas F0 ( x ) S ( x ) (5) H 0 a N D q ( ) dmana nla q( ) adalah berdasaran tabel Kolmogorov-Smrnov atau daat uga berdasaran -value < α. E. Umur Kawn Pertama Umur awn ertama adalah umur ada saat wanta menah ertama al atau ada saat wanta memula ehduan dengan asangan yang ertama dnahnya []. Seman muda usa awn ertama yang dlauan seseorang, maa aan memengaruh tngat fertltas dan feundtas (otens fs untu melahran ana). Tnggnya tngat elahran aan menyebaban menngatnya ertumbuhan endudu suatu [3]. BKKBN menetaan usa awn yang deal untu wanta adalah datas 0 tahun dan 5 tahun untu la-la. Umur Kawn Pertama (UKP) wanta delomoan menad 4 elomo, yatu.. UKP wanta urang dar 8 tahun, delomoan e dalam Chld Marrage.. UKP wanta antara 8 tahun hngga urang dar 0 tahun, dsebut dengan Early Marrage. 3. UKP wanta antara 0 hngga urang dar tahun, dsebut dengan Marrage at Maturty. 4. UKP wanta datas tahun, dsebut dengan Late Marrage. Pengelomoan UKP wanta tersebut meruaan engelomoan secara ndvdu atau erseorangan. III. METODOLOGI PENELITIAN A. Sumber Data Data yang dgunaan dalam eneltan n adalah data seunder yang deroleh dar beberaa sumber yatu Hasl Surve Sosal Eonom Nasonal Tahun 0, Data dan Informas Kemsnan Kabuaten/Kota Prons Jawa Tmur Tahun 0 yang dublasan oleh Badan Pusat Statst

4 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-3 Jawa Tmur. Unt eneltan adalah 9 abuaten yang ada d Jawa Tmur. B. Varabel Peneltan Peneltan n menggunaan reson y adalah rata-rata UKP wanta er abuaten d Prons Jawa Tmur. Varabel redtor x adalah fator-fator yang dduga memengaruh rata-rata UKP wanta Prons Jawa Tmur. Berut meruaan varabel-varabel tersebut. Tabel. Varabel Peneltan Varabel Keterangan Sala y Rata-rata UKP wanta Kontnu x Persentase endudu wanta yang tnggal d edesaan Kontnu x Rata-rata lama seolah wanta Kontnu x 3 Persentase endudu wanta berusa 5 tahun e atas yang beera Kontnu x 4 Persentase endudu msn Kontnu x 5 Gn Rato Kontnu C. Langah Peneltan Mengacu ada tuuan eneltan, berut meruaan langah analss dalam eneltan n.. Tuuan ertama yatu mengetahu araterst rata-rata Umur Kawn Pertama (UKP) wanta dan fator-fator yang dduga memengaruhnya d Prons Jawa Tmur denuh dengan melauan langah-langah sebaga berut. a. Mendesrsan data rata-rata Umur Kawn Pertama dan fator yang dduga memengaruhnya d Prons Jawa Tmur. b. Membuat scatter lot ada masng-masng varabel redtor dengan varabel reson untu mengetahu bentu ola data. c. Menentuan varabel yang memunya ola tertentu (arametr) dan varabel yang tda memunya ola tertentu (nonarametr).. Tuuan edua yatu memodelan rata-rata Umur Kawn Pertama (UKP) d Prons Jawa Tmur menggunaan endeatan regres semarametr slne denuh dengan melauan langah sebaga berut. a. Memodelan varabel reson (UKP) menggunaan regres semarametr slne lner dengan berbaga tt not. b. Memlh tt not otmal berdasaran nla GCV yang alng mnmum. c. Mendaatan model regres semarametr slne terba dengan tt not otmal. d. Mengu ebaan model dengan menghtung R. e. Melauan u sgnfans arameter secara serenta dan arsal. f. Melauan u asums resdual IIDN dar model regres slne Setelah melauan analss, maa membuat esmulan dar hasl analss. IV. ANALISIS DAN PEMBAHASAN A. Karaterst Data Rata-rata Umur Kawn Pertama daat dategoran menad 4 ategor, rata-rata UKP wanta urang dar 8 tahun delomoan e dalam Chld Marrage, rata-rata UKP wanta antara 8 tahun hngga urang dar 0 tahun dsebut dengan Early Marrage, rata-rata UKP wanta antara 0 hngga urang dar tahun dsebut dengan Marrage at Maturty, dan rata-rata UKP wanta datas tahun dsebut dengan Late Marrage. Gambar. Peta temat ategor rata-rata UKP Jatm Berdasaran Gambar, rata-rata UKP wanta d seta abuaten Provns Jawa Tmur bervaras, terdaat 4 ategor rata-rata UKP yang tersebar d seluruh rovns. Tabel. Jumlah Kabuaten ada Seta Kategor UKP Kategor Jumlah Kab/Kota Chld Marrage 5 Early Marrage 3 Marrage at Mature Late Marrage - Berdasaran Tabel, eemat ategor rata-rata UKP tersebar d Jawa Tmur. 5 abuaten tergategoran menad chld marrage, 3 abuaten terategoran e dalam early marrage, abuaten/ota terategoran e dalam marrage at mature, dan tda terdaat abuaten terategoran e dalam late marrage. Terdaat beberaa varabel yang dduga berengaruh terhada rata-rata umur awn ertama d Provns Jawa Tmur. Sebelum melauan emodelan, erlu detahu araterst seta varabel. Tabel 3. Karaterst Varabel Peneltan Keterangan Max Mn Mean Varan Persentase endudu x wanta yang tnggal d edesaan x Rata-rata lama seolah wanta x 3 Persentase endudu 3. wanta berusa 5 tahun e atas yang beera x 4 Persentase endudu msn x 5 Gn Rato Berdasaran Tabel 3, ersentase endudu yang tnggal d edesaan tertngg d Jawa Tmur dar seluruh abuaten

5 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-33 adalah 87,34%, yatu d Kabuaten Samang, dan terendah adalah 8,74% dml oleh Kabuaten Sdoaro. Kabuaten dengan rata-rata lama seolah wanta terecl adalah d Kabuaten Samang, yatu hanya selama 3,66 tahun dan tertngg terad d Kabuaten Sdoaro yatu selama 9,49 tahun. Kabuaten dengan ersentase endudu wanta usa 5 tahun eatas yang beera tertngg adalah d Kabuaten Pactan yatu sebesar 56,44% dan terendah Kabuaten Gres yatu sebesar 3,%. Persentase endudu msn tertngg terad d Kabuaten Samang yang mencaa 7,87 ersen dan terendah d Kabuaten Sdoaro yatu sebesar 6,4%. Gn rato terecl sebesar 0,4 terad d Kabuaten Pameasan. Hal n berart etmangan eayaan d Kabuaten Pameasan termasu dalam ategor etmangan rendah. Sementara gn rato tertngg sebesar 0,43 terad d Kabuaten Gres. B. Pola Data Antara Rata-rata UKP dengan Varabel yang Dduga Memengaruh Berut meruaan scatter lot yang menyataan bentu ola data antara rata-rata UKP dan varabel-varabel yang dduga memengaruhnya. x x t 0 9 Berdasaran Tabel 4, nla GCV yang alng mnmum dml oleh model dengan ombnas tt not 3,3,, yatu sebesar 0,360. D. Penasran Parameter Model Regres Semarametr Slne Berdasaran nla GCV terecl, ddaatan model terba yatu model regres nonarametr slne dengan ombnas not 3,3,. Berut n adalah hasl estmas arameter model regres semarametr slne terba. yˆ 7, , x 0, x t.584(t ).9655t t (t ) t (t ) (t ) t (t ) 0.806(t ) 3 E. Penguan Sgnfans Parameter Model Regres Nonarametr Slne. U Serenta Penguan secara serenta n dlauan untu mengu estmas arameter model secara bersamaan (smultan). Nla α yang dgunaan sebesar 0,05 dengan hotess sebaga berut. H : H : alng sedt ada satu 0 atau 0 Berut n adalah hasl analss ragam model regres nonarametr slne. Y t 50 Gambar. Scatterlot varabel redtor terhada reson Berdasaran Gambar, daat detahu bahwa sebagan dar lma ola data tda membentu suatu ola tertentu (ersentase endudu yang tnggal d desa, ersentase endudu wanta yang tnggal d desa, dan gn rato), dan sebagan lag membentu ola tertentu (lner), yatu ersetase endudu msn dan rata-rata lama seolah wanta. Dengan deman, dalam emodelan regres aan dgunaan endeatan regres semarametr. C. Pemlhan Tt Knot Otmal Nla GCV mnmum ada emlhan tt not otmal dengan satu tt not, dua tt not, tga tt not, dan ombnas tt not dtamlan sebaga berut. Tabel 4. Nla GCV Mnmum Seta Pemlhan Tt Knot Otmal Model GCV Knot 0,44544 Knot 0, Knot 0,36685 Kombnas Knot 3,3, 0,360 t Tabel 5. Analss Ragam U Serenta Sumber df SS MS Fht P-value Regres E-05 Error Total Berdasaran Tabel 5 ddaat -value,68e-05. Menggunaan taraf sgnfans (α) sebesar 0,05, eutusan yang daat dambl dar u serenta adalah tola H 0 sehngga terdaat mnmal satu varabel redtor yang berengaruh terhada rata-rata UKP d Jawa Tmur. Untu mengetahu arameter mana yang sgnfan dalam model, dlauan enguan secara ndvdu.. U Indvdu Penguan secara ndvdu dlauan untu mengetahu varabel yang berengaruh sgnfan terhada umlah enganguran d Indonesa.. Berut meruaan hotess untu arameter regres arametr. H : 0 0 H : 0, =, Sedangan berut meruaan hotess untu arameter regres nonarametr. H : 0 0 H : 0 ;,,..., Berut n adalah hasl enguan sgnfans arameter model secara ndvdu. Berdasaran Tabel 6, terdaat satu varabel yang tda sgnfan berengaruh terhada rata-rata UKP Jawa Tmur, yatu x (ersentase endudu msn). Pemodelan embal

6 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-34 dengan menghaus varabel yang tda sgnfan tda erlu dlauan arena sebenarnya varabel yang tda berengaruh sgnfan terhada rata-rata umur awn ertama tersebut mash teta daat dmasuan e dalam model hanya tda erlu dnterretas. Tabel 6. Hasl U Indvdu Varabel Parameter Estmas P-Values Kesmulan Sgnfan x x t t t Sgnfan Tda Sgnfan Tda Sgnfan Sgnfan Sgnfan Sgnfan Tda Sgnfan Tda Sgnfan Sgnfan Tda Sgnfan Sgnfan Tda Sgnfan Tda Sgnfan F. Penguan Asums Resdual. Asums Ident U dent ada resdual dlauan menggunaan u Gleser dengan hotess sebaga berut. H :... 0 n H : alng sedt ada satu Berut meruaan hasl u Gleser ada resdual. Tabel 0. Analss Ragam U Gleser Sumber df SS MS Fht P-value Regres Error Total Berdasaran Tabel 0 -value adalah sebesar,50756 dan 0,06. Menggunaan α (taraf sgnfans) sebesar 0,05, u Gleser memberan eutusan gagal tola H 0 arena -value > α. Resdual yang dhaslan model memenuh asums dent.. Asums Indeenden Asums resdual selanutnya yang harus terenuh adalah ndeenden. Metode yang daat dgunaan untu mengu asums ndeenden adalah melalu lot Autocorrelaton Functon (ACF) dengan hotess sebaga berut. H : cov, 0 0 H : alng sedt ada satu cov, 0, Autocorrelaton Gambar 3. ACF Resdual Berdasaran Gambar 3, lag hngga 9 tda eluar dar batas sgnfans sehngga tda terdaat asus autoorelas atau resdual telah ndeenden. 3. Asums Dstrbus Normal Penguan asums dstrbus normal menggunaan u Kolmogorov-Smrnov dengan hotess sebaga berut. H 0 : Resdual berdstrbus normal H : Resdual tda berdstrbus normal Percent V 4 Lag Normal Gambar 4. Hasl U Kolmogorov-Smrnov Mean E-09 StDev N 9 KS 0.09 P-Value >0.50 Keutusan u Kolmogorov-Smrnov daat dambl melalu -value. Berdasaran Gambar 4, nla > 0,50. Dengan menggunaan taraf sgnfans (α) sebesar 0,05, u Kolmogorov-Smrnov memberan eutusan gagal tola H 0 arena -value > α sehngga resdual model berdstrbus normal. G. Nla Koefsen Determnas (R ) Model regres terba meml oefsen determnas sebesar 90,77%. Anga tersebut berart bahwa model daat menelasan varas varabel reson berua rata-rata UKP Jawa Tmur sebesar 90,77%. Sedangan ssa oefsen determnas 9,3% delasan oleh varabel redtor lan yang tda masu dalam model H. Interretas Model Regres Nonarametr Slne Setelah dlauan enguan asums ada resdual model regres semarametr slne dan ddaatan bahwa semua asums terenuh, selanutnya dlauan nterretas model. Interretas n dbuat berdasaran model untu seta varabel untu memudahan dalam nterretas. yˆ 7, , x 0, x t.584(t ).9655t t (t ) t (t ) (t ) t (t ) 0.806(t ) 3

7 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-35. Hubungan antara rata-rata lama seolah wanta terhada rata-rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur dengan asums varabel redtor lan teta adalah sebaga berut. yˆ 7, , x x Aabla rata-rata lama seolah wanta d Jawa Tmur na satu satuan, maa rata-rata Umur Kawn Pertama wanta uga aan na sebesar 0,830. Hal n berart bahwa seman lama seorang wanta d Jawa Tmur menalan seolah, maa seman tua wanta tersebut menah, atau wanta tersebut aan cenderung menunda usa ernahannya.. Hubungan antara ersentase endudu wanta yang tnggal d edesaan terhada rata-rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur namun dengan asums varabel redtor lan teta adalah sebaga berut. y t t.584(t ).9655 t t t t t t t t t t Aabla ersentase endudu wanta yang tnggal d desa bernla urang dar 64,88% dan nlanya na satu ersen dengan asums redtor lan teta, maa rata-rata Umur Kawn Pertama (UKP) Jawa Tmur aan turun sebesar 0, Terdaat 4 abuaten yang termasu e dalam nterval n dan ebanyaan anggotanya meruaan abuaten dengan ategor rata-rata umur awn ertama marrage at mature. Aabla ersentase endudu wanta yang tnggal d desa bernla antara 64,88% hngga 66,486% dan nlanya na satu ersen dengan asums redtor lan teta, maa rata-rata Umur Kawn Pertama (UKP) Jawa Tmur aan turun sebesar,6003. Kabuaten yang termasu e dalam nterval n adalah Kabuaten Probolnggo. Kabuaten Probolnggo meml rata-rata umur awn ertama terategoran dalam chld marrage. Sementara aabla ersentase endudu wanta yang tnggal d desa bernla antara 66,486% hngga 69,695% dan nlanya na satu ersen dengan asums redtor lan teta, maa rata-rata Umur Kawn Pertama (UKP) Jawa Tmur aan turun sebesar 3,086. Hanya terdaat satu abuaten yang termasu e dalam wlayah nterval n yatu Kabuaten Bondowoso yang meml rata-rata umur awn ertama wanta terategoran e dalam chld marrage. Pada nterval terahr, aabla ersentase endudu wanta yang tnggal d desa bernla lebh dar 69,695% dan nlanya na satu ersen dengan asums redtor lan teta, maa ratarata Umur Kawn Pertama (UKP) Jawa Tmur aan turun sebesar 3,8985. Terdaat 3 wlayah atau abuaten yang termasu e dalam nterval n dan ddomnas oleh abuaten yang meml ategor rata-rata umur awn ertama early marrage. Selanutnya, nterretas varabel omonen nonarametr yatu ersentase endudu wanta usa 5 tahun eatas yang beera dan gn rato dlauan dengan cara yang serua seert yang telah delasan ada varabel ersentase endudu wanta yang tnggal d desa. V. KESIMPULAN DAN SARAN Terdaat 5 abuaten yang tergategoran menad chld marrage, 3 abuaten yang terategoran dalam early marrage, abuaten terategoran dalam marrage at maturty, dan tda abuaten yang terategoran dalam late marrage. Berdasaran scatterlot antara rata-rata UKP Jawa Tmur dengan seta varabel yang dduga memenaruhnya, terdaat varabel omonen arametr (rata-rata lama seolah dan ersentase endudu msn) dan 3 varabel omonen nonarametr (ersentase endudu wanta yang tnggal d edesaan, ersentase endudu wanta berusa 5 tahun eatas yang beera, dan gn rato). Model regres semarametr slne terba untu memodelan rata-rata UKP Jawa Tmur adalah dengan ombnas tt not 3,3,. Dmana umlah not 3 unt varabel ersentase endudu wanta yang tnggal d desa, 3 untu ersentase endudu wanta usa 5 tahun e atas yang beera, dan untu varabel gn rato. Varabel yang tda berengaruh sgnfan terhada rata-rata Umur Kawn Pertama Provns Jawa Tmur adalah ersentase endudu msn. Koefsen determnas yang dhaslan oleh model terba adalah sebesar 90,77%. Terdaat beberaa saran yang daat dberan oleh enuls yatu bag enelt selanutnya hendanya menambahan varabel lan yang dduga memengaruh ratarata Umur Kawn Pertama d Jawa Tmur, dan menambah emungnan tt not. Sedangan untu emerntah, rata-rata Umur Kawn Pertama d Jawa Tmur mash rendah dbandngan dengan daerah lan sehngga emerntah dtuntut untu memasmalan rogram encegahan ernahan dn seert PUP (Pendewasaan Usa Perawnan) dan menambah sosalsas mengena rogram-rogram tersebut guna menambah esadaran remaa untu menunda usa erawnannya. Aabla ebanyaan remaa sudah gagal menunda usa erawnannya, maa aan lebh ba emerntah memberan sosalsas hal-hal aa saa yang erlu dsaan dalam sebuah ernahan dan mewaban enggunaan alat ontrases hngga usa str mencaa 0 tahun untu menghndar elahran ana d usa str yang mash dbawah 0 tahun. DAFTAR PUSTAKA [] Mantra, I. B. (000). Demograf Umum. Yogyaarta : Pustaa Belaar. [] BAPPENAS. (005). Laoran Perembangan Tuuan Pembangunan Mlenum Indonesa. Jaarta : BAPPENAS. [3] PKPP. (0). Fator-fator yang Memengaruh Usa Kawn Pertama ada Peremuan d Indonesa. Jaarta : Tm Imlementas PKPP 0 Kementran Rset dan Tenolog Reubl Indonesa. [4] BKKBN. (03). Hubungan Antara Pengendalan Pendudu dengan Sosal Eonom d Prons Jawa Tmur (Analss Data Sensus Pendudu 0, Susenas 0-0). Jawa Tmur : BKKBN Jatm. [5] Euban, R Slne Smoothng and Nonarametrc Regresson. Marcel Deer Inc. New Yor.

8 JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: (30-98X Prnt) D-36 [6] Budantara, I N. (009). Slne Dalam Regres Nonarametr Dan Semarametr: Sebuah Pemodelan Statsta Masa Kn dan Masa Mendatang, Pdato Penguuhan Untu Jabatan Guru Besar Dalam Bdang Ilmu Matemata Statsta dan Probabltas, Pada Jurusan Statsta, Faultas MIPA, Insttut Tenolog Seuluh Noember, ITS Press, Surabaya. [7] Wahba.G. (990). Slne Models For Observatonal Data. Unversty Of Wnsconsn at Madson. [8] Euban, R.L. (999), Nonarametrc Regresson and Slne Smoothng Second Edton, Marcel Deer, New Yor. [9] Guarat, N. D. (004). Basc Econometrcs fourth edton. McGraw- Hll.

PEMODELAN 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 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 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 terperinci

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-30

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-30 JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Prnt) D-30 Analss Faktor-Faktor yang Memengaruh Persentase Penduduk Mskn dan Pengeluaran Perkata Makanan d Jawa Tmur menggunakan Regres

Lebih terperinci

I DEWA AYU MADE ISTRI WULANDARI

I DEWA AYU MADE ISTRI WULANDARI I DEWA AYU MADE ISTRI WULANDARI 1310 100 009 1 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERSENTASE PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR MENGGUNAKAN REGRESI NONPARAMETRIK BIRESPON

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran 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 terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan 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 terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan 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 terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 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 terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan 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 terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB 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 terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-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 terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan 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 terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan 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 terperinci

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation) Otmas Bobot Portofolo dan Estmas VaR * (Portfolo Weghted Otmzaton and VaR Estmaton) Suono, Subanar & Ded Rosad 3 Jurusan Matemata FMIPA UNPAD Bandung, e-mal : fsuono@yahoo.com Jurusan Matemata FMIPA UGM

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas 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 terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi 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 terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(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 terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + 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 terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB 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 terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS 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 terperinci

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3) Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB 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 terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN 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 terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN 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 terperinci

AKAR KUADRAT ENSEMBLE KALMAN FILTER (AK-EnKF) PADA ESTIMASI POSISI ROBOT MOBIL

AKAR 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 terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan 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 terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-199

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-199 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337350 (3098X Prnt) D99 Pengaruh Karakterstk Sosal Ekonom terhada Angka Haraan Hdu dan Angka Kematan Bay d Kabuaten/Kota Provns Jawa Tmur Menggunakan Analss Regres

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

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 terperinci

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih terperinci

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan

Lebih terperinci

BAB 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. 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 terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN: ANALISIS ANGKA KEMATIAN IBU MENGGUNAKAN MODEL REGRESI BINOMIAL NEGATIF (Stud kasus : Angka Kematan Ibu d Provns Jawa Tmur Tahun 011) M. Al Ma sum 1, Suart, Dw Isryant 3 1 Mahasswa Jurusan Statstka FSM

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created 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 terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305 JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS 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 terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB 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 terperinci

BAB 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. 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 terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan 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 terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

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 terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 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 terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL 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 terperinci

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

Lebih terperinci

ESTIMASI INTERVAL SPLINE DALAM REGRESI NONPARAMETRIK

ESTIMASI 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 terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin 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 terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Analisis Penyelesaian Persamaan Kuadrat Matriks

Analisis Penyelesaian Persamaan Kuadrat Matriks Jurnal Matemata, Jurnal Matemata, tatsta tatsta, & Komutas & Komutas Vol. 3 No Vol. Jul No. 6 Jul 5 Vol, No, 9-3, 9-9, Jul 5 9 Analss Penyelesaan Persamaan Kuadrat Matrs Hasmawat dan Amr Kamal Amr Abstra

Lebih terperinci

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression

Pemodelan Biaya Langsung Proyek Perusahaan Jasa Konstruksi PT. X dengan Multivariate Regression JURNAL SAINS DAN SENI POMIS Vol., No., (3) 337-35 (3-98 Prnt) D-48 Pemodelan Baya Langsung Proyek Perusahaan Jasa Konstruks P. dengan Multvarate Regresson Sulstanngrum, Irhamah, dan Muhammad Mashur Jurusan

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY 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 terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

ABSTRAK ANALISIS KOMPONEN UTAMA

ABSTRAK ANALISIS KOMPONEN UTAMA JURNAL MATEMATIKA DAN PEMBELAJARANNYA 03 VOLUME, NO.. ISSN 303-099 ABSTRAK ANALISIS KOMPONEN UTAMA Marana, Dosen Penddkan Matematka Fakultas Tarbyah dan Keguruan, IAIN Ambon 0854435773, E-mal: anastt_0@yahoo.com

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

Spline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat

Spline 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 terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. 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 terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN 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 terperinci

ANALISIS 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). 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 terperinci

III. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data

III. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data 9 III. METODE PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam peneltan adalah data prmer dan data sekunder. Data prmer berupa data prmer (cross secton) Surve Khusus Tabungan dan Investas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. 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 terperinci

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman 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 terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : 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 terperinci

BAB II DIMENSI PARTISI

BAB 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 terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab 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 terperinci

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: 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 terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc. PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA

Lebih terperinci

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv

KUNCI JAWABAN SOAL TEORI FISIKA OLIMPIADE SAINS NASIONAL Ketinggian maksimum yang dicapai beban dihitung dari permukaan tanah (y t ) 1 mv KUNI JWBN SO EOI FISIK OIMPIDE SINS NSION 00. a. Dhtung dahulu watu yang derluan dar beban dleas sama e etnggan masmum yatu t. v 0 at 0 0t t =0, seon. Ketnggan masmum yang dcaa beban dhtung dar ermuaan

Lebih terperinci

Model Regresi Logistik Biner Stratifikasi Pada Partisipasi Ekonomi Perempuan Di Provinsi Jawa Timur

Model Regresi Logistik Biner Stratifikasi Pada Partisipasi Ekonomi Perempuan Di Provinsi Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4 337-35 (3-98 Prnt D- Moel Regres Logstk Bner Stratfkas Paa Partsas Ekonom Peremuan D Provns Jawa Tmur Munah Kusnul Kotmah an Sr Pngt Wulanar Jurusan Statstka,

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang

Lebih terperinci

PEMILIHAN MODEL REGRESI LINEAR TERBAIK BERDASARKAN MODIFIKASI STATISTIK C p MALLOWS

PEMILIHAN MODEL REGRESI LINEAR TERBAIK BERDASARKAN MODIFIKASI STATISTIK C p MALLOWS PEMILIHAN MODEL REGRESI LINEAR TERBAIK BERDASARKAN MODIFIKASI STATISTIK MALLOWS (Stud Kasus : Faktor-Faktor yang Memengaruh Indeks Prestas Mahasswa D MI F MIPA UNS) Dsusun Oleh : TINA YUNIATI M00006 Dtuls

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur 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 terperinci

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion

Optimum Simplex Lattice Designs of Low Order Multiresponse Surface Model by D-Optimum Criterion 7 Otmum Smlex.(Ruslan et al.) Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron Otmum Smlex Lattce Desgns of Low Order Multresonse Surface Model by D-Otmum Crteron ) Ruslan,

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci