EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
|
|
- Glenna Tedjo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK. Metode Kuadrat Terkecil (MKT) merupakan salah satu metode untuk mengestimasi parameter dalam model regresi. Penggunaan metode ini harus memenuhi asumsi-asumsi yang ada. Terdapatnya pencilan menyebabkan salah satu asumsi normalitas tidak terpenuhi sehingga diperlukan suatu metode lain dimana nilai estimasinya tidak banyak dipengaruhi oleh pencilan dalam data, metode tersebut adalah metode regresi robust. Estimasi parameter regresi dalam metode regresi robust antara lain estimasi Scale (S) dan estimasi Least Trimmed Square (LTS). Tujuan dari penelitian ini untuk menentukan efisiensi estimasi S terhadap estimasi LTS pada data produksi padi di Provinsi Jawa Tengah tahun 2015 sebagai indikator untuk menentukan model regresi yang lebih baik. Hasil dari penelitian menunjukkan bahwa estimasi S lebih efisien dibandingkan dengan estimasi LTS karena nilai efisiensi effβ, β = 1,85647 > 1. Kata kunci: regresi robust, estimasi S, estimasi LTS, efisiensi. 1. PENDAHULUAN Padi merupakan tanaman pangan yang dibutuhkan oleh penduduk Indonesia, karena hasil tanaman padi dapat diolah sebagai bahan makanan pokok penduduk di Indonesia. Salah satu provinsi penyangga padi nasional yakni Provinsi Jawa Tengah. Menurut Berita Resmi Statistik [1], produksi padi di Provinsi Jawa Tengah pada tahun 2014 mengalami penurunan sebesar 9,65 juta ton Gabah Kering Giling (GKG) yang disebabkan oleh berkurangnya luas lahan panen akibat banjir dan serangan hama tanaman yang mencapai 44,54 ribu hektar atau 2,41%. Penurunan produksi ini harus mendapatkan perhatian karena hasil produksi padi sangat dibutuhkan bagi penduduk untuk mencukupi kebutuhannya. Oleh karena itu, upaya untuk meningkatkan produksi padi di Jawa Tengah perlu ditingkatkan kembali secara bertahap. Menurut Balai Pengkajian Teknologi Pertanian Jawa Tengah [2] beberapa faktor yang berpengaruh dan perlu diperhatikan dalam upaya peningkatan produksi padi antara lain luas lahan panen, curah hujan, dan jumlah pupuk. Untuk mengetahui hubungan antara produksi padi dengan luas lahan panen, curah hujan, serta jumlah pupuk dapat digunakan regresi linear berganda. 1
2 Analisis regresi linear merupakan suatu analisis yang mempelajari hubungan antara variabel dependen dengan variabel independen. Metode yang digunakan untuk mengestimasi parameter model regresi dengan menggunakan Metode Kuadrat Terkecil (MKT). Pada suatu data dimungkinkan terdapatnya pencilan, yakni suatu data pengamatan yang tidak mengikuti pola sebagian besar data. Terdapatnya pencilan menyebabkan MKT tidak akurat untuk mengestimasi parameter. Oleh karena itu, diperlukan suatu metode regresi yang bersifat robust dimana nilai estimasinya tidak banyak dipengaruhi oleh pencilan dalam data. Regresi robust merupakan regresi yang digunakan ketika suatu data pengamatan terdapat pencilan. Data pencilan seringkali mempunyai pengaruh terhadap estimasi parameter sehingga data tersebut tidak dihilangkan begitu saja. Terdapat beberapa estimasi pada regresi robust antara lain estimasi Scale (S) dan estimasi Least Trimmed Square (LTS), kedua estimasi tersebut diaplikasikan pada data produksi padi di Provinsi Jawa Tengah untuk mengetahui efisiensi yang digunakan sebagai indikator untuk menentukan model mana yang lebih baik. 2. REGRESI ROBUST Model regresi robust diperkenalkan oleh Andrews pada tahun Menurut Drapper [4] regresi robust ditujukan untuk mengatasi masalah pencilan yang dapat menyebabkan data tidak normal sehingga nilai estimasi dari suatu parameter tidak tepat. Pada penelitian ini digunakan regresi robust estimasi S dan estimasi LTS. a. Estimasi Scale (S) Estimasi S diperkenalkan oleh Rousseeuw dan Yohai pada tahun Estimasi S didefinisikan β = min σ (e, e,, e ) dengan β adalah estimator koefisien regresi, σ adalah estimator skala robust, dan e, e,, e merupakan sisaan. Estimasi S dapat dilakukan dengan langkah-langkah berikut. 1. Menghitung estimasi parameter β dengan menggunakan MKT. 2. Menghitung nilai sisaan e = y y. 3. Menghitung nilai estimasi skala robust σ. 2
3 σ = median e median (e ), iterasi = 1 0, Menghitung nilai u =. 1 0,199 n w e 5. Menghitung nilai fungsi pembobot w. w = u 1 u, iterasi > 1, u < c 0, u c ρ(u ) u, iterasi > 1, iterasi = 1 6. Menghitung nilai estimasi β dengan metode Iteratively Reweighted Least Square (IRLS) dengan pembobot w. 7. Mengulangi langkah 2 sampai dengan 6 sehingga diperoleh nilai β yang konvergen. 8. Menguji hipotesis untuk mengetahui apakah variabel independen mempunyai pengaruh signifikan terhadap model. b. Estimasi Least Trimmed Square (LTS) Estimasi Least Trimmed Square (LTS) adalah salah satu metode estimasi parameter regresi robust yang kekar terhadap pencilan. Metode LTS mengestimasi koefisien regresi dengan meminimumkan jumlah kuadrat sisaan dari himpunan bagian data berukuran h pengamatan dengan kuadrat sisaan terkecil. Estimasi LTS didefinisikan sebagai β = min e () 3 = min y () y () dengan h = [n/2] + [(p + 1)/2], n adalah banyaknya pengamatan, p adalah banyaknya parameter, e () adalah kuadrat sisaan yang diurutkan dari yang terkecil ke yang terbesar. Estimasi LTS dapat dilakukan dengan langkah-langkah sebagai berikut. 1. Mengestimasi koefisien regresi dengan Metode Kuadrat Terkecil (MKT).
4 2. Menghitung nilai sisaan e = y y. 3. Menghitung kuadrat sisaan e dan menghitung nilai h. 4. Menghitung nilai estimasi β. 5. Melakukan estimasi parameter b () dari h () pengamatan. 6. Menentukan kuadrat sisaan e dari h () pengamatan. 7. Menghitung nilai estimasi β (). 8. Melakukan tahap 5 sampai dengan 7 hingga diperoleh nilai β yang konvergen. 9. Menguji hipotesis untuk mengetahui apakah variabel independen mempunyai pengaruh signifikan terhadap model. 3. METODE PENELITIAN Penelitian ini merupakan penelitian terapan yaitu penerapan untuk menentukan efisiensi estimasi S terhadap estimasi LTS. Data yang digunakan pada penelitian ini adalah data produksi padi di Provinsi Jawa Tengah tahun 2015, merupakan data sekunder yang diambil dari Dinas Pertanian Tanaman Pangan dan Holtikultura. Data tersebut terdiri atas 4 variabel yakni jumlah produksi padi sebagai variabel dependen Y, luas lahan panen sebagai variabel independen X, curah hujan sebagai variabel independen X, dan jumlah pupuk sebagai variabel independen X. Tahapan dalam penelitian ini diawali dengan mengestimasi parameter regresi dengan menggunakan MKT, kemudian menguji asumsi klasik analisis regresi serta mengidentifikasi adanya pencilan dalam data. Jika asumsi kenormalan tidak terpenuhi dan terdapat pencilan, maka dapat digunakan regresi robust untuk mengestimasi parameter regresi yakni dengan estimasi S dan estimasi LTS dengan melakukan pemotongan terhadap himpunan bagian data berukuran h pengamatan dengan kuadrat sisaan terkecil. Kedua estimasi tersebut dilakukan hingga diperoleh nilai parameter regresi yang konvergen, selanjutnya dilakukan uji signifikansi dan menghitung nilai efisiensi untuk menentukan model regresi yang paling efisien dengan melihat nilai Mean Square Error (MSE) terkecil. 4
5 4. HASIL DAN PEMBAHASAN 4.1. Metode Kuadrat Terkecil. Model regresi linear berganda dengan menggunakan metode kuadrat terkecil pada data produksi padi di Provinsi Jawa Tengah tahun 2015 diperoleh hasil Y = 9154,09 + 6,4046 X + 0,05 X 39,273 X dengan Y adalah produksi padi, X adalah luas lahan panen, X adalah curah hujan, dan X adalah jumlah pupuk Uji Asumsi Klasik. Pada model regresi, diperlukan uji untuk mengetahui apakah model regresi memenuhi asumsi regresi atau tidak. Uji asumsi klasik yang digunakan dalam model regresi adalah uji normalitas, uji non autokorelasi, uji non heteroskedastisitas, dan uji non multikolinearitas. 1. Uji Asumsi Normalitas. Pengujian asumsi ini menggunakan uji Anderson Darling. Hipotesis H adalah sisaan berdistribusi normal dan H adalah sisaan tidak berdistribusi normal, dengan keputusan uji H ditolak apabila A > A., = 0, Hasil pengujian diperoleh A sebesar maka dapat disimpulkan bahwa H ditolak yang berarti sisaan tidak berdistribusi normal. 2. Uji Asumsi Homoskedastisitas. Pengujian ini dilakukan menggunakan uji korelasi rank Spearman. Hipotesis H : variansi sisaan homogen dan H : variansi sisaan tidak homogen, dengan keputusan uji H ditolak apabila t > t = 2,048. Hasil pengujian diperoleh bahwa t luas lahan panen sebesar 1,038 dan hasil t curah hujan sebesar 1,756 serta hasil t jumlah pupuk diperoleh sebesar 1,204. Karena t < t = 2,048 maka dapat disimpulkan bahwa variansi sisaan homogen. 3. Uji Asumsi Bebas Autokorelasi. Pengujian asumsi ini menggunakan uji Durbin-Watson. Hipotesis H : tidak terdapat autokorelasi dan H : terdapat autokorelasi, dengan keputusan H tidak ditolak jika d < d < 4 d. Hasil pengujian diperoleh d sebesar 1, Karena d = < d < 4 d = maka tidak menolak H, berarti bahwa tidak terdapat autokorelasi. 5
6 4. Uji Bebas Multikolinearitas. Pengujian ini menggunakan nilai Variance Inflation Factor (VIF). Hipotesis H : tidak terdapat multikolinearitas dan H : terdapat multikolinearitas, dengan keputusan uji H ditolak apabila nilai VIF<10. Hasil pengujian diperoleh nilai VIF luas lahan sebesar 2.554, VIF curah hujan sebesar 1.084, dan VIF jumlah pupuk sebesar Karena nilai VIF<10, H ditolak sehingga dapat disimpulkan bahwa tidak terdapat multikolinearitas Identifikasi Pencilan. Identifikasi pencilan terhadap Y menggunakan Studentized Deleted Residuals (TRES). Hipotesis H : tidak terdapat pencilan dan H : terdapat pencilan, dengan keputusan uji H ditolak apabila nilai TRES > t (,;) = Hasil pengujian diperoleh bahwa pada data ke-16, data ke-26, dan data ke-27 merupakan pencilan terhadap Y. Identifikasi pencilan terhadap X menggunakan nilai h dengan keputusan uji H ditolak apabila nilai h > = 0,267. Hasil perhitungan diperoleh hasil bahwa pada data ke-1, data ke-15, data ke- 17, dan data ke-19 merupakan data pencilan Model Regresi Robust Estimasi Scale (S). Model regresi dengan estimasi S adalah Y = 3110,30 + 6,6366 X 41,314 X 0,2874 X dengan interpretasi bahwa setiap kenaikan satu hektar luas lahan panen akan menaikkan produksi padi sebesar 6,6366 ton, setiap kenaikan satu milimeter kubik curah hujan akan menurunkan produksi padi sebesar 41,314 ton, dan setiap kenaikan satu ton jumlah pupuk akan menurunkan produksi padi sebesar 0,2874 ton Model Regresi Robust Estimasi Least Trimmed Square (LTS). Model regresi dengan estimasi LTS adalah Y = ,9978 X 31,69 X 0,4828 X dengan interpretasi bahwa setiap kenaikan satu hektar luas lahan panen akan menaikkan produksi padi sebesar 5,9978 ton, setiap kenaikan satu milimeter kubik curah hujan akan menurunkan produksi padi sebesar 31,69 ton, dan setiap kenaikan satu ton jumlah pupuk akan menurunkan produksi padi sebesar 0,4828 ton. 6
7 4.6. Uji simultan F dan uji parsial t. Uji hipotesis simultan digunakan untuk mengetahui apakah ada variabel independen mempunyai pengaruh signifikan terhadap model. Hipotesis H : β = β = β = 0 (semua variabel independen tidak berpengaruh secara signifikan terhadap model) dan H : β β β 0 (paling tidak ada satu variabel independen yang berpengaruh signifikan terhadap model). Keputusan uji H ditolak apabila F > F (.,,) = Hasil pengujian diperoleh F untuk model estimasi S sebesar sedangkan untuk F model estimasi LTS sebesar , karena nilai F > F (.,,) = maka H ditolak yang berarti bahwa paling tidak ada satu variabel independen yang berpengaruh signifikan terhadap model. Selanjutnya akan diuji parsial untuk mengetahui variabel independen yang mempunyai pengaruh signifikan terhadap produksi padi. Hipotesis H : β = 0, i = 1,2,3 (variabel independen tidak berpengaruh secara signifikan terhadap model) dan H : β 0, i = 1,2,3 (variabel independen berpengaruh signifikan terhadap model). Kriteria pengambilan keputusan H ditolak apabila nilai t > t (.;) = Hasil pengujian ditunjukkan pada Tabel 1 Tabel 1 Hasil uji t pada parameter regresi robust estimasi S dan estimasi LTS Estimasi Variabel t Kesimpulan Luas lahan panen Signifikan Estimasi S Curah hujan 0.77 Tidak Signifikan Jumlah pupuk 0.96 Tidak Signifikan Luas lahan panen Signifikan Estimasi LTS Curah hujan 2.03 Tidak Signifikan Jumlah pupuk 1.36 Tidak Signifikan Berdasarkan Tabel 1 diperoleh kesimpulan bahwa variabel luas lahan panen (X ) berpengaruh secara signifikan terhadap model sedangkan variabel curah hujan (X ) dan jumlah pupuk (X ) tidak berpengaruh secara signifikan terhadap model baik pada estimasi S maupun pada estimasi LTS Efisiensi. Efisiensi suatu estimasi diperlukan untuk mengetahui bahwa estimasi tersebut merupakan yang terbaik yaitu estimasi dengan MSE(β) terkecil. Nilai MSEβ dari estimasi S yakni sebesar , Nilai MSE(β ) dari 7
8 estimasi LTS yakni sebesar , sehingga efisiensi dapat diperoleh sebesar effβ, β = 1, Dengan demikian produksi padi di Provinsi Jawa Tengah tahun 2015, estimasi S lebih efisien dibanding estimasi LTS. Hal ini dapat dilihat dari nilai effβ, β = 1,85647 > KESIMPULAN Efisiensi estimasi S terhadap estimasi LTS pada produksi padi di Provinsi Jawa Tengah tahun 2015 adalah 1, Hasil ini menjelaskan bahwa estimasi S lebih efisien dibandingkan estimasi LTS karena nilai effβ, β = 1,85647 > 1. Dengan demikian model yang tepat digunakan untuk produksi padi di Jawa Tengah tahun 2015 adalah model estimasi S, yaitu Y = 3110,30 + 6,6366 X 41,314 X 0,2874 X. DAFTAR PUSTAKA [1] Badan Pusat Statistik. (diakses tanggal 20 Juli 2016) [2] Balai Pengkajian Teknologi Pertanian Jawa Tengah (diakses tanggal 9 Oktober 2016) [3] Dinas Pertanian Tanaman Pangan dan Holtikultura. (diakses tanggal 8 Agustus 2016) [4] Drapper, N.R dan Smith, H., 1998, Applied Regression Analysis, John Wiley and Sons, Inc., New York. [5] Montgomery, D.C. and Peck, E.A, 2006, Introduction to Linier Regression Analysis, John Wiley and Sons, New York. [6] Musafirah, 2012, Perbandingan Metode Robust Least Trimmed Squares Dengan Metode Scale Dalam Mengestimasi Parameter Regresi Linear Untuk Data Yang Mengandung Pencilan, Universitas Hasanudin, Makassar. [7] Wijayanti, Lisa Unik, 2015, Analisis Perbandingan Regresi Robust Estimasi-M Huber dan Estimasi-S Dalam Mengatasi Outlier. Universitas Negeri Yogyakarta, Yogyakarta. [8] Wulandari, Sri., 2013, Perbandingan Metode Least Trimmed Squares Dan Penaksir M Dalam Mengatassi Permasalahan Data Pencilan, Vol.1, No.1, pp 73-85, Saintia Matematika. 8
1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciREGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH. oleh IDA YUSWARA DYAH PITALOKA M
REGRESI ROBUST DENGAN METODE CONSTRAINED M ESTIMATION PADA PRODUKSI PADI SAWAH DI JAWA TENGAH oleh IDA YUSWARA DYAH PITALOKA M0108046 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis yang menjelaskan tentang
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang menjelaskan tentang hubungan antara dua atau lebih variabel. Variabel dalam analisis regresi, dibedakan menjadi dua yaitu
Lebih terperinciPerbandingan Metode Robust Least Trimmed Square Dengan Metode Scale
Perbandingan Metode Robust Least Trimmed Square Dengan Metode Scale Dalam Mengestimasi Parameter Regresi Linear Berganda Untuk Data Yang Mengandung Pencilan Musafirah 1, Raupong 2, Nasrah Sirajang 3 ABSTRAK
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciANALISIS REGRESI ROBUST ESTIMASI-S MENGGUNAKAN PEMBOBOT WELSCH DAN TUKEY BISQUARE
48 Jurnal Matematika Vol 6 No 1 Tahun 2017 ANALISIS REGRESI ROBUST ESTIMASI-S MENGGUNAKAN PEMBOBOT WELSCH DAN TUKEY BISQUARE S-ESTIMATION OF ROBUST REGRESSION ANALYSIS USES WELSCH AND TUKEY BISQUARE WEIGHTING
Lebih terperinciBAB I PENDAHULUAN. hubungan ketergantungan variabel satu terhadap variabel lainnya. Apabila
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciPERBANDINGAN REGRESI ROBUST DENGAN OLS PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015
PERBANDINGAN REGRESI ROBUST DENGAN PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015 Endah Suryaningsih Utami 1), Abdul Karim 2) 1 Program Studi Strata Statistika,, Universitas Muhammadiyah Semarang
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai model regresi robust dengan
BAB III PEMBAHASAN Pada bab ini akan dijelaskan mengenai model regresi robust dengan metode estimasi-s. Kemudian akan ditunjukkan model regresi robust menggunakan metode estimasi-s untuk memprediksi Indeks
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG. Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan
Saintia Matematika Vol. 2, No. 1 (2014), pp. 71 83. ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan Abstrak. Penyediaan
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA SKRIPSI Disusun Oleh : SHERLY CANDRANINGTYAS J2E 008 053 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 395-404 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciPengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust
Pengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust I GUSTI AYU MADE SRINADI Jurusan Matematika Universitas Udayana, srinadiigustiayumade@yahoo.co.id Abstrak. Metode kuadrat
Lebih terperinciMODEL REGRESI LINIER BERGANDA MENGGUNAKAN PENAKSIR PARAMETER REGRESI ROBUST M-ESTIMATOR (Studi Kasus: Produksi Padi di Provinsi Jawa Barat Tahun 2009)
MODEL REGRESI LINIER BERGANDA MENGGUNAKAN PENAKSIR PARAMETER REGRESI ROBUST M-ESTIMATOR (Studi Kasus: Produksi Padi di Provinsi Jawa Barat Tahun 2009) Rini Cahyandari, Nurul Hisani Jurusan Matematika Fakultas
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error Ria Kumala Dewi dan Wiwiek Setya Winahju Statistika, FMIPA, Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah metode statistika yang digunakan untuk mengetahui hubungan antara variabel terikat (dependen, respon, YY) dengan satu atau lebih variabel bebas
Lebih terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciModel Regresi Linear Produksi Padi di Indonesia dengan Estimasi-M
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 1, May 2007, 39 46 Model Regresi Linear Produksi Padi di Indonesia dengan Estimasi-M Hasih Pratiwi, Yuliana Susanti, dan Monaluvy Septiningrum Jurusan
Lebih terperinciESTIMASI DATA HILANG MENGGUNAKAN REGRESI ROBUST S
ESTIMASI DATA HILANG MENGGUNAKAN REGRESI ROBUST S PADA RANCANGAN ACAK KELOMPOK Andi Fabiola Awalet 1, Raupong 2, Anisa 3 Program studi Statistika, Jurusan Matematika, FMIPA, Universitas Hasanuddin andiiiola@gmail.com
Lebih terperinciMODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS
MODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS (Studi Kasus Produksi Jagung di Indonesia) Oleh VICTOR SATRIA SAPUTERA M0112089 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciREGRESI ROBUST DENGAN ESTIMASI-GS (GENERALIZED S-ESTIMATION ) PADA PENJUALAN TENAGA LISTRIK DI JAWA TENGAH TAHUN 2010
REGRESI ROBUST DENGAN ESTIMASI-GS (GENERALIZED S-ESTIMATION ) PADA PENJUALAN TENAGA LISTRIK DI JAWA TENGAH TAHUN 2010 oleh YURISTA WULANSARI NIM. M 0108073 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciJurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN
Metode Regresi Robust Dengan Estimasi Method of Moment (Estimasi-MM) Pada Regresi Linier Berganda (Studi Kasus : Data Indeks Harga Konsumen (IHK) Provinsi Kalimantan Timur) Method of Robust Regression
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciPENDETEKSIAN OUTLIER PADA CAPITAL ASSET PRICING MODEL (CAPM) MENGGUNAKAN LEAST TRIMMED SQUARES (LTS) Elis Ratna Wulan 1, Enung Nurhayati 2
Edisi Juli 014 Volume VIII No. 1 ISSN 1979-8911 PENDETEKSIAN OUTLIER PADA CAPITAL ASSET PRICING MODEL (CAPM) MENGGUNAKAN LEAST TRIMMED SQUARES (LTS) Elis Ratna Wulan 1, Enung Nurhayati 1, Jurusan Matematika,
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciMODEL REGRESI ROBUST DENGAN PEMBOBOT WELSCH DAN PEMBOBOT RAMSAY
MODEL REGRESI ROBUST DENGAN PEMBOBOT WELSCH DAN PEMBOBOT RAMSAY oleh KISHARTYA PRATIWI M0106076 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciOPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA
OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA Yuliana Susanti 1, Hasih Pratiwi 2, Sri Sulistijowati H 3 1,2,3 Jurusan Matematika FMIPA, Universitas Sebelas Maret, Surakarta
Lebih terperinciDaerah Jawa Barat, serta instansi-instansi lain yang terkait.
IV. METODE PENELITIAN 4.1 Waktu dan Lokasi Penelitian Pengambilan data sekunder untuk keperluan penelitian ini dilaksanakan pada awal bulan juli hingga bulan agustus 2011 selama dua bulan. Lokasi penelitian
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Populasi dalam penelitian ini adalah PT. Bank Syariah Mandiri dan Bank
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Sampel Penelitian Populasi dalam penelitian ini adalah PT. Bank Syariah Mandiri dan Bank Indonesia. Sampel adalah wakil dari populasi yang diteliti. Dalam
Lebih terperinciUJM 3 (2) (2014) UNNES Journal of Mathematics.
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm DETEKSI OUTLIER MENGGUNAKAN DIAGNOSA REGRESI BERBASIS ESTIMATOR PARAMETER ROBUST Suyanti, YL Sukestiyarno Jurusan
Lebih terperinciBAB III METODE PENELITIAN. sebagai salah satu input faktor produksi yang memiliki peran penting. Permintaan
17 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Petani dalam melakukan kegiatan usahatani membutuhkan benih padi sebagai salah satu input faktor produksi yang memiliki peran penting. Permintaan terhadap
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk memenuhi
Lebih terperinciPEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR
L/O/G/O SEMINAR HASIL TUGAS AKHIR PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR Oleh: Ria Dosen Pembimbing: Dra. Wiwiek Setya
Lebih terperinciABSTRAK. Kata kunci: model regresi linier, pencilan (outlier), regresi robust, M-estimator
ABSTRAK Metode kuadrat terkecil merupakan salah satu metode estimasi parameter dalam model regresi. Metode ini menghasilkan estimator yang tak bias selama asumsi-asumsinya dipenuhi. Tetapi, ketika asumsi
Lebih terperinciBAB IV PEMBAHASAN. Proses estimasi pada metode IRLS ini dengan meminimumkan fungsi residu, yang dapat dituliskan sebagai berikut.
BAB IV PEMBAHASAN Pada bab ini akan dibahas mengenai estimasi parameter model Regresi M- kuantil, penurunan model Regresi M-kuantil, dan contoh penerapan model Regresi M-kuantil pada pengaruh pendapatan
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciMODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES
PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas
Lebih terperinciS - 31 OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA
S - 31 OPTIMASI MODEL REGRESI ROBUST UNTUK MEMPREDIKSI PRODUKSI KEDELAI DI INDONESIA Yuliana Susanti 1, Hasih Pratiwi 2, Sri Sulistijowati H 3 1,2,3 Jurusan Matematika FMIPA, Universitas Sebelas Maret,
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciTingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen
Tingkat Efisiensi Metode Robust dalam Menaksir Garis Jika Ragam Galat Tidak Homogen Harmi Sugiarti dan Andi Megawarni e-mail: harmi@mailutacid dan mega@mailutacid Abstract This paper aims to compare the
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya
BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya yield to maturity (YTM) dari obligasi negara seri fixed rate tenor 10 tahun
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan.
TINJAUAN PUSTAKA Pencilan Aunuddin (1989) mendefinisikan pencilan sebagai nilai ektstrim yang menyimpang agak jauh dari kumpulan pengamatan lainnya, yang secara kasar berada pada jarak sejauh tiga atau
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciUNIVERSITAS NEGERI SEMARANG 2015
1 METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program
Lebih terperinciJurusan Statistika, FST, Institut Sains & Teknologi AKPRIND Yogyakarta
E-ISSN 57-9378 Jurnal Statistika Industri dan Komputasi Volume, No., Juli 7, pp. 6-35 ANALISIS REGRESI ROBUST DENGAN PENDUGA METHOD OF MOMENT (MM) UNTUK MENGATASI DATA ANG TERIDENTIFIKASI PENCILAN BERDASARKAN
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciPENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS
e-jurnal Matematika Vol. 2, No. 1, Januari 2013, 54-59 PENERAPAN METODE GENERALIZED RIDGE REGRESSION DALAM MENGATASI MASALAH MULTIKOLINEARITAS NI KETUT TRI UTAMI 1, I KOMANG GDE SUKARSA 2, I PUTU EKA NILA
Lebih terperinciREGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN MANUSIA
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 REGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di Koperasi Balam Jaya Di Desa Balam Merah
41 BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian ini dilaksanakan di Koperasi Balam Jaya Di Desa Balam Merah Kecamatan Bunut Kabupaten Pelalawan. Dengan alamat Jln. Lintas Bono Pangkalan Bunut.
Lebih terperinciUNNES Journal of Mathematics
UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil 1. Statistik Deskriptif Variabel-variabel yang digunakan dalam penelitian ini terdiri dari pendapatan premi, klaim, hasil investasi, dan laba. Statistik
Lebih terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciBAB III METODE PENELITIAN. Permintaan Beras di Kabupaten Kudus. Faktor-Faktor Permintaan Beras. Analisis Permintaan Beras
19 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Permintaan Beras di Kabupaten Kudus Faktor-Faktor Permintaan Beras Harga barang itu sendiri Harga barang lain Jumlah penduduk Pendapatan penduduk Selera
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Data Pendapatan Bunga Tabel 4.1 PT Bank Mandiri (Persero), Tbk Perkembangan Pendapatan Bunga Tahun 2007 2011 (dalam jutaan) Tahun Pendapatan Bunga
Lebih terperinciBAB I PENDAHULUAN. suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penaksiran koefisien-koefisien regresi linier, biasanya kita digunakan suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Provinsi Sumatera Utara, khususnya dalam
21 BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Provinsi Sumatera Utara, khususnya dalam ruang lingkup sektor pertanian. Waktu penelitian untuk mengumpulkan data
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciBAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi.
BAB I Pendahuluan 1.1. Latar belakang Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
Lebih terperinciBAB III METODE PENELITIAN
41 BAB III METODE PENELITIAN A. Jenis Penelitian Menurut Sugiono, metode penelitian kuantitatif merupakan suatu metode yang digunakan untuk meneliti suatu populasi dan sampel tertentu. Dalam penelitian
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperincimempunyai nilai ekstrim telah dikeluarkan sehingga data diharapkan
47 mempunyai nilai ekstrim telah dikeluarkan sehingga data diharapkan mendekati normal. Tabel 4.2 Deskripsi Statistik PT. Indofood Sukses Makmur Periode Pengamatan 2003-2008 Mean Std. Deviation N RETURN.007258.1045229
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
47 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Unit Analisis Data 1. Data Hasil Penelitian Pada bagian ini akan dibahas mengenai proses pengolahan data untuk menguji hipotesis yang telah dibuat
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. DESKRIPSI DATA Data hasil penelitian terdiri dari dua variabel bebas yaitu variabel gaya belajar siswa (X1) dan variabel minat belajar siswa (X2) serta satu variabel terikat
Lebih terperinciEfektivitas Metode Regresi Robust Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear Berganda
Jurnal Penelitian Sains Volume 1 Nomer 1(A) 1101 Efektivitas Metode Regresi Robust Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear Berganda Dian Cahyawati S. 1), Hadi Tanuji ), dan
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. tahun terakhir yaitu tahun 2001 sampai dengan tahun Data yang. diambil adalah data tahun 2001 sampai 2015.
BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskriptif Sampel dan Data Penelitian ini menggunakan 30 data, sampel yang diamati selama 15 tahun terakhir yaitu tahun 2001 sampai dengan tahun 2015. Data yang diambil
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciBAB V HASIL PENELITIAN
70 BAB V HASIL PENELITIAN 5.1. Analisis Deskriftif Berdasarkan hasil rekapitulasi tabulasi data variable ROA, DER, CR, EPS, Inflasi, PDB dan Harga Saham diperoleh statistik deskriftif seperti pada tabel
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciBAB 3 METODE PENELITIAN. jenis data yang berbentuk angka (metric) yang terdiri dari:
BAB 3 METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu jenis data yang berbentuk angka (metric) yang terdiri dari: 1. Data laporan
Lebih terperinciMETODE PENELITIAN. keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi, data
IV. METODE PENELITIAN A. Jenis dan Sumber Data Data adalah semua hasil observasi atau pengukuran yang telah dicatat untuk suatu keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. independen dari listrik adalah satuan kilowatt (kwh), untuk minyak adalah
36 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Pengolahan Data Data yang diambil untuk varibel dependen adalah produk domestic bruto di Jakarta period 1995 2005 dalam satuan rupiah. Sedangkan variabel
Lebih terperinciAnalisis Regresi Ridge Robust (RR) untuk Mengatasi Masalah Multikolinearitas dan Pencilan pada Data Proksimat di Muara Niru, Jelawatan, dan Enim
Prosiding Statistika ISSN 2460-6456 Analisis Regresi Ridge Robust (RR) untuk Mengatasi Masalah Multikolinearitas dan Pencilan pada Data Proksimat di Muara Niru, Jelawatan, dan Enim 1 Asti Rahmatika, 2
Lebih terperincimenggunakan fungsi Cobb Douglas dengan metode OLS (Ordinary Least
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder dan data primer. Data primer diperoleh dari wawancara langsung dengan pegawai divisi produksi
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Uji Normalitas Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel dependent, variabel independent atau keduannya mempunyai distribusi normal atau tidak.
Lebih terperinciBAB III METODEPENELITIAN
BAB III METODEPENELITIAN 3.1. Kerangka Pemikiran Produksi merupakan suatu proses transformasi input menjadi output. Input dalam usahatani bawang merah adalah lahan, bibit, tenaga kerja, pupuk organik,
Lebih terperinciBAB III. Metode Penelitian. Penelitian ini menggunakan pendekatan kuantitatif yaitu data yang diukur dalam skala
BAB III Metode Penelitian A. Pendekatan Penelitian Penelitian ini menggunakan pendekatan kuantitatif yaitu data yang diukur dalam skala numerik, berdasarkan data time series yang berhubungan dengan inflasi,suku
Lebih terperinciBAB III METODOLOGI PENELITIAN
46 BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Pendekatan Penelitian Penelitian ini menggunakan metode deskriptif kuantitatif. Metode deskriptif adalah pencarian fakta dengan interpretasi yang tepat. Penelitian
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi obyek penelitian adalah DER (debt to equity ratio),
BAB III METODE PENELITIAN 3.1 Objek Dan Waktu Penelitian 3.1.1 Objek Penelitian Adapun yang menjadi obyek penelitian adalah DER (debt to equity ratio), OPM (operating profit margin) dan Harga Saham pada
Lebih terperinciBAB III METODE PENELITIAN. merupakan penelitian kualiitatif yang merujuk pada data deskriptif ( deskriptif
BAB III METODE PENELITIAN 3.1 Pendekatan Penelitian Dari segi data yang dikumpulkan, diolah dan dianalisis, penelitian ini merupakan penelitian kualiitatif yang merujuk pada data deskriptif ( deskriptif
Lebih terperinciBAB 3 METODA PENELITIAN. industri penghasil bahan baku sektor pertambangan yang terdaftar di
BAB 3 METODA PENELITIAN 3.1 Jenis dan Sumber Data Peneliti memperoleh data penelitian ini yang terdapat pada sumber data historis berupa laporan keuangan perusahaan yang telah diaudit dengan benar serta
Lebih terperinciBAB IV HASIL ANALISA DAN PEMBAHASAN
BAB IV HASIL ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Penelitian ini menggunakan analisa regresi yang tujuannya adalah untuk meramalkan suatu nilai variabel dependen dengan adanya perubahan dari
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinci