PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI PADI DI JAWA TIMUR TAHUN 2012 DENGAN KASUS PENCILAN DAN AUTOKORELASI ERROR
|
|
- Liana Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 Winahju, MS
2 AGENDA 1 2 PENDAHULUAN TINJAUAN PUSTAKA 3 4 METODOLOGI PENELITIAN HASIL DAN PEMBAHASAN 5 PENUTUP 2
3 3
4 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Permasalahan Manfaat Batasan Masalah IMPOR 4
5 PENDAHULUAN Latar Belakang Rumusan Masalah PEMERINTAH IMPOR PETANI Tujuan Permasalahan Manfaat HARGA GABAH Batasan Masalah 5
6 PENDAHULUAN Latar Belakang Rumusan Masalah Tahun ,58 juta ton Tujuan Permasalahan Manfaat Batasan Masalah Dinas Pertanian - Penurunan Luas panen - Penurunan Produktivitas - Pertambahan penduduk Produktivitas = Jumlah Produksi / Luas Areal Panen Faktor-faktor lain 6
7 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Permasalahan Manfaat Batasan Masalah Bagaimana karakteristik faktor-faktor yang mempengaruhi produksi padi di Jawa Timur? Bagaimana menyusun model terbaik faktorfaktor yang mempengaruhi produksi padi di Jawa Timur dengan menggunakan regresi robust dan GLS? 7
8 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Permasalahan Manfaat Batasan Masalah 1 2 Mendeskripsikan karakteristik faktor-faktor yang mempengaruhi produksi padi di Jawa Timur Mendapatkan model terbaik faktor-faktor yang mempengaruhi produksi padi di Jawa Timur dengan menggunakan regresi robust dan GLS 8
9 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Permasalahan Manfaat Batasan Masalah Memberikan alternatif model atau informasi mengenai faktor-faktor yang mempengaruhi jumlah produksi padi di Jawa Timur Dapat menjadi tambahan informasi untuk penelitian dalam ruang lingkup yang sama 9
10 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Permasalahan Data yang digunakan adalah data produksi sektor pertanian khususnya tanaman padi di Jawa Timur tahun 2012 pada 29 kabupaten dan 7 kota di Jawa Timur Manfaat Batasan Masalah 10
11 1
12 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Teknik statistika untuk menentukan model hubungan satu variabel respon dengan melibatkan lebih dari satu variabel prediktor hingga p variabel prediktor dimana banyaknya p kurang dari jumlah observasi (n). Regresi Linier Berganda Metode Ordinary Least Square menduga koefisien regresi ( ) dengan meminimumkan kesalahan (error) (Draper & Smith, 1992). Model regresi berganda Model dugaan Ria 2
13 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Uji Serentak Uji Parsial Daerah penolakan: Daerah penolakan: Kesimpulan: koefisien regresi ( ) bermakna Kesimpulan: koefisien regresi ke-k signifikan terhadap model Model regresi telah sesuai Model regresi telah sesuai 3
14 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Independen Identik Distribusi Normal H 0 Residual tidak ada autokorelasi Residual homoskedastisitas Residual berdistribusi normal H 1 Residual ada autokorelasi Residual heteroskedastisitas Residual tidak berdistribusi normal Statistik uji Daerah penolakan (Tolak H 0 jika) atau Kesimpulan Residual tidak independen Residual tidak identik Residual tidak berdistribusi normal 4
15 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Multikolinieritas Terjadinya hubungan linier antara variabel bebas dalam suatu linier berganda (Gujarati, 2004). Kriteria untuk mendeteksi adanya multikolinieritas menggunakan VIF (Variance Inflation Factor): dengan R 2 (i) merupakan nilai koefisien determinasi hasil regresi antara variabel X i dengan variabel X lainnya. 5
16 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Regresi Robust Metode regresi yang digunakan jika distribusi dari residual tidak normal dan atau mengandung beberapa pencilan yang berpengaruh pada model (Ryan, 1997). Metode penaksir M menggunakan fungsi Huber untuk meminimukan fungsi galat. Metode penaksir M dilakukan dengan memberikan fungsi pembobot secara iterasi (Iteratively Reweighted Least Squares). Penaksir parameter: b = (X T WX) -1 X T WY 6
17 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Metode regresi yang digunakan apabila antar residual saling berkorelasi (autokorelasi) (Gujarati, 2004). Generalized Least Square regresi OLS dengan transformasi variabel respon dan prediktor. Model GLS untuk 1 prediktor adalah Generalized Least Square dengan 7
18 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Pendugaan nilai menggunakan Cochrane-Orcutt Iterative Procedure. Meregresikan t dengan t-1 dari hasil regresi OLS atau regresi sebelumnya. Nilai koefisien parameter yang diperoleh dijadikan sebagai nilai Nilai disubstitusikan ke dalam persamaan GLS dan diregresikan menggunakan OLS. Cara tersebut dilakukan berulang kali sampai diperoleh nilai konvergen. yang 8
19 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Karakteristik tanaman padi: Dapat hidup dengan baik di daerah beriklim panas yang lembab Dapat ditanam di dataran rendah sampai ketinggian 1300 m di atas permukaan laut Curah hujan yang dikehendaki sekitar mm per tahun. Memerlukan intensitas sinar matahari yang cukup Tanaman Padi Suhu yang baik untuk pertumbuhan tanaman padi adalah 23 C 9
20 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Lukmandono (2002) Meningkatkan Variabel-variabel yang Potensial Untuk Meningkatkan Produktivitas Sektor Pertanian Tanaman Padi Provinsi Jawa Timur Norman (2004) Luas areal tanam, tenaga kerja, pupuk, dan benih. Analisis Statistik Terhadap Faktor-faktor yang Mempengaruhi Produksi Padi di Wilayah Jawa Timur Jumlah pemakaian pupuk dan harga gabah Penelitian Sebelumnya 10
21 TINJAUAN PUSTAKA Regresi Linier Berganda Regresi Robust GLS Tanaman Padi Penelitian Sebelumnya Fadillah (2012) Regresi robust dengan estimasi M untuk mengetahui faktor-faktor yang mempengaruhi jumlah penduduk miskin Jawa Timur tahun 2009 dan 2010 Aeni (2012) Generalized Least Square (GLS) untuk mengetahui faktor-faktor yang mempengaruhi produksi dan mutu tembakau Temanggung 1
22 2
23 METODOLOGI PENELITIAN Sumber Data Variabel Penelitian Langkah-langkah Penelitian Data produksi sektor pertanian khususnya tanaman padi Unit pengamatan: 29 kabupaten dan 7 kota di Jawa Timur 3
24 METODOLOGI PENELITIAN Sumber Data Variabel Penelitian Langkah-langkah Penelitian Variabel Y X 1 X 2 X 3 X 4 X 5 Keterangan Produksi padi (Ton) Luas panen (Ha) Luas puso (Ha) Penggunaan pupuk (Ton) Jumlah curah hujan (Mm) Jumlah hari hujan (Hari) Statistik Deskriptif Luas sawah dengan pengairan teknik (Ha), luas sawah dengan pengairan setengah teknik (Ha), luas sawah dengan pengairan sederhana (Ha), luas sawah dengan pengairan desa (Ha), luas sawah dengan pengairan tadah hujan (Ha) 4
25 METODOLOGI PENELITIAN Sumber Data Variabel Penelitian Langkah-langkah Penelitian Statistik Deskriptif Pemodelan regresi dengan OLS Uji asumsi residual dan multikolinieritas Deteksi Pencilan Uji asumsi residual Pemodelan dengan GLS Uji asumsi residual Pemodelan dengan regresi robust Model terbaik 5
26 6
27 HASIL & PEMBAHASAN Deskripsi Karakteristik Variabel Mean Std. Deviasi Minimum Maksimum Y X X X X ,6 391, X 5 83,28 21, X X X X X
28 HASIL & PEMBAHASAN Identifikasi Pola Hubungan antara Variabel Respon dengan Variabel Prediktor X1 X2 X Y X4 X X 100 8
29 HASIL & PEMBAHASAN Identifikasi Pola Hubungan antara Variabel Respon dengan Variabel Prediktor = 5% Correlations: X1; X2; X3; X4; X5; Y X1 X2 X3 X4 X5 X2 0,661 0,000 X3 0,867 0,542 0,000 0,001 X4 0,174 0,018 0,284 0,310 0,917 0,094 X5 0,087-0,064 0,132 0,769 0,613 0,710 0,443 0,000 Y 0,995 0,666 0,874 0,167 0,072 0,000 0,000 0,000 0,331 0,678 Cell Contents: Pearson correlation P-Value 9
30 HASIL & PEMBAHASAN Pemodelan dengan Metode OLS Model regresi OLS Y= ,82X 1 +1,47X 2 +0,275X 3 +0,64X 4-202X 5 R-Sq (adj) = 98,9% Uji signifikansi parameter Source DF SS MS F P Regression 5 2,26466E+12 4,52933E ,83 0,000 Error Total 35 2,28610E+12 = 5% = 10% Variabel t hitung p-value VIF Keterangan 1 23,28 0,000 5,223 Signifikan 2 0,59 0,562 1,834 Tidak signifikan 3 1,43 0,163 4,469 Tidak signifikan 4 0,03 0,973 2,742 Tidak signifikan 5-0,61 0,548 2,545 Tidak signifikan 10
31 HASIL & PEMBAHASAN Uji asumsi residual berdistribusi normal Percent Probability Plot of RESI1 Normal Mean -1,62698E-10 StDev N 36 KS 0,074 P-Value >0,150 = 5% D (,n) =0,221 Berdistribusi normal RESI
32 HASIL & PEMBAHASAN Uji asumsi residual identik Residual Versus Fits (response is Y) Variabel t hitung p-value 1 0,48 0, ,15 0, ,66 0, ,08 0, ,31 0, Fitted Value Homoskedastisitas 2
33 HASIL & PEMBAHASAN Uji asumsi residual independen Versus Order (response is Y) DW = 2,62096 d U = 1, d U = 2,2013 Residual Ada autokorelasi Observation Order
34 HASIL & PEMBAHASAN Deteksi Pencilan SRES FITS
35 HASIL & PEMBAHASAN Pemodelan dengan Regresi Robust Model regresi robust Y=11659,5+5,836X 1 +0,251X 2 +0,28X 3 +1,806X 4-186,047X 5 R-Sq (adj) = 98,89% Uji signifikansi parameter = 5% Serentak: F hitung = 621,679 F (0,05;5,30) = 2,534 = 10% Variabel t hitung t (0,10;30) Keterangan 1 26,4888 Signifikan 2 0, Tidak signifikan 3 1, ,3014 Signifikan 4 0, Tidak signifikan 5-0, Tidak signifikan 5
36 HASIL & PEMBAHASAN Uji asumsi residual berdistribusi normal Percent Probability Plot of residual Normal Mean -39,19 StDev N 36 KS 0,081 P-Value >0,150 = 5% D (0,05;36) =0,221 Berdistribusi normal residual
37 HASIL & PEMBAHASAN Uji asumsi residual identik e Variabel t hitung p-value 1 0,20 0, ,17 0, ,27 0, ,15 0, ,25 0, Fits Homoskedastisitas 7
38 HASIL & PEMBAHASAN Uji asumsi residual independen DW = 2,466 d U = 1, d U = 2,2013 e Ada autokorelasi Observation Order
39 HASIL & PEMBAHASAN Model GLS Pemodelan dengan Generalized Least Square Y=14224,89+5,762X 1 +3,479X 2 +0,286X 3-8,687X 4-15,988X 5 R-Sq (adj) = 99,4% Uji signifikansi parameter = 5% Serentak: F hitung = 1202,193 F (0,05;5,30) = 2,534 = 10% Variabel t hitung t (0,10;30) Keterangan 1 29,075 Signifikan 2 1,853 Signifikan 3 1,861 1,3014 Signifikan 4-0,492 Tidak signifikan 5-0,057 Tidak signifikan 9
40 HASIL & PEMBAHASAN Uji asumsi residual berdistribusi normal Percent Probability Plot of residual Normal Mean 1,515825E-13 StDev N 36 KS 0,071 P-Value >0,150 = 5% D (0,05;36) =0,221 Berdistribusi normal residual
41 HASIL & PEMBAHASAN Uji asumsi residual identik e Variabel t hitung p-value 1 0,14 0, ,34 0, ,48 0, ,18 0, ,80 0, Fits Homoskedastisitas 1
42 HASIL & PEMBAHASAN Uji asumsi residual independen DW = 2,1333 d U = 1, d U = 2,2013 e Observation order Tidak ada autokorelasi 2
43 HASIL & PEMBAHASAN Model terbaik produksi padi Jawa Timur tahun 2012 Y=14224,89+5,762X 1 +3,479X 2 +0,286X 3-8,687X 4-15,988X 5 3
44 4
45 KESIMPULAN & SARAN Pemodelan data produksi padi di Jawa Timur tahun 2012 tidak dapat menggunakan regresi OLS saja karena terdapat pencilan dan autokorelasi error. Sehingga, dilakukan regresi robust untuk mengatasi pencilan dan Generalized Least Square untuk mengatasi autokorelasi error. Variabel yang berpengaruh signifikan terhadap produksi padi Jawa Timur tahun 2012 adalah luas panen, luas puso, dan penggunaan pupuk. Pada penelitian selanjutnya disarankan untuk menggunakan metode yang lebih tepat dan melakukan penambahan variabel prediktor yang diduga juga mempengaruhi produksi padi. 5
46 6
47 DAFTAR PUSTAKA Aeni, N. Y. (2012). Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi dan Mutu Tembakau Temanggung dengan Kombinasi Antara Generalized Least Square dan Regresi Robust. Tugas Akhir Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember, Surabaya. Anonim. (2012, Oktober 29). Prediksi dan Tantangan Sektor Pertanian Indonesia Tahun Retrieved Agustus 31, 2013, from Badan Intelijen Negara: BPS. (2011). Tanaman Pangan. Retrieved Februari 3, 2013, from Badan Pusat Statistik: Daniel, W. W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT Gramedia. Draper, N. R., & Smith, H. (1992). Analisis Regresi Terapan (Second ed.). Jakarta: PT Gramedia Pustaka Utama. Fadillah, M. R. (2012). Analisis Regresi Jumlah Penduduk Miskin dengan Faktor-faktor yang Mempengaruhi di Jawa Timur. Tugas Akhir Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember, Surabaya. 7
48 DAFTAR PUSTAKA Fox, J. (2002). Robust Regression. Appendix to An R and S-PLUS Companion to Applied Regression. Gujarati, N. D. (2004). Basic Econometrics (Fourth ed.). New York: The McGraw-Hill Companies. Ikawati, N. (2013, Februari 15). Menyongsong Kedaulatan Pangan Indonesia. Retrieved Agustus 31, 2013, from Masyarakat Ilmuwan dan Teknolog Indonesia (MITI): Indrawati, F. (2012). Pemodelan Jumlah Ketersediaan Beras Untuk Jawa Timur Dengan Pendekatan Fungsi Transfer. Jurnal Sains dan Seni ITS, 1 (1). Lukmandono. (2002). Menentukan Variabel-variabel yang Poten-sial Untuk Meningkatkan Produktivitas Sektor Pertanian Tanaman Padi Provinsi Jawa Timur. Tesis Tidak Dipubli-kasikan, Institut Teknologi Sepuluh Nopember, Surabaya. Matthews, R., & Wassmann, R. (2003). Modelling The Impacts Of Climate Change And Methane Emission Reductions On Rice Production: A Review. European Journal Of Agronomy, 19 (4),
49 DAFTAR PUSTAKA Mubyarto. (1995). Pengantar Ekonomi Pertanian. Jakarta: Pustaka LP3ES. Norman, I. (2004). Analisis Statistik Terhadap Faktor-faktor Yang Mempengaruhi Produksi Padi Di Wilayah Jawa Timur. Tugas Akhir Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember, Surabaya. Perdinan, Boer, R., & Kartikasari, K. (2008). Linking Climate Change Adaptation Options For Rice Production And Sustainable Development In Indonesia. J. Agromet, 22 (2), Ryan, T. P. (1997). Modern Regression Methods. New York: John Wiley & Sons, Inc. Sastrapradja, S. D., & Widjaja, E. A. (2010). Keanekaragaman Hayati Pertanian Menjamin Kedaulatan Pangan. Jakarta: LIPI Press. Susianto, Y. (2008). Model Regresi Semiparametrik Kernel Untuk Menduga Produksi Padi Sawah Di Jawa Tengah. Tesis Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopem-ber, Surabaya. Yudarwati, R. (2010). Analisis Faktor-faktor yang Mempengaruhi Produktivitas Padi Sawah dengan Aplikasi Sistem Informasi Geografis (Studi Kasus di Kabupaten Bogor, Jawa Barat). Tugas Akhir, Institut Pertanian Bogor, Bogor. 9
50 DAFTAR PUSTAKA Yuliawan, T. (2012). Pengaruh Kenaikan Suhu Terhadap Produksi Tanaman Padi Sawah Irigasi Dan Tadah Hujan Di Indonesia Menggunakan Model Simulasi Pertanian Sheirary Rice Berbasiskan Sistem Informasi Geografis (SIG). Tugas Akhir, Institut Pertanian Bogor, Bogor. 10
51 L/O/G/O Terima Kasih Ria
Pemodelan 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 terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (24) 2337-352 (23-928X Print) D-42 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 12) ISSN: 2301-928X D-1 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square
Lebih terperinciPEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI DAN MUTU TEMBAKAU TEMANGGUNG DENGAN KOMBINASI ANTARA GENERALIZED LEAST SQUARE DAN REGRESI RIDGE
Seminar Tugas Akhir PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI DAN MUTU TEMBAKAU TEMANGGUNG DENGAN KOMBINASI ANTARA GENERALIZED LEAST SQUARE DAN REGRESI RIDGE Oleh: Nyimas Yusna Aeni (1308 100
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 terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI JAWA TIMUR OLEH: FASHA AMELLIA NURAINI 1311030010 DOSEN PEMBIMBING: Dr.Ir.SETIAWAN,MS BAB 1 PENDAHULUAN LLATAR BELAKANG Usaha peningkatan produksi kedelai
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
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 terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
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 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 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 terperinciAnalisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan
Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan Oleh: Ainul Fatwa Khoiruroh (1310100096) Pembimbing: Dr. Setiawan, M.S. JURUSAN STATISTIKA FAKULTAS
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
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 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 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 terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data 1. Keadaan Wilayah Provinsi Jawa Timur merupakan salah satu provinsi yang berada di Pulau Jawa dan merupakan provinsi paling timur di Pulau Jawa. Letaknya pada
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Pada deskripsi variabel penelitian akan dijelaskan nilai minimum, maksimum, rata-rata dan standard deviasi pada masing-masing variabel penelitian,
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 Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciPemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (04) 7-0 (0-98X Print) D-7 Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya Merly Fatriana Bintariningrum
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Setelah melalui beberapa tahap kegiatan penelitian, dalam bab IV ini diuraikan analisis hasil penelitian dan pembahasan hasil penelitian. Analisis
Lebih terperinciOleh : Fuji Rahayu W ( )
Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia
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 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 terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciValiditas dan Reliabilitas Kompetensi Sosial Validitas Kompetensi Sosial
Validitas dan Reliabilitas Kompetensi Sosial Validitas Kompetensi Sosial Validitas dan Reliabilitas Pada kompetensi Sosial. Reliabilitas Pada kompetensi Sosial Reliability Statistics Cronbach's Alpha N
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 terperinciBAB 4 ANALISIS DAN BAHASAN
BAB 4 ANALISIS DAN BAHASAN 4.1 Deskripsi Data Penelitian Setelah melalui berbagai tahapan penelitian yang telah direncanakan oleh peneliti di bagian awal, penelitian ini menghasilkan berbagai hal yang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN. perbankan terdiri dari Bank Umum dan Bank Perkreditan Rakyat
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN Dijelaskan dalam UU Pokok perbankan nomor 7 tahun 1992 dan ditegaskan lagi dengan keluarnya undang-undang RI nomor 10 tahun 1998
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-103 Pemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua Latifatul Mubarokah, I Nyoman
Lebih terperinciBAB III METODOLOGI PENELITIAN. salah satu kota pemekaran dengan penerimaan PAD yang cukup tinggi.
BAB III METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian Waktu pengumpulan untuk penelitian dan pengolahan data dilakukan mulai bulan Oktober sampai Desember 2013. Penelitian ini dilakukan di Kota
Lebih terperinciAnalisis Regresi Linier Berganda Untuk Mengetahui Hubungan Antara Beberapa Aktifitas Promosi dengan Penjualan Produk
Analisis Regresi Linier Berganda Untuk Mengetahui Hubungan Antara Beberapa Aktifitas Promosi dengan Penjualan Produk Suhermin Ari Pujiati Pasca Sarjana Jurusan Statistika FMIPA ITS Suhermin97@yahoo.com.
Lebih terperinciMsi = x 100% METODE PENELITIAN
20 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis dan sumber data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Biro Pusat Statistik (BPS), Perpustakaan IPB,
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 terperinciPemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-157 Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
Lebih terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
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 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 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 terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
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 terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciREGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah
REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA Isma Hasanah isma_semangat@yahoo.co.id Agustini Tripena, Br. Sb Universitas Jenderal Soedirman ABSTRACT. Regression analysis is statistic
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
37 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Variabel yang digunakan dalam penelitian ini adalah Laba Bersih dan Arus Kas Operasi sebagai variabel independen (X) dan Dividen Kas sebagai
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 terperinciAnalisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (217) ISSN: 2337-352 (231-928X Print) D-11 Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang terdaftar di Bursa Efek Indonesia memiliki beberapa perusahaan, dan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
43 BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Deskriptif Sampel 1. Gambaran Umum Sampel Perusahaan manufaktur merupakan perusahaan yang kegiatan utamanya adalah memproduksi atau membuat bahan baku menjadi barang
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
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 terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinciPERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE KOYCK DAN ALMON
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 91-97 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE
Lebih terperinciBAB IV. METODE PENELITIAN
BAB IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Gapoktan Tani Bersama Desa Situ Udik Kecamatan Cibungbulang Kabupaten Bogor. Pemilihan lokasi dilakukan dengan cara
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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
34 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam
Lebih terperinciBAB 4 HASIL PENGUJIAN. 4.1 Penjelasan Deskriptif Objek Penelitian. Penelitian ini menguji adanya pengaruh pengungkapan pihak berelasi dan
BAB 4 HASIL PENGUJIAN 4.1 Penjelasan Deskriptif Objek Penelitian Penelitian ini menguji adanya pengaruh pengungkapan pihak berelasi dan transaksi antar pihak berelasi terhadap harga saham. Penelitian ini
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
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 terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Dalam penelitian ini, analisis data yang dilakukan menggunakan pendekatan kuantitatif yaitu dengan menggunakan analisis regresi sederhana, dan perhitungannya menggunakan
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 III METODOLOGI PENELITIAN. berbentuk time series selama periode waktu di Sumatera Barat
BAB III METODOLOGI PENELITIAN A. Sumber Data Metode penelitian dilakukan dengan mengumpulkan data sekunder yang berbentuk time series selama periode waktu 2005-2015 di Sumatera Barat yang diperoleh dari
Lebih terperinciBAB IV HASIL ANALISIS DAN PEMBAHASAN. Tabel 4. Berdasarkan tabel diatas dapat diketahui bahwa variabel harga saham (Y)
54 BAB IV HASIL ANALISIS DAN PEMBAHASAN 4. 1. Statistik Deskriptif Hasil statistik deskriptif terhadap variabel penelitian disajikan pada tabel berikut ini : Tabel 4 Des criptive Statistics Mean Std. Deviation
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinciH 2 : Dana Perimbangan berpengaruh positif terhadap Belanja Modal
H 2 : Dana Perimbangan berpengaruh positif terhadap Belanja Modal BAB III METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian ini adalah penelitian Kuantitatif,yaitu penelitian yang menekankan pada
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah Atiya Maulani, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, tidak jarang dihadapkan pada berbagai masalah yang berkaitan dengan dua atau lebih variabel dalam suatu bentuk hubungan tertentu
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. belajar kimia SMA Negeri 1 Jogonalan Kabupaten Klaten.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Diskripsi Data Diskripsi hasil penelitian ini didasarkan pada skor dari kuesioner yang digunakan untuk mengetahui pengaruh motivasi dan iklim
Lebih terperinciIII. METODE PENELITIAN. data sudah dikompilasi ke dalam bentuk digital file, publikasi, buku, laporan dan
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berupa data sekunder, dimana data sudah dikompilasi ke dalam bentuk digital file, publikasi, buku, laporan dan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN Dalam bab ini penulis akan menerangkan mengenai hasil penelitian yang telah dilakukan atas data sekunder yaitu berupa komponen-komponen laporan keuangan yang diperoleh
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi,
BAB IV HASIL DAN PEMBAHASAN A. Hasil Analisis 1. Analisis Statistik Deskriptif Statistik deskriptif berfungsi untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean),
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
51 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Analisis statistik dekriptif menggambarkan tentang ringkasan datadata penelitian seperti nilai minimum, maksimum, rata rata dan
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 IV PEMBAHASAN DAN HASIL PENELITIAN
BAB IV PEMBAHASAN DAN HASIL PENELITIAN IV.1 Analisis Deskriptif IV.1.1 Gambaran Mengenai Return Saham Tabel IV.1 Descriptive Statistics N Range Minimum Maximum Mean Std. Deviation Return Saham 45 2.09-0.40
Lebih terperinciBAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis Pengaruh Pajak Daerah,
36 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Ruang lingkup penelitian ini adalah menganalisis Pengaruh Pajak Daerah, Retribusi Daerah, Pendapatan BUMD Dan Pendapatan Lain Daerah Terhadap Pertumbuhan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan kerangka teoritik yang telah dijelaskan pada Bab II maka tujuan penelitian yang hendak dicapai antara lain : 1. Memberikan bukti empiris baru
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan
Lebih terperinciBAB IV ANALISIS HASIL PEMBAHASAN
BAB IV ANALISIS HASIL PEMBAHASAN 4.1 Analisis Profil Responden 4.1.1 Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang telah dikumpulkan dalam penelitian
Lebih terperinciBiaya operasional terendah adalah dialami oleh PT. Centrin Online Tbk (CENT), dan tertinggi di alami oleh Mitra Adi Perkasa Tbk (MAPI
BAB IV HASIL DAN PEMBAHASAN A. Statistik Deskriptif Dengan statistik deskriptif memberikan informasi tentang karakteristik sampel yang digunakan secara lebih rinci. Informasi yang dapat diperoleh dari
Lebih terperinciBAB I PENDAHULUAN. Regresi linier adalah teknik pemodelan di mana nilai variabel dependen
BAB I PENDAHULUAN 1.1. LATAR BELAKANG Regresi linier adalah teknik pemodelan di mana nilai variabel dependen dimodelkan sebagai kombinasi linier pada sekumpulan variabel penjelas. Variabel dependen merupakan
Lebih terperinciMETODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah
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 IV. Tabel 4.1. dan Pendapatan Bagi Hasil. Descriptive Statistics. Pembiayaan_Mudharabah E6 4.59E E E9
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil 1. Uji Statistik Deskriptif Statistika deskriptif digunakan untuk melihat gambaran secara umum data yang sudah dikumpulkan dalam penelitian ini. Berikut
Lebih terperinciLampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten
LAMPIRAN 71 Lampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten 72 Lampiran 2. Spesifikasi persyaratan mutu teh hitam (SNI 01-1902-1995) No. Jenis Uji Satuan Spesifikasi 1 Kadar air % b/b
Lebih terperinciBAB IV HASIL PENGUJIAN. Analisis Deskriptif Variabel Variabel Penelitian
BAB IV HASIL PENGUJIAN IV.1 Analisis Deskriptif Variabel Variabel Penelitian Dari data yang telah dikumpulkan, didapat hasil perhitungan sebagai berikut : 1) Beta saham Beta merupakan suatu pengukur volatilitas
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. yang telah diperoleh dan dapat dilihat dalam tabel 4.1 sebagai berikut : Tabel 4.1 Descriptive Statistics
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran secara umum data yang sudah dikumpulkan dalam penelitian ini. Berikut hasil analisis deskriptif
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 terperinci