Pemetaan Jumlah Balita Gizi Buruk Di Kota Surabaya dengan GWNBR dan Flexibly Shaped Spatial Scan Statistic

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemetaan Jumlah Balita Gizi Buruk Di Kota Surabaya dengan GWNBR dan Flexibly Shaped Spatial Scan Statistic"

Transkripsi

1 JURNAL SAINS DAN SENI IS Vo. 5 No. (016) (301-98X Prt) D-47 Pemetaa Jumah Bata Gz Buruk D Kota Surabaa dega GWNBR da Fexb Shaed Sata Sca Statstc Zuzu Mrat da Purhad Jurusa Statstka, Fakutas MIPA, Isttut ekoog Seuuh Noember (IS) J. Aref Rahma Hakm, Surabaa Idoesa e-ma: urhad@statstka.ts.ac.d, zuzumrat@gma.com Abstrak Gz buruk meruaka saah satu ermasaaha kesehata d Idoesa ag baak daam oeh bata (aak d bawah usa ma tahu). Gz buruk aka mejadka masarakat tdak sehat da tdak cerdas. Aak kurag gz aka meuruka roduktvtas ada usa dewasa sehgga meebabka redaha edaata. Pada tahu 014 dketahu bahwa kota Surabaa memk kasus gz buruk sebaak 366 kasus ag meemat ergkat kema d Jawa mur. Daam eeta dakuka detfkas varabe ag sgfka d ta kecamata terhada kasus bata gz buruk d kota Surabaa dega Geograhca Weghted Negatve Boma Regresso (GWNBR). Sea tu, Fexb Shaed Sata Sca Statstc dguaka utuk memetaka kecamata d Kota Surabaa ag terdeteks sebaga waah katog bata gz buruk agar daat dketahu kecamata maa ag mejad rortas daam eagaa kasus bata gz buruk. Pemetaa kecamata berdasarka varabe sgfka dega fugs embobot kere Adatve Bsquare deroeh dua keomok. Has Fexb Shaed Sata Sca Statstc meujukka bahwa terdaat dua katog bata gz buruk. Daerah ag rawa atu kecamata Paka ag memk a resko reatf sebesar 3,0136. Daerah dega resko terbesar kedua terdaat semba kecamata dega resko reatf sebesar 1, Kata Kuc Fexb Shaed Sata Sca Statstc, Gz Buruk, GWNBR. S I. PENDAHULUAN aah satu ermasaaha kesehata d Idoesa adaah gz buruk. Gz buruk meruaka sebuah keadaa dmaa seseorag megaam kekuraga utrs atau kebutuha utrs ag mash dbawah stadar ag daam oeh bata (aak d bawah usa bata ma tahu). Pada usa bata, aak-aak membutuhka dukuga utrs ag egka utuk ertumbuha da erkembaga tubuh da otak [1]. Pada tahu 014 kota Surabaa memk kasus gz buruk sebaak 366 kasus meemat ergkat kema d Jawa mur. Bata ag mederta gz buruk mash dtemuka d Kota Surabaa mejadka Surabaa beum bebas seeuha dar gz buruk. Pemertah Kota Surabaa seau fokus meeka ederta gz buruk agar mejad cotoh bag daerah a. Namu, rogram kesehata da tdak berjaa maksma []. Berdasarka ermasaaha tersebut eru dketahu dkator ag berhubuga dega bata gz buruk da berotes daam megkatka jumah kasus bata gz buruk. Jumah kasus bata gz buruk meruaka data cout atau jumaha, maka aass ag daat dguaka utuk megetahu dkator kasus bata gz buruk adaah regres Posso. Daam aass regres Posso, serg ka mucu kasus overdsers. Saah satu metode ag dguaka daam megatas overdsers daam regres Posso adaah regres Boma Negatf. Keragama karakterstk atar kecamata d Kota Surabaa meetuka kuatas kesehata d kecamata tersebut, sehgga deruka suatu metode emodea statstk ag memerhatka faktor sasa atu Geograhca Weghted Negatve Boma Regresso (GWNBR). Sea megetahu dkator kasus bata gz buruk juga eru medeteks katog/hotsot kasus bata gz buruk agar daat dketahu kecamata maa ag mejad rortas daam eagaa kasus bata gz buruk. Metode ag daat dguaka utuk medeteks katog kasus bata gz buruk/ hotsot adaah Fexb Shaed Sata Sca Statstc. Berdasarka uraa tersebut, tujua eeta adaah memetaka kecamata d Kota Surabaa berdasarka dkator kasus bata gz buruk d Kota Surabaa dega GWNBR da memetaka kecamata ag terdeteks katog bata gz buruk dega Fexb Shaed Sata Sca Statstc sehgga daat dakuka uaa ecegaha da eagguaga bata gz buruk ag teat sasara. II. Statstka Deskrtf INJAUAN PUSAKA Pera statstka deskrtf adaah utuk meggambarka data da membatu megubah data mejad formas ag daat dguaka. Cotoh statstka deskrtf adaah rata-rata, stadar devas, a maksmum da a mmum. Sea tu, eta tematk juga meruaka saah satu betuk eaja statstka deskrtf. Peta tematk atu meggambarka formas dega tema tertetu/khusus [3]. Cheroff Faces Cheroff faces ertama ka derkeaka oeh Herma Cheroff tahu 1973, meruaka cara meamka data mutvarat agar mudah dhat dega megguaka karakterstk wajah kartu utuk mereresetaska data [4]. Mutkoertas Pembetuka mode regres dega beberaa varabe redctor, saah satu sarata tdak ada kasus mutkoeartas. Pedeteksa kasus mutkoertas dakuka megguaka krtera koreas da a VIF.

2 D-48 JURNAL SAINS DAN SENI IS Vo. 5 No. (016) (301-98X Prt) Jka a koreas ebh dar 0,95 da a VIF (Varace Ifato Factor) ebh besar dar 10 meujukka adaa mutkoertas atar varabe redktor. Na VIF dataka sebaga berkut. 1 VIFj (1) 1 R j dega R j adaah koefse determas atara satu varabe redktor dega varabe redktor aa[5]. Regres Posso Regres Posso meruaka aass regres ag dguaka utuk memodeka data cout [6]. Jka varabe radom dskrt () meruaka dstrbus Posso dega arameter µ maka fugs robabtas dar dstrbus Posso daat dataka sebaga berkut. e f, x, 0,1,,... ()! Persamaa mode regres Posso daat dtus sebaga berkut. ex( 0 1x1 x x) (3) µ meruaka rata-rata jumah kejada ag terjad daam terva waktu tertetu. Estmas arameter mode regres Posso dakuka dega megguaka metode Maxmum Lkehood Estmato (MLE). Fugs kehood drumuska sebaga berkut. L X β e X! (4) Uj sgfkas secara seretak dega hotess sebaga berkut. H : 1 H 1 : mma ada satu j 0, j 1,,..., Statstk Uj : ˆ L ˆ D Lˆ (5) oak H 0 jka D(β ) > χ (α,) ag berart mma ada satu arameter ag beregaruh secara sgfka. Kemuda dakuka eguja arameter secara arsa dega hotess sebaga berkut. H0 : j 0 H 1 : j 0, j 1,,..., Statstk Uj : ˆ j Z (6) se ˆ j oak H 0 jka z htug > z ( α ) dega α meruaka tgkat sgfkas ag dtetuka. Overdsers daat ddeteks dega a dsers earso Ch-square atau devace ag dbag dega derajat bebasa, deroeh a ebh besar dar 1 [7]. Regres Boma Negatf Mode regres Boma Negatf memua fugs massa robabtas sebaga berkut [8]. 1/ 1/ 1 P,, 1/! 1 1 0,1,,... ; ex( X β ) (7) Estmas mode regres Boma Negatf dataka sebaga berkut. ex( 0 1x1 x x) (8) Estmas arameter dar regres boma egatf dguaka metode Maksmum Lkehood da Newto Rahso. Fugs Lkehood dar regres Boma Negatf adaah sebaga berkut. 1/ ( 1/ ) 1 L, 1 (1/ )! 1 1 (9) Peguja sgfkas secara seretak utuk estmas arameter mode regres Boma Negatf megguaka hotess sebaga berkut. H0 : H 1 : mma ada satu j 0, j 1,,..., Statstk Uj: ˆ L ˆ D Lˆ (10) oak H 0 jka statstk uj D(β ) > χ (α,) Uj sgfkas secara arsa utuk megetahu arameter maa ag memberka egaruh ag sgfka terhada mode dega hotess sebaga berkut. H0 : j 0 H 1 : j 0, j 1,,..., Statstk Uj: ˆ j Z (11) se ˆ j oak H 0 jka z htug > z ( α dega α meruaka ) tgkat sgfkas ag dtetuka ag arta bahwa arameter ke-j sgfka terhada mode regres Boma Negatf. Peguja Deedes Sasa Peguja deedes sasa dakuka utuk mehat aakah egamata d suatu okas beregaruh terhada egamata d okas a ag etaka berdekata. Peguja deedes sasa dakuka megguaka statstk metode Mora s I dega hotess sebaga berkut. H : I 0 (tdak terdaat deedes sasa) 0 H 1 : I 0 (terdaat deedes sasa) Statstk uj : Iˆ E( Iˆ) Z I ^ Var ( Iˆ) (1) Keutusa ag damb toak H 0 jka a z htug >, ag berart terdaat deedes sasa daam z ( α ) mode. Peguja Heterogetas Sasa Peguja heterogetas sasa dguaka utuk mehat karakterstk d suatu okas egamata. Utuk mehat adaa heterogetas sasa ada data daat dakuka eguja Breusch-Paga. Uj heterogetas sasa daat duj dega hotess sebaga berkut. H 0 : varas atar okas sama H 1 : varas atar okas berbeda Statstk uj Breusch-Paga (BP) adaah sebaga berkut. 1 BP (1/ ) f Z( Z Z) Z f (13)

3 JURNAL SAINS DAN SENI IS Vo. 5 No. (016) (301-98X Prt) D-49 Keutusa ag damb toak H 0 jka a BP > χ (α,) atau -vaue < ag berart terjad heteroskedaststas daam mode (varas atarokas berbeda). GWNBR Mode GWNBR aka meghaska arameter oka dega masg-masg okas aka memk arameter ag berbeda-beda. Mode GWNBR daat drumuska sebaga berkut [9]. ~ NB ex j u, v, u, v, 1,,3,..., (14) j1 j 1,,..., Estmas arameter mode GWNBR megguaka metode maksmum kehood. Fugs kehood seabaga berkut [10]. L, u, v 1 x r (15), 1 r ! Peguja kesamaa mode GWNBR dega regres Boma Negatf dakuka utuk mehat terdaat erbedaa ag sgfka atau tdak atara mode GWNBR dega regres Boma Negatf dega hotess sebaga berkut. H0 : j u, v j u v, j 1,,3..., ; 1,,3 H1 : j, j,..., Statstk uj : Devas Mode A df F A (16) Devas Mode B dfb Mode A adaah mode Boma Negatf da mode B adaah mode GWNBR. oak H 0 jka F ht > F α,dfa,df B ag arta bahwa ada erbedaa ag sgfka atara mode Boma Negatf dega mode GWNBR. Peguja sgfkas arameter mode GWNBR terdr dar uj seretak da arsa. Uj sgfkas secara seretak dega Maxmum Lkehood Rato est (MLR) hotessa sebaga berkut. u, v u, v... u v 0; 1,,3, 0, j 1,,3 H,..., 0 : 1, H 1: j u v..., Statstk Uj: Dβ ˆ Lˆ Lˆ (17) oak H 0 jka statstk uj D(β ) > χ (α,) Peguja sgfkas secara arsa utuk megetahu arameter maa saja ag memberka egaruh ag sgfka terhada varabe reso ada seta okas dega hotess sebaga berkut. j u v 0, j 1,,3..., ;,1,,3,..., u v 0 H0 :, H1 : j, Statstk uj: ˆ j, v Z (18) se ˆ u, v u j oak H 0 jka statstk uj z htug > z ( α ) ag arta bahwa arameter tersebut beregaruh sgfka terhada varabe reso d okas ada ta okas. Matrks Pembobot Sasa Badwdth meruaka radus suatu gkara dega usat ttk okas, sehgga terdaat ttk-ttk okas ag berada daam gkara tersebut, maka ttk okas tersebut dagga memk egaruh terhada eaksra koefse regres ada ttk okas. Metode ag dguaka utuk memh badwtdth otmum atu CV dega rumus sebaga berkut. CV b b 1 1 (19) Proses eaksra arameter mode GWNBR d suatu ttk (u, v )membutuhka embobot sasa dmaa embobot Adatve Bsquare ag dguaka adaah sebaga berkut: dq 1,utuk d q b w q b 0,utuk d q b (0) Dmaa d q = jarak Eucdea ( d q ) atara okas ke- da okas ke-q, dega ersamaa: dq u u v v q q (1) Pemha Mode erbak Pemha mode regres terbak megguaka Akake Iformato Crtero (AIC). AIC ddefska sebaga berkut. AIC L β ˆ K () Mode terbak memk a AIC terkec. Fexb Shaed Sata Sca Statstc Sata Sca Statstc meruaka saah satu metode statstk ag dguaka utuk medeteks custer ada sebuah okas ag berua ttk mauu data agregat. Metode Fexb Shaed Sata Sca Statstc feksbe terhada betuk katog ag dhaska sehgga tdak terbatas ada betuk gkara saja [10]. Gz Buruk KEP (Kurag Eerg Prote) adaah suatu betuk masaah gz ag dsebabka oeh berbaga faktor, terutama faktor makaa ag tdak memeuh kebutuha aak aka eerg da rote serta karea feks, ag berdamak ada eurua status gz aak dar bergz bak bak atau orma mejad bergz kurag atau buruk. Meurut UNICEF eebab tmbua gz buruk ada bata ada dua atu eebab agsug (makaa bata da eakt feks ag mugk dderta aak) da eebab tdak agsug (ketahaa aga d gkuga keuarga, oa egasuha aak, serta eaaa kesehata da kesehata gkuga) [11]. III. Sumber Data MEODOLOGI PENELIIAN Data ag dguaka daam eeta adaah data sekuder ag deroeh meau ubkas data Prof Kesehata d Das Kesehata da BPS Kota Surabaa dega ut eeta sebaak 31 kecamata d Kota Surabaa.

4 D-50 JURNAL SAINS DAN SENI IS Vo. 5 No. (016) (301-98X Prt) Varabe Peeta Berkut varabe eeta ag dguaka terdr dar varabe reso da redctor ag dsajka daam abe 1. Varabe Y X 1 X X 3 X 4 X 5 X 6 ABEL 1. VARIABEL PENELIIAN Keteraga Jumah bata gz buruk d ta kecamata Persetase ba ag ahr dega Berat Bada Lahr Redah (BBLR) Persetase ba ag medaat ASI ekskusf Persetase rumah tagga beroa hdu bersh da sehat (PHBS) Persetase osadu aktf Persetase bu ham ag medaat tabet Fe3 Persetase rumah tagga msk Varabe Peeta Lagkah aass ag dakuka daam eeta ag ddasarka ada tujua eeta adaah sebaga berkut. 1. Medeskrska karakterstk jumah bata gz buruk da dkator ag memegaruha megguaka eta tematk da cheroff faces.. Peguja kasus mutkoertas berdasarka krtera koreas da VIF. 3. Megaass mode regres Posso 4. Megaass mode regres Boma Negatf Meakuka eguja asek data sasa 5. Memodeka dega GWNBR da memetaka waah berdasarka varabe ag sgfka. 6. Medeteks katog bata gz buruk dega Fexb Shaed Sata Sca Statstc. IV. ANALISIS DAN PEMBAHASAN Karakterstk Jumah Bata Gz Buruk ahu 014 d Kota Surabaa Jumah bata gz buruk d Kota Surabaa tahu 014 sebesar 366 kasus. Kecamata Sukamougga meruaka kecamata dega jumah bata gz buruk tertgg sebaak 54 kasus sedagka Kecamata Beowo memk kasus teredah haa 1 kasus. Berkut dsajka eta ersebara jumah bata gz buruk d Kota Surabaa. Gambar 1. Persebara Bata Gz Buruk d Kota Surabaa ahu 014 Pada Gambar 1 dega dkator wara cokat meruaka kecamata dega jumah bata gz buruk ag tgg atu atara retag 14,54-54 terdaat d 10 kecamata.. Deskrs Idkator Jumah Bata Gz Buruk dega Cheroff Faces Has Cheroff faces meujukka bahwa atara kecamata satu dega kecamata ag a memk kemra, terdaat 9 keomok berdasarka tama cheroff faces. Sebaga cotoh, keomok 6 atu kecamata Lakarsatr da Rugkut. Dua kecamata tersebut memk kemra tgg wajah (X 1 ), ebar tega (X ), da ebar muut (X 5 ) seert Gambar sebaga berkut. Sukomaugga ades Asemrowo Beowo Paka Lakarsatr Sambkere Geteg egasar Bubuta Smokerto PabeaCatka Semamr Rugkut Wookromo Jambaga Krembaga eggsmejoo KaragPag Buak GuugAar DukuhPaks Gambar. ama Cheroff faces Pemerksaa Mutkoertas Saah satu cara utuk medeteks adaa kasus mutkoertas, atu dega krtera koreas. Has a koreas atar varabe redctor sebaga berkut. ABEL KORELASI ANAR VARIABEL PREDIKOR X 1 X X 3 X 4 X 5 X -0,174 X 3-0,178 0,16 X 4 0,050 0,13 0,381 X 5-0,315 0,396 0,36 0,10 X 6 0,5-0,193-0,178-0,45-0,464 Cara a ag daat dakuka dega mehat a VIF. Berkut dsajka a VIF. ABEL 3. NILAI VIF DARI VARIABEL PREDIKOR Varabe X 1 X X 3 X 4 X 4 X 6 VIF 1,17 1,196 1,9 1,63 1,61 1,333 abe da 3 meujukka a koreas kurag dar 0,95 da a VIF dar keeam varabe redktor memk a VIF kurag dar 10, sehgga daat dsmuka bahwa tdak terdaat kasus mutkoertas. Pemodea Regres Posso Berkut meruaka estmas arameter mode regres Posso ag dsajka daam abe 4. ABEL 4. ESIMASI PARAMEER MODEL REGRESI POISSON Estmate Z Vaue P-Vaue (Itercet) 4,16 6,04 1,5x10-9 X1-0, ,57 0,08794* X 0, ,445 1,16x10-10 * X3-0, ,950 0,3419 X4-0, ,766 0, * X5-0, ,057 4,7x 10-7 * X6-0, ,845 0, Devace : 14,39 DF : 4 AIC : 349,13 *) sgfka dega taraf ata 1% Kejera Sukoo Berdasarka abe 4 daat dketahu bahwa tga varabe redktor ag sgfka atu X 1, X, X 4, da X 5 secara dvdu memberka egaruh ag sgfka terhada jumah bata gz buruk d Kota Surabaa. Wug ambaksar Muorejo Gauga Gubeg Sawaha Woocoo

5 JURNAL SAINS DAN SENI IS Vo. 5 No. (016) (301-98X Prt) D-51 Pemodea Regres Boma Negatf Lagkah awa daam emodea regres Boma Negatf adaah meetuka a ta. Berdasarka has tra-error ta theta ddaatka ta sebesar 1,45305 maka dakuka emodea regres Boma Negatf dega ta theta sebesar 1, ABEL 5. ESIMASI PARAMEER MODEL REGRESI BINOMIAL NEGAIF Estmate Z Vaue P-Vaue (Itercet) 5,30513,819 0,00951 X1-0, ,755 0,45730 X 0,0351,474 0,008* X3-0, ,367 0,71689 X4-0, ,946 0,3534 X5-0, ,480 0,0056* X6-0, ,513 0,6143 Devace : 4 DF : 4 AIC : 0,1 *) sgfka dega taraf ata 1% Berdasarka has eguja seretak dega taraf sgfkas 1% ddaatka χ (0,1;6) sebesar 8,4036 ag arta ebh kec dar a Devace (4) sehgga mma ada satu varabe redktor ag beregaruh sgfka terhada varabe reso. Berdasarka has eguja secara dvdu haa terdaat dua varabe redktor ag sgfka, atu X ds X 5. Berkut meruaka mode regres Boma Negatf. ˆ ex(5,3 0,087X1 0,035X 0,005X3 0, 0069X 4,048X 0,009 ) Peguja Asek Data Sasa 0 5 X6 Has eguja heterogetas deroeh a statstk uj Breusch-Paga sebesar 11,991 dega -vaue 0,0616. Dguaka α sebesar 1% maka ddaatka χ (0,1;6) sebesar 8,4036. Kesmua ag ddaatka varas atar okas berbeda. Sea tu, has eguja deedes sasa deroeh -vaue sebesar 0,7796 sehgga dega taraf ata 1% ddaatka kesmua bahwa tdak ada deedes sasa. Peguja Sgfkas Mode GWNBR Pada emodea GWNBR dakuka eambaha embobota sasa. Pada eeta embobot ag dguaka adaah saah satu dar emat fugs kere ag memk a AIC ag kec. Berkut adaah a AIC dar emat fugs kere ag dsajka daam abe 6. ABEL 6. PERBANDINGAN NILAI AIC UNUK EMPA FUNGSI KERNEL Fugs Kere Adatve Bsquare Adatve Gaussa Fx Bsquare Fx Gaussa AIC 171, , ,860 17,0813 Berdasarka abe 6 fugs kere ag dguaka adaah Adatve Bsquare dega a AIC ag kec. Has erhtuga ddaatka a devas mode GWNBR sebesar 31,85. Dega taraf ata 1% ddaatka χ (0,1;6) sebesar 8,4036 ag arta mma ada satu arameter mode GWNBR ag sgfka beregaruh. Berdasarka has eguja ddaatka a Z ht ag berbeda-beda ta okas. Ddaatka has egeomokka sebaak keomok berdasarka varabe ag sgfka ag dsajka daam abe 7. ABEL 7. PENGELOMPOKKAN KABUPAEN/ KOA DI JAWA BARA No. Kecamata Varabe ag Sgfka Sukomaugga, Wug, Jambaga, Rugkut, Sukoo, Gubeg, ega Sar, Geteg, 1 Krembaga, Pabea Catka, Buak, Dukuh Paks, Wookromo, Karag Pag, Gauga, Woocoo, eggs Mejoo, Guug Aar, X 1 X Sawaha, Bubuta, Asemrowo, Semamr, Kejera, Smokerto, ambaksar, Muorejo ades, Beowo, Paka X 1 X X 6 Pegeomoka waah kecamata d Provs Jawa mur berdasarka varabe ag sgfka dsajka daam Gambar 3. Gambar 3. Pegeomokka Kecamata d Kota Surabaa berdasarka Varabe ag Sgfka Sebaga cotoh aka dsajka eguja arameter ada Kecamata Buak ada abe 8 berkut. ABEL 8. PENGUJIAN PARAMEER MODEL GWNBR DI KECAMAAN PAKAL Estmate Z Htug (Itercet),0783 0, X1-0, ,7933* X 0, ,47198* X3-0, , X4-0,0034-0,0156 X5-0, ,14369 X6 0, ,7104 *) sgfka dega taraf ata 1% Dega taraf ata 1% maka z 0,1 adaah 1,5 sehgga daat dketahu varabe ag sgfka d Kecamata Buak adaah X 1 da X sehgga daat dbetuk mode sebaga berkut. ˆ ex(,0783 0,04795X1 0,00690X 0, 00117X3,0034 X 0,00385 X 0,00317 ) X6 Pemha Mode erbak Pemha mode terbak dega krtera AIC adaah sebaga berkut. ABEL 9. PEMILIHAN MODEL ERBAIK BERDASARKAN AIC Mode AIC Regres Posso 349,13 Regres Boma Negatf 0,1 GWNBR 171,5486 abe 9 meujukka bahwa dar ketga mode tersebut, GWNBR memk a AIC ag kec sehgga GWNBR ebh bak daam memodeka jumah bata gz buruk utuk ta kecamata d Kota Surabaa tahu 014.

6 D-5 JURNAL SAINS DAN SENI IS Vo. 5 No. (016) (301-98X Prt) Pedeteksa Katog Bata Gz Buruk dega Fexb Shaed Sata Sca Statstc Has edeteksa katog bata gz buruk d Kota Surabaa dega data redks berdasarka mode GWNBR dsajka ada abe 10 berkut. ABEL 10. HASIL DEEKSI KANONG BALIA GIZI BURUK DI KOA SURABAYA Katog Bata Gz Buruk Jumah Kecamata Jarak Maks Kasus Bata Gz Buruk Haraa Resko Reatf P-vaue ,731 3,0136 0, , ,4168 1, ,0001 Peguja tgkat sgfkas megguaka tekk smuas Mote Caro dega eguaga sebaak 99, 999 da Berkut adaah has edeteksa katog bata gz buruk d Kota Surabaa dega eguaga sebaak Gambar 3. Has Pedeteksa Katog Bata Gz Buruk d Kota Surabaa Daerah berwara merah atu Kecamata Paka, kecamata tersebut tergoog daerah ag rawa gz buruk. Kecamata Paka memk a resko reatf utuk bata gz buruk sebesar ka 3,0136 ebh tgg dbadgka kecamata a ag berada d uar katog. Sedagka daerah wara bru meruaka Kecamata Sukomaugga, Geteg, egasar, Smokerto, Semamr, ambak Sar, Muorejo, Sawaha, da Wookromo, kecamata tersebut daerah rawa kedua terkea gz buruk ada bata dhat dar a resko reatfa sebesar 1,63915 ka ebh tgg dbadgka kecamata a ag berada d uar katog. Kecamata Sukomaugga termasuk daam kategor daerah rawa gz buruk, ha sesua karea daerah Sukomaugga meruaka kecamata dega kasus gz buruk ada bata tertgg. V. KESIMPULAN Berdasarka aass da embahasa ddaatka kesmua bahwa dar eam varabe ag dguaka daam emodea GWNBR dega fugs embobot kere adatve bsquare haa ada tga varabe ag beregaruh sgfka atu ersetase ba ag ahr dega BBLR (X 1 ), ersetase ba ag medaat ASI ekskusf (X ) da ersetase rumah tagga msk (X 3 ). Pemetaa kecamata berdasarka varabe ag sgfka dar emodea GWNBR deroeh dua keomok ag seta keomoka memua aggota waah ag berdekata ag meujukka terdaat kesamaa varabe ag memegaruh jumah bata gz buruk. Has edeteksa katog bata gz buruk d Kota Surabaa meujukka bahwa terbetuk dua katog dmaa kecamata Paka meruaka katog satu sebaga daerah ag rawa terkea bata gz buruk dega resko reatfa sebesar 3,0136 ka dbadg kecamata aa. Katog kedua terdr dar semba kecamata ag etaka berdekata dega resko reatf 1,63915 ka ebh tgg dbadgka kecamata a ag berada d uar katog. Sara utuk eeta seajuta terkat dega bata gz buruk dharaka daat megguaka varabe ag sgfka atu ba ahr dega BBLR, ba ag medaat ASI ekskusf da rumah tagga msk. Serta dega has emetaa tersebut daat dguaka sebaga baha ertmbaga utuk eagaa bata gz buruk d Kota Surabaa. DAFAR PUSAKA [1] Sutomo, B., & Aggra, D. (010). Meu Sehat Aam utuk Batta da Bata. Jakarta: P Agro Meda Pustaka,. [] Bertajatm. (016). Surabaa Beum Bebas Kasus Gz Buruk. htt://bertajatm.com/eddka_kesehata/61786/surabaa_be um_bebas_kasus_gz_buruk.htm [dakses tagga 19 Me 016]. [3] Edarto, D., Sarwoo, & Prhad, S. Geograf. (009).Jakarta: Pusat Perbukua Dearteme Peddka Nasoa. [4] Morrs, J. C., Ebert, D. S., & Rhegas, P.(000).A Exermeta Aass of the ffectveess of Features Cheroff Faces. SPIE Proceedgs, [5] Hockg, R.R. Method ad Acatos of Ler Modes. New York : Joh We ad Sos,Ic, [6] Agrest, A. (00).Categorca Data Aass Secod Edto. New York : Joh We & Sos. [7] Famoe, F., Wuu, J., & Sgh, K. (004).O he GeerazePosso Regresso Mode wth a Acato to AccdetData. Joura of Data Scece, [8] Greee, W. (008). Fuctoa Forms for the Negatve Boma Mode for Cout Data, Foudato, ad reds Ecometrcs,99, New York : New York Uverst. [9] Rcardo, A. ad Carvaho,.V.R.(013).Geograhca Weghted Negatve Boma Regresso-Icororatg Overdserso. Busess Meda New York : Srger Scece. [10] ago,., & akahash, K. (005).A Fexb Shaed sata Sca Statstc For Detectg Custers. Iteratoa Joura of Heath Geograhcs, 4, 11. [11] Soekrma. (000). Imu gz da Akasa Utuk Keuarga da Masarakat. Jakarta: Dtje DIKI-DEPDIKNAS.

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I

Lebih terperinci

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A ** MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

Penggunaan Sistem Samar Pada Pemodelan Tingkat Inflasi Di Indonesia

Penggunaan Sistem Samar Pada Pemodelan Tingkat Inflasi Di Indonesia Pegguaa Sstem Samar Pada Pemodea Tgkat Ifas D Idoesa Oeh : Nuug Chusu Chotmah ahasswa Program Stud atematka FIP UNY gus ama bad Staf Pegajar Jurusa Peddka atematka FIP UNY uhammad Fauza Staf Pegajar Jurusa

Lebih terperinci

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE Perbadga Metode Cross Valdato Da Geeralzed Cross Valdato Dalam Regres Noarametrk Breso Sle Luh Putu Saftr Pratw PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model Jural ILMU DASAR Vol. No.. 0 : 97-0 97 Estmas da Statstk Uj ada Model robt Ber Bvarat Estmato ad Statstcal est Bvarate Bar robt Model Vta Ratasar, urhad, Isma & Suhartoo Mahasswa S-3 Statstka FMIA IS,

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

Klasifikasi Kesejahteraan Rumah Tangga di Provinsi Papua dengan Metode Regresi Logistik dan Support Vector Machine

Klasifikasi Kesejahteraan Rumah Tangga di Provinsi Papua dengan Metode Regresi Logistik dan Support Vector Machine JURNAL SAINS DAN SENI ITS Vo. 4, No., (05) 337-350 (30-98X Prt) D-9 Kasfkas Kesejahteraa Rumah Tagga d Provs Paua dega Metode Regres Logstk da Suort Vector Mache Rska Prakasta Sahtayakt da Kartka Fthrasar.

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner.

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner. 1 PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENDERITA PENYAKIT KAKI GAJAH (FILARIASIS DI PROVINSI NANGROE ACEH DARUSSALAM (NAD DENGAN REGRESI LOGISTIK BINER 1 Wdh Au Octava, Ir. Sr Pgt Wuladar, M.S 1 Mahasswa,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka

Lebih terperinci

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Semar Nasoal Statstka IX Isttut Tekolog Sepuluh Nopember, 7 November 009 PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Yayuk Lsta 1, Purhad

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH

GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

Prosiding FMIPA Universitas Pattimura 2013 ISBN:

Prosiding FMIPA Universitas Pattimura 2013 ISBN: Prosdg FMIPA Uverstas Pattmura 03 ISBN: 978-60-975-0-5 PENDEKAAN MODEL GEOGRAPHICALLY WEIGHED REGRESSION UNUK MENGANALISIS JUMLAH PENDUDUK MISKIN: UPAYA PENURUNAN JUMLAH PENDUDUK MISKIN DI PROVINSI MALUKU

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 5528, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport. JURNAL GAUSSIAN, Volume, Nomor, Tahu 0, Halama 9-8 Ole d: htt://ejoural-s.ud.ac.d/dex.h/gaussa ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN Sylf, Dw Isryat, Dah Saftr 3 Mahasswa Jurusa Statstka FSM Uverstas

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci