MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

Ukuran: px
Mulai penontonan dengan halaman:

Download "MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA"

Transkripsi

1 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA - KOA DI PAPUA Mha Febb R. D, Ad Seawa, Haa Ar Parhusp,, Program Sud Maemaka, Fakulas Sas da Maemaka Uversas Krse Saa Wacaa, Jl. Dpoegoro 5-6 Salaga 57 Emal: mhafebb@gmal.com, ad_sea_@ahoo.com, haaarparhusp@ahoo.co.d ABSRAK Melalu Model Koreks Kesalaha (Error Correco Model ECM ddapaka bahwa Ideks Harga Kosume d koa Jaapura, Sorog da Maokwar salg berhubuga. Hubuga Ideks Harga Kosume koa-koa d Papua merupaka hubuga ler da membeuk gars regres ler. Gars regres dak dapa deuka secara epa sehgga dperluka aksra parameer uuk model regres ler ersebu. Pada makalah, daa ag dguaka adalah daa Ideks Harga Kosume koa-koa d Papua dega perode waku Jauar 9 sampa dega Me. Uuk megesmas parameer dapa dguaka meode Baesa. Esmas parameer dega meode Baesa dguaka uuk membeuk model koreks kesalaha dar daa Ideks Harga Kosume koa-koa d Papua. Model koreks kesalaha ag dperoleh dega meode Baesa dbadgka dega model koreks kesalaha ag dperoleh meode kuadra erkecl da meode boosrap. Dperoleh bahwa kedua pedekaa dak berbeda secara sgfka. Kaa-kaa kuc: deks harga kosume, model koreks kesalaha, regres ler bergada, meode baesa PENDAHULUAN Ideks Harga Kosume (IHK merupaka omor deks ag megukur harga raa-raa dar barag da jasa ag dkosums oleh rumah agga. IHK dguaka sebaga olok ukur flas. gka perubaha IHK berbeda d seap daerah, seper hala IHK d koa Jaapura, koa Sorog da koa Maokwar d Papua. Mesk memlk gka perubaha ag berbeda, IHK koa-koa d Papua salg berhubuga. Pada sud Doggor dkk [] elah djelaska eag model koreks kesalaha dega meode boosrap uuk daa ruu waku Ideks Harga Kosume koa-koa d Papua. Berdasarka uj akar u ddapaka daa IHK koa-koa d Papua dak sasoer da melalu uj koegras dkeahu bahwa daa ersebu memlk hubuga jagka pajag sehgga dapa dbeuk model koreks kesalahaa. Model koreks kesalaha ag ddapa merupaka model regres ler bergada apa ersep. Model koreks kesalaha ag ddapa selajua dguaka uuk membeuk hubuga jagka pajag. Hubuga jagka pajag IHK koa-koa d Papua merupaka hubuga ler karea apabla dgambarka dalam dagram pecar, sebara daa cederug membeuk pola ler aau gars lurus. Gars lurus ersebu aau ag lebh serg dsebu gars regres dak dapa deuka secara epa sehgga dperluka aksra parameer uuk model regres ler. Uuk megesmas parameer dapa dguaka meode Baesa. Dalam Puspagrum [] elah djelaska megea peerapa meode Baesa uuk megesmas parameer pada model regres sederhaa dega megguaka daa baa promos da jumlah pejuala moor pada perusahaa S dar bula Jauar 5 sampa dega Desember 6. Makalah aka djelaska megea membeuk model koreks kesalaha dar daa Ideks Harga kosume koa-koa d Papua perode waku Jauar 9 sampa dega Me dega esmas parameerparameera megguaka meode Baesa. MEODE Regres Ler Bergada Aalss regres ler bergada alah suau ala aalss peramala la pegaruh dua aau lebh varabel depede erhadap varabel 676

2 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 depede uuk membukka ada aau daka hubuga fugs aau hubuga kausal aara dua varabel aau lebh dega sau varabel depede []. Model djelaska dalam persamaa berku : Y X X p X p ( Dalam hubugaa dega daa hasl pegamaa, model regres ler bergada dulska sebaga berku : x x pxp ( uuk,,, dega ~ N(, [4]. Model dapa dulska dalam beuk vekor da marks sebaga berku : x x x p x x x p, X x x x β,. p Dega megguaka oas ersebu, model dapa dulska kembal sebaga : X β ε ( ( ( p ( p ( Dalam hal, fugs lkelhood ddefska sebaga : X,, X, exp Xβ Xβ / ( exp Xβ Xβ sehgga fugs lkelhood mejad : / X, β, ( exp Xβ Xβ (4 Pada makalah dguaka model regres bergada apa ersep dega ga varabel bebas da drumuska sebaga berku : x x x (5 dega,,, da ~ N(, sehgga mempua fugs lkelhood : / X, β, ( exp, Xβ Xβ p dega X x x x daβ,, Dsrbus Pror Kojuga Dsrbus pror kojuga memlk sfa jka dkombaska dega fugs lkelhood aka meghaslka poseror dega dsrbus ag sama dega dsrbus pror [5]. Dega β,, maka beuk uuk pror : p ( β, β (6 dega berdsrbus Ivers Gamma a, dega a da vs ( b v b dega v da s Kepadaa pror duls sebaga berku : p ( v / vs ( ( exp Pror bersara. (7 β berdsrbus N (, Λ. Pada makalah, ( ( (,,,,, memlk kepadaa pror bersara : k / β ( Λ exp ( β Λ( β ( dega β Λ ( β ( ( ( ( (, I (, I ( ( ( ( ( ( ( ( I da (8 ( sehgga kepadaa pror bersara mejad : k / ( β ( exp ( ( ( ( ( ( ( ( (9 Dsrbus Poseror Poseror dapa dperoleh dar hasl kal fugs lkelhood da pror da dapa daaka sebaga [6]: 677

3 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 p β, X X, β, exp Xβ β Xβ a k exp exp ( β Λ ( β ( Poseror pada persamaa d aas dapa duls ulag sehgga mea poseror dar vekor parameer β dapa daaka dalam esmaor kuadra erkecl βˆ da mea pror dega kekuaa dar pror dujukka oleh marks pror press Λ []: ( ( ˆ X X Λ X X Λ ( sehgga slah kuadra dalam ekspoesal dapa daur kembal sebaga beuk kuadra dalam β : ( β Xβ Xβ ( X X ( X X ( β Λ ( β Λ b Λ ( β Selajua, poseror dapa daaka sebaga dsrbus ormal dkalka dega dsrbus Ivers-Gamma : p β, exp b X ( β ( v exp k ( X X ( X X Λ Λ Λ Λ ( β maka poseror dapa dparameersas sebaga berku : p β, X β,, X X ( dega kedua fakor sesua dega kepadaa dar dsrbus N (, ( X X Λ da Ivers Gamma( a, b dega parameera dberka oleh : a ( v b b Λ Λ ( X X Λ ( X Λ Λ I Pada makalah dguaka v, 5 da X X berdmes sehgga Λ berdmes au I. Markov Cha Moe Carlo (MCMC Uuk meracag raa Markov dapa dguaka Gbbs Samplg dar dsrbus poseror dega, X ~ IG( a, b da β,, X ~ N, ( X X Λ a g meghaslka raa Markov oleh samplg dar dsrbus bersara. Sebeluma, dsusu dsrbus pror kojuga dega p ~ Ivers Gamma( a, b ( dega a v da b vs dega v da s deuka secara subekf da p ( β ~ N, ( X X Λ dega deuka secara subekf da pror press Λ dega memlh la Jka ~ Ivers Gamma( a, b maka :, X ~ Ivers Gamma ( v, b Λ Λ (* Jka ~ N,, [7] maka dsrbus dar bersara pada ( (, (** : ( (, ~ N dega,, ( ( Apabla dberka da vekor β,, ag dak dkeahu maka uuk medapaka dsrbus dar,, dega meode Gbbs sampler dguaka lagkah-lagkah sebaga berku : (. Dplh la awal,. Sampel ( X ( ( (,, ( (. dar p ( X sehgga memeuh (*. 678

4 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 Sampel ( ( ( ( dar p (,,,, X sehgga ( ( ( ( (,, memeuh (**.. Lagkah dulag sebaak B kal sehgga ddapaka sampel dar X da p ( β,, X dalam beuk raa Markov. Model Koreks Kesalaha Model koreks kesalaha adalah model ag memasukka peesuaa uuk melakuka koreks bag kedaksembaga. Model koreks kesalaha dguaka dalam megaas permasalaha daa ag dak sasoer, regres lacug, megoreks kedaksembaga jagka pedek da membeuk model hubuga jagka pajag [8]. Model koreks kesalaha dapa dguaka keka daa dak sasoer ap erkoegras. Dalam mekasme ag dpopulerka oleh Egle-Grager, koreks perlaku jagka pedek dlakuka megguaka kesalaha kedaksembaga (dsequlbrum error dalam jagka pajag [9]. Salah sau model koreks kesalaha ag berkembag adalah model koreks kesalaha dar Domowz da Elbadaw. Model koreks kesalaha Domowz-Elbadaw mejelaska bahwa perubaha Y aau Y dpegaruh oleh perubaha varabel X aau X, varabel X perode sebeluma X da varabel koreks kesalaha perode sebeluma. Beuk sadar ECM Domowz-Elbadaw adalah sebaga berku : Y g g X g X g EC ( dega EC X Y. Meuru model, model koreks kesalaha vald jka koefse koreks kesalaha berada posf da secara sask sgfka. Nla koefse kesalaha besara adalah g. Koefse g dalam persamaa merupaka aalss jagka pedek. Sedagka koefse jagka pajag pada kods kesembaga (keka Y Y da X X adalah : Y Y g g X X g X g Y h h X X Y (4 dega h g / g da h g g / g. Pada makalah dguaka model koreks kesalaha apa ersep sebaga berku : Y g X gx gec (5 dega EC X Y. Model Regres Baesa uuk Model Koreks Kesalaha Daa Ideks Harga Kosume Koa-Koa d Papua Pada makalah dguaka model regres bergada apa ersep dega ga varabel bebas da drumuska sebaga berku : x x x dega,,, da ~ N(, sehgga model koreks kesalaha uuk daa Ideks Harga Kosume koa-koa d Papua dapa dulska sebaga berku : Y g X gx gec da mempua fugs lkelhood : / X, β, ( exp Xβ Xβ dega Y, X X X EC da g, g, g β Apabla daggap bahwa IHK koa Jaapura (JPR dpegaruh IHK koa Maokwar (MAN maka model koreks kesalaha dapa dulska kembal mejad: JPR g MAN g MAN g EC mempua fugs lkelhood : X, β, ( / exp dega JPR, X MAN MAN β g, g, g p ( β, EC Xβ da Xβ sehgga beuk uuk pror : β dega berdsrbus Ivers-Gamma a, dega a da b v ( b v dega v da s duls sebaga berku : p s. Kepadaa pror ( v / vs ( ( exp. 679

5 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 Pror N(, Λ dega bersara ( (, β berdsrbus ( g, g g,,, Λ I da memlk kepadaa pror bersara : k / β ( exp ( β Λ( β sehgga kepadaa pror bersara mejad : k / ( β ( exp ( ( ( Gamma ( a, b dega parameera dberka oleh: a ( v b b Λ Λ ( X X Λ ( X Λ Λ I sera dguaka v, 5 da X X berdmes sehgga Λ berdmes au I. MEODE PENELIIAN Daa ag dguaka adalah daa IHK bulaa koa Jaapura, koa Sorog da koa Maokwar pada bula Jauar 9 sampa dega bula Me ag dperoleh dar webse resm Bada Pusa Sask (BPS. Dplha perode waku ersebu karea pada perode waku u dak erjad keaka harga BBM. Selajua meerapka meode Baesa pada model koreks kesalaha daa IHK koa-koa d Papua uuk memperoleh aksra parameera. aksra parameer dperoleh melalu beberapa ahap peghuga, au meeuka fugs lkelhood, dsrbus pror kojuga, dsrbus poseror da kemuda megesmas parameer. Pegolaha daa dlakuka seelah aksra parameer dperoleh. Lagkah peelesaa uuk megesmas parameer megguaka model regres ler Baesa sebaga berku :. Meracag raa Markov dar dsrbus poseror p β, X β,, X X dega X ~ ( ( Poseror dparameersas sebaga berku : p β, X β,, X X dega kedua fakor sesua dega kepadaa dar dsrbus N (, ( X X Λ da Ivers- Ivers- Gamma a, da ( b p ( β,, X ~ N (, ( X X Λ au Gbbs Samplg ag meghaslka raa Markov dega eras sebaak 5 au uuk aksra parameer g, g g.,. aksra g, g, g dperoleh dega mecar la raa-raa dar 45 la Gbbs sampler seelah memoog la Gbbs sampler dar 5 eras perama.. Dar la-la Gbbs sampler ersebu, dhaslka fugs desas uuk g, g, g berdsrbus ormal. Uuk melakuka perhuga, dguaka ala bau program WBUGS.4.. PENGEMBANGAN MODEL KOREKSI KESALAHAN Apabla daggap bahwa IHK koa Jaapura (JPR berpegaruh erhadap IHK koa Maokwar (MAN da IHK koa Sorog (SRG, melalu uj akar u ddapaka daa JPR, MAN da SRG dak sasoer amu sasoer pada gka dferes perama. Dega demka JPR, MAN da SRG erkoegras ag berar erdapa hubuga jagka pajag aara kegaa. Uj koegras dapa dlakuka dega membeuk persamaa : JPR MAN SRG e (6 selajua persamaa duls kembal dalam beuk sebaga berku : e JPR MAN SRG (7 varabel gaggua e dalam hal merupaka kombas ler. Jka varabel gaggua e sasoer aau I ( maka aar varabela erkoegras ag berar mempua hubuga jagka pajag. Dar uj koegras ddapaka la-p resdual sebesar,7, lebh kecl dar gka sgfkas,5 sehgga aar 68

6 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 varabel erbuk erkoegras ag berar erdapa hubuga jagka pajag aar IHK kega koa ersebu. Selajua dbeuk model koreks kesalaha dega meode Domowz-Elbadaw sebaga berku : JPR g g MAN g SRG g MAN g4 SRG g5 EC e (8 dega EC MAN SRG JPR, JPR = IHK koa Jaapura, MAN = IHK koa Maokwar da SRG = IHK koa Sorog. Hubuga jagka pajag dar model pada persamaa (8 : JPR h h MAN h SRG (9 dega h g g h g g, da h 5, 5 g5 g4 g5 g5 abel. Hasl esmas model koreks kesalaha daa IHK koa Jaapura erhadap IHK koa Maokwar da koa Sorog Varabel Koefse SE -sask Nla-p C D(MAN D(SRG MAN( SRG( EC Pada abel, koefse koreks kesalaha ( EC 7 berada posf da secara sask sgfka. Nla-p uuk varabel D (SRG da MAN ( lebh besar dar gka sgfkas.5 sehgga kedua varabel ersebu secara sask dkaaka dak sgfka. Maka model koreks kesalaha dkoreks kembal da ddapaka hasl esmas model koreks kesalaha ersebu ag damplka pada abel. abel. Hasl esmas model koreks kesalaha daa IHK koa Jaapura erhadap IHK koa Maokwar da koa Sorog Varabel Koefse SE -sask Nla-p D(MAN SRG( EC Model koreks kesalaha uuk daa IHK koa Jaapura erhadap IHK koa Maokwar da koa Sorog adalah : JPR.67 MAN.97 SRG.89 EC da memlk hubuga jagka pajag : JPR. 998 SRG Dega cara ag sama, dlakuka esmas uuk model koreks kesalaha daa IHK koa Maokwar erhadap IHK koa Jaapura da Sorog. Hasl esmas damplka pada abel. Sedagka hasl esmas uuk model koreks kesalaha daa IHK koa Sorog erhadap IHK koa Jaapura da koa Maokwar damplka pada abel 4. Model koreks kesalaha uuk daa IHK koa Jaapura erhadap IHK koa Maokwar da koa Sorog adalah : MAN.785 SRG. JPR.4 EC da memlk hubuga jagka pajag : MAN. 69 SRG Sedagka model koreks kesalaha uuk daa IHK koa Jaapura erhadap IHK koa Maokwar da koa Sorog adalah : SRG.466 MAN.67 JPR.7 EC da memlk hubuga jagka pajag : SRG. 54 JPR abel. Hasl esmas model koreks kesalaha daa IHK koa Maokwar erhadap IHK koa Jaapura da koa Sorog Varabel Koefse SE -sask Nla-p D(SRG JPR( EC abel 4. Hasl esmas model koreks kesalaha daa IHK koa Sorog erhadap IHK koa Maokwar da koa Jaapura Varabel Koefse SE -sask Nla-p D(MAN JPR( EC HASIL DAN DISKUSI Pada Gambar,, da damplka dagram pecar daa Ideks Harga Kosume (IHK koa Jaapura, Sorog da Maokwar. Dar kega gambar ersebu, erlha sebara daa cederug membeuk pola ler sehgga dapa dkaaka hubuga daara varabel bebas da varabel erkaa merupaka hubuga ler. Karea daa memlk hubuga ler maka selajua dapa deuka persamaa regres dugaaa. 68

7 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 Gambar. Dagram pecar daa IHK koa Jaapura pada sumbu erhadap daa IHK koa Maokwar pada sumbu x (kr da daa IHK koa Maokwar pada sumbu erhadap daa IHK koa Jaapura pada sumbu x (kaa Gambar. Dagram pecar daa IHK koa Maokwar pada sumbu erhadap daa IHK koa Sorog pada sumbu x (kr da daa IHK koa Sorog pada pada sumbu erhadap daa IHK koa Maokwar pada sumbu x (kaa Gambar. Dagram pecar daa IHK koa Sorog pada sumbu erhadap daa IHK koa Jaapura pada sumbu x (kr da daa IHK koa Jaapura pada sumbu erhadap daa IHK koa Sorog pada sumbu x (kaa Model koreks kesalaha ag dguaka dalam makalah adalah model regres bergada apa ersep da daaka dalam persamaa berku : JPR g MAN gman g EC uuk,,, dega JPR IHK koa Jaapura, MAN IHK koa Maokwar da EC varabel koreks kesalaha. Dega asums parameer berdsrbus ormal, uuk medapaka esmas parameer g ˆ g, g, g dega meode Baesa, dracag raa Markov dar dsrbus poseror au dega Gbbs samplg sebaak 5 eras. Dplh la ( ( ( awal g, g da g. Agar dak megacauka hasl esmas, dlakuka pemooga (bur 5 eras perama (ag erdapa la awal sehgga ddapaka hasl esmas pada abel 5. Raa Markov uuk aksra parameer 68 g, g da g damplka dalam Gambar 4. Gambar 4 meujukka la-la Gbbs sampler sebaak 45 la ag membeuk raa Markov. Dega mecar raa-raa dar 45 la Gbbs sampler ersebu, maka dperoleh hasl aksra parameer g, g da g au beruru-uru sebesar.6, -. da.9. Dar la-la Gbbs sampler ersebu ddapaka fugs desas pada Gambar 5. abel 5. Dsrbus sask model koreks kesalaha daa IHK koa Jaapura da IHK koa Maokwar dega meode Baesa. ode g g g mea Sd..4.5 MC error.7...5% meda % sar sample

8 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 Gambar 4. Raa Markov uuk aksra parameer g, g, da g. Dega parameer g, g da g ag dperoleh megguaka meode Baesa, dbeuk model koreks kesalaha ag baru. Model koreks kesalaha dega meode Baesa uuk daa IHK koa Jaapura da daa IHK koa Maokwar dulska dalam persamaa berku : JPR.6 MAN.MAN.9EC. Dar persamaa d aas, dbeuk hubuga jagka pajaga uuk daa IHK koa Jaapura da daa IHK koa Maokwar sebaga berku : JPR.897 MAN. Dar persamaa d aas berar bahwa dalam jagka pajag, keaka IHK koa Maokwar sebesar % aka meebabka keaka IHK koa Jaapura sebesar.897%. Dega cara ag sama, dlakuka Gambar 5. Fugs desas parameer g, g, g. perhuga uuk memperoleh aksra parameer uuk model koreks kesalaha IHK koa-koa d Papua uuk pasaga koa ag la. Model koreks kesalaha IHK koa-koa d Papua uuk pasaga koa ag la damplka dalam abel 6. Pada abel 6 dujukka bahwa dalam jagka pajag, keaka IHK koa Sorog sebesar % aka meebabka keaka IHK koa Maokwar sebesar.9766% da keaka IHK koa Jaapura sebesar.8787%. Sedagka keaka IHK koa Jaapura sebesar % aka meebabka keaka IHK koa Maokwar da koa Sorog beruru-uru sebesar.5% da.4%. Dega kaa la, gka keaka IHK koa-koa d Papua hampr sama eap gka keaka IHK koa Jaapura da koa Maokwar sedk lebh lamba dbadg dega gka keaka IHK koa Sorog. 68

9 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 abel 6. Model Koreks Kesalaha IHK Koa-Koa d Papua dega meode Baesa No. Model Koreks Kesalaha Hubuga Jagka Pajag JPR.6 MAN. MAN. 9 EC JPR. 897 MAN MAN.75 JPR.85 JPR. EC MAN SRG SRG JPR.75 SRG.5 SRG. 7 EC.47 MAN.8 MAN. 65 EC.97 JPR.97 EC.8 SRG.75 EC MAN. 5 JPR MAN SRG SRG. 484 MAN SRG. 4 JPR JPR SRG abel 7. Hubuga jagka pajag ag dperoleh dar model koreks kesalaha dega meode kuadara erkecl, meode Boosrap da meode Baesa. Meode Kuadra erkecl Meode Boosrap Meode Baesa JPR MAN JPR. 897 MAN JPR. 897 MAN JPR. 879 SRG JPR SRG JPR SRG MAN. 5 JPR MAN. 8 JPR MAN. 5 JPR MAN. 976 SRG MAN SRG MAN SRG SRG. 484 MAN SRG. 485 MAN SRG. 484 MAN SRG. 99 JPR SRG. 958 JPR SRG. 4 JPR Gambar 6. Dagram pecar hubuga jagka pajag IHK koa Jaapura da Maokwar (kr: model, kaa : model Gambar 7. Dagram pecar hubuga jagka pajag IHK koa Sorog da Maokwar (kr : model, kaa : model 4 Gambar 8. Dagram pecar hubuga jagka pajag IHK koa Sorog da Jaapura (kr : model 5, kaa : 684

10 Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 Perbadga hubuga jagka pajag ag dperoleh dar model koreks kesalaha dega meode Baesa, dega meode Boosrap da meode kuadra erkecl damplka pada abel 7. Dar abel 7 dapa dlha bahwa hubuga jagka pajag ag dperoleh dar model koreks kesalaha dega meode Baesa, dega meode kuadra erkecl da dega meode Boosrap memlk koefse ag relaf hampr sama. Dagram pecar da persamaa gars regres hubuga jagka pajag pada abel 6 damplka pada Gambar 6, 7, da 8. Sebara daa cederug berada d sekar gars lurus da membeuk hubuga ler. KESIMPULAN Dalam makalah elah djelaska megea model koreks kesalaha dega meode Baesa pada daa ruu waku Ideks Harga Kosume koa-koa d Papua. Hasl peela meujukka bahwa esmas parameer dega meode Baesa meghaslka raa-raa poseror ag hampr sama dega esmas parameer dega meode boosrap. Dar aalss daa IHK megguaka model koreks kesalaha dega meode Baesa, ddapaka hasl bahwa dalam jagka pajag jka erjad keaka IHK koa Sorog sebesar % aka meebabka pegkaa IHK koa Jaapura sebesar.8787% da pegkaa IHK koa Maokwar sebesar.9766%. Dega kaa la, gka keaka IHK pada koa-koa d Papua hampr sama eap keaka IHK koa Jaapura da Maokwar sedk lebh lamba darpada koa Sorog. Model koreks kesalaha ag dperoleh dega meode Baesa memlk la-la parameer ag hampr sama dega model koreks kesalaha ag dperoleh dega meode boosrap sehgga hubuga jagka pajag ag dbeuk dar model koreks kesalaha ag dperoleh dar kedua meode ersebu memlk koefse ag hampr sama. DAFAR PUSAKA [] M. F. R. Doggor, A. Seawa, da H. A. Parhusp, Model Koreks Kesalaha pada Daa Ruu Waku Ideks Harga Kosume Koa-koa d Papua, Jural de Caresa, vol., o., pp. 8-88, 4. model 6 [] D. Puspagrum, Des. Peerapa Meode Baesa uuk Megesmas Parameer pada Model Regres Ler Sederhaa. FSM, Uversas Krse Saa Wacaa, 8. [] V. Muara, A. Seawa, da H. A. Parhusp, Esmas Parameer da Ierval Kredbel dega Model Regres Ler Bergada Baesa, Semar Nasoal Peddka Maemaka Ahmad Dahla (SENDIKMAD Uversas Ahmad Dahla,. [4] S. Evas, Baesa Regresso Aalss. Facul of he College of Ars ad Sceces, Uvers of Lousvlle,. [5] D. B. Rowe, Mulvarae Baesa Sascs : Models for Source Separao ad Sgal Umxg. CRC press,. [6]. Lacaser, A Iroduco o Moder Baesa Ecoomercs.. [7] R. Jegs, M. Wakema-L, ad X Zhao, Mulvarae Normal Dsrbuo,. [Ole] Avalable : hp:// 88/jodes/NoesOMulvaraeNormal /Mulvarae%Normal%Dsrbuo_W akema-ljegszhao.pdf. [8] D. A. I. Marudda, Y. Wladar, da D. Safr, Model Damk Perumbuha Ekoom Idoesa Pasca Krss Moeer : Suau Pedekaa Koreks Kesalaha (Model Koreks Kesalaha, Jural Sas & Maemaka, vol. 5, o., pp. 9-4, 7. [9] A. Wdarjoo, Ekoomerka : Pegaar da Aplkasa. Ekosa,

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

A. LATAR BELAKANG MASALAH

A. LATAR BELAKANG MASALAH PENDAHULUAN A. LAAR BELAKANG MASALAH Model koreksi kesalaha ECM - Error Correcio Model merupaka model regresi liier ag meeuka keseimbaga jagka pajag di aara beberapa variabel. Di dalam model koreksi kesalaha

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

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

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

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

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

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

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

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

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

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 JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

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

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

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal

Pemodelan Regresi untuk Rancangan Percobaan Faktor Tunggal Jural Sas & Maemaka JSM) ISSN Kaa 854-675 Pusaka Volume 5, Nomor, Aprl 7 Arkel Peela 6-67 Pemodela Regres uuk Racaga Percobaa Fakor Tuggal Dw Ispra Saf Pegaar urusa Maemaka Fakulas MIPA UNDIP Semarag ABSTRAK---Meode

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

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

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

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

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

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

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 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

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

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

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

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

TRANSMISI HARGA JAGUNG DI PROVINSI LAMPUNG

TRANSMISI HARGA JAGUNG DI PROVINSI LAMPUNG Jural Agrbss Idoesa (Vol 5 No 1, Ju 2017); halama 75-88 75 TRANSMISI HARGA JAGUNG DI PROVINSI LAMPUNG Ra Purwash 1, Muhammad Frdaus 2, da Sr Haroyo 2 1)Mahasswa Program Magser Ilmu Ekoom Peraa, Sekolah

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

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

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee Jural ILMU DASAR Vol. 0 No.. 009 : 85 9 85 Esmas Parameer Model Log pada Respos Ber Mulvara Megguaka Meode Mle da Gee Esmag Parameers of Log Model o Mulvarae Bary Respose Usg Mle ad Gee Jaka Nugraha, Suryo

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

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Prosdg Semar Nasoal Sas da Peddka Sas I, Fakultas Sas da Matematka, UKSW Salatga, 2 Ju 204, Vol 5, No., ISSN :2087-0922 KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Ad Setawa Program Stud

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

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

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

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

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

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

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV Jural Wahaa Maemaka da Sas, Volume 8 Nomor, Aprl 4 77 PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV I Gus Nyoma Yud Harawa Jurusa Peddka Maemaka, Fakulas Maemaka da Ilmu Pegeahua

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

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

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

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

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

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

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

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

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

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

Bab 7 NILAI DAN VEKTOR EIGEN

Bab 7 NILAI DAN VEKTOR EIGEN Bab 7 NILAI DAN VEKTOR EIGEN 7 Movas Dmovas bab dega medskuska persamaa a hy by c, dega dak semua dar a, b, da c adalah ol Peryaaa a hy by dsebu beuk kuadrak dalam da y, sera erdapa deas a hy by a h [

Lebih terperinci

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6) Pemecaha Masalah Ieger Programmg Ber Dega Meode Peambaha Wawa Lakso YS 6) ISSN : 1693 1173 Absrak Program Ler adalah perecaaa akfas-akfas uuk memperoleh suau hasl yag opmal. Tdak semua varabel kepuusa

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

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

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar Jural ILMU DASAR Vol. No., uar 2 : 9 Peramala Dere Waku Mulvara Seasoal pada Daa Parwsaa dega Model Var-Gsar Seasoal Mulvara Tme Seres Forecasg O Toursm Daa by Usg Var-Gsar Model Dhorva Urwaul Wusqa )

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

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

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau perawaa (maeace) merupaka kegaa uuk mejaga aau memelhara faslas-faslas da peralaa pabrk, sera megadaka perbaka, peyesuaa aau peggaa yag dperluka uuk medapaka

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

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

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

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2

PENGGUNAAN REGRESI KONTINUM DENGAN PRA- PEMROSESAN ROBPCA UNTUK PEMODELAN STATISTICAL DOWNSCALING. Sutikno 1 dan Setiawan 2 Semar Nasoal Saska IX Isu ekolog Sepulu Nopember, 7 November 009 PENGGUNAAN REGRESI KONINUM DENGAN PRA- PEMROSESAN ROBPCA UNUK PEMODELAN SAISICAL DOWNSCALING Suko da Seaa, Jurusa Saska FMIPA IS suko@saska.s.ac.d,

Lebih terperinci

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN 009 03 S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com

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