Resume 2 : Analysis of sex sequences by means of generalized linear mixed models. Yenni Angraini G
|
|
- Hadi Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Resume 2 : Analysis of sex sequences by means of generalized linear mixed models Roberto Ambrosini, Diego Rubolini, Nicola Saino Yenni Angraini G
2 Eksplorasi Data Data Simulasi proportion of male eggs logit proportion of male eggs proportion of male eggs first M F laying order sex of the preceding egg 3 4 logit proportion of male eggs first M F laying order sex of the preceding egg 1. Proporsi telur menetas sebagai jantan berdasarkan urutan bertelur (ada peningkatan peluang sepanjang urutan bertelur) 2. Proporsi telur menetas sebagai jantan berdasarkan jenis kelamin sebelumnya (peluang telur menetas sebagai jantan lebih besar dari pada betina) 3. Logit proporsi telur menetas sebagai jantan berdasarkan urutan bertelur 4. Logit proporsi telur menetas sebagai jantan berdasarkan jenis kelamin sebelumnya Menunjukkan adanya pengaruh urutan telur dan pengaruh JK sebelumnya
3 Model H0 y ij = b 0 + u ij + r 0j Diasumsikan tidak ada pengaruh dari urutan dan pengaruh jenis kelamin telur sebelumnya Urutan Jenis kelamin telur dipengaruhi oleh proses yang terjadi pada seluruh clutch (between clutch) Perubahan peluang telur ke-i berjenis kelamin jantan (P i ) konstan Makna dari pendugaan parameter logit P i = b 0 diamana P i adalah peluang telur ke-i pada urutan telur menetas sebagai jantan Ragam dari intersep acak memberikan informasi tentang keberagaman telur jantan antar clutch Semakin besar keragaman antar clutch menunjukkan rasio jenis kelamin semakin beragam antar clutch
4 Model H0 Generalized linear mixed model fit by maximum likelihood ['glmermod'] Family: binomial ( logit ) Formula: sex ~ 1 + (1 ID) Data: data AIC BIC loglik deviance Random effects: Groups Name Variance Std.Dev. ID (Intercept) Number of obs: 145, groups: ID, 50 Fixed effects: Estimate Std. Error z value Pr(> z ) Ragam intersep acak (1.154) < Ragam sisaan ( π2 3 = 3.29) hampir semua keragaman terjadi dalam clutch Padahal pada kenyataannya antar clutch sangat bervariasi, karena jumlah telur jantan sangat dipengaruhi oleh kondisi fitalitas induk betina Sebagai alternatif digunakan uji likelihood, hasilnya menunjukkan adanya keragaman yang tinggi pada peluang telur menetas menjadi jantan antar clutch SK 95 % untuk pengaruh tetap b ± 0.24 SE Artinya proporsi telur menetas sebgai jantan lebih tinggi dari pada menetas sebagai betina Penduga bagi P i : 0.68 ± 0.05 SE dan SK 95% untuk peluang telur menetas sebagai jantan : 0.53 sd 0.77 (Intercept) ** ---
5 Model H1 y ij = b 0 + b 1 AF ij + b 2 prevsex ij + u ij + r 0j Diasumsikan tidak ada pengaruh dari urutan namun diasumsikan pengaruh dari jenis kelamin telur sebelumnya ada dan konstan Perubahan peluang telur ke-i berjenis kelamin jantan (P i ) tergantung pada jenis kelamin telur sebelumnya b 0 menduga perbedaan peluang menjadi jantan pada telur pertama b 1 menduga perbedaan peluang menjadi jantan antara telur pertama dengan telur berikutnya b 2 menduga perbedaan peluang menjadi jantan antara telur sebelumnya jantan atau betina
6 Model H1 Generalized linear mixed model fit by maximum likelihood['glmermod'] Family: binomial ( logit ) Formula: sex ~ AF + prevsex + (1 ID) Data: data AIC BIC loglik deviance Random effects: Groups Name ID (Intercept) 0 0 Variance Std.Dev. Number of obs: 143, groups: ID, 50 Fixed effects: Estimate Std. Error z value Pr(> z ) (Intercept) AF prevsex *** Tidak ada keragaman acak antar clutch Ragam intersep acak = 0 Hal ini terjadi karena dalam membangkitkan data tidak adanya keragaman antar clutch sebagai pengaruh jenis kelamin sebelumnya, Selain itu model ini menyumbang mekanisme yang menghasilkan keragaman dalam jenis kelamin telur Uji signifikansi untuk pengaruh acak tidak bisa dihitung karena ragam dari pengaruh acak = 0 Keragaman acak pada H1 menurun sangat besar dibandingkan dengan H0, Menunjukkan tidak adanya perubahan peluang sepanjang urutan bertelur ketika pengaruh dari jenis kelamin telur sebelumnya masuk ke dalam model Peubah prevsex nyata pada model ini, sehingga dilakukan perhitungan perubahan peluang pada setiap urutan bertelur
7 Model H1 SK 95% peluang jenis kelamin jantan pada telur pertama 0.54 ± SE SK 95% peluang jenis kelamin jantan pada berikutnya ± 0.05 SE SK 95% peluang jenis kelamin jantan pada telur berikutnya jika telur sebelumnya adalah betina 0.47 ± 0.08 SE SK 95% peluang jenis kelamin jantan pada telur berikutnya jika telur sebelumnya adalah jantan 0.84 ± 0.05 SE
8 Model H2 y ij = b 0 + b 1 Order0 ij + u ij + r 0j Diasumsikan pengaruh dari urutan bersifat linear namun tidak ada pengaruh dari jenis kelamin telur sebelumnya Perubahan peluang telur ke-i berjenis kelamin jantan (P i ) linear Makna dari pendugaan parameter logit P i = b 0 + (i 1)b 1 diamana P i adalah peluang telur ke-i pada urutan telur menetas sebagai jantan b 0 menduga perbedaan peluang menjadi jantan pada telur pertama b 1 menduga perbedaan peluang menetas menjadi jantan antara telur ke-i dengan telur ke-(i 1)
9 Model H2 Generalized linear mixed model fit by maximum likelihood ['glmermod'] Family: binomial ( logit ) Formula: sex ~ order0 + (1 ID) Data: data AIC BIC loglik deviance Random effects: Groups Name Variance Std.Dev. ID (Intercept) Number of obs: 145, groups: ID, 50 Adanya pengaruh keragaman acak yang artinya pola alokasi jenis kelamin berbeda antar clutch (uji likelihood nyata) Dan adanya peningkatan peluang telur menetas sebagai jantan sepanjang urutan bertelur Peubah Order0 nyata pada model ini, sehingga dilakukan perhitungan perubahan peluang pada setiap urutan bertelur Fixed effects: Estimate Std. Error z value Pr(> z ) (Intercept) order *
10 Model H2 SK 95% peluang jenis kelamin jantan pada telur pertama 0.56 ± SE SK 95% peluang jenis kelamin jantan pada telur kedua ± 0.05 SE SK 95% peluang jenis kelamin jantan pada telur ketiga ± 0.06 SE
11 Model H3 y ij = b 0 + b 1 Order0 ij + b 2 prevsex ij + u ij + r 0j Diasumsikan pengaruh dari urutan jenis kelamin bersifat linear dan pengaruh dari jenis kelamin telur sebelumnya konstan Atau dengan kata lain : Perubahan peluang telur ke-i berjenis kelamin jantan (P i ) linear dan tergantung pada jenis kelamin telur sebelumnya Koefisien dari peubah prevsex menduga ketergantungan jenis kelamin dari telur sebelumnya Koefisien Order0 menduga perubahan linear logit P i bertelur sepanjang urutan
12 Model H3 Generalized linear mixed model fit by maximum likelihood ['glmermod'] Family: binomial ( logit ) Formula: sex ~ order0 + prevsex + (1 ID) Data: data AIC BIC loglik deviance Random effects: Groups Name ID (Intercept) 0 0 Variance Std.Dev. Number of obs: 143, groups: ID, 50 Fixed effects: Estimate Std. Error z value Pr(> z ) (Intercept) order prevsex *** --- Signif. codes: 0 *** ** 0.01 * Pengaruh acak = 0, sama seperti model H1, hal ini terjadi karena model ini menyumbang mekanisme yang menghasilkan keragaman dalam jenis kelamin telur Menunjukkan tidak adanya perubahan peluang sepanjang urutan bertelur ketika pengaruh dari jenis kelamin telur sebelumnya masuk ke dalam model Peubah prevsex nyata pada model ini, sehingga dilakukan perhitungan perubahan peluang pada setiap urutan bertelur
13 Model H3 SK 95% peluang jenis kelamin jantan pada telur pertama 0.56 ± SE SK 95% peluang jenis kelamin jantan pada telur kedua ± 0.04 SE SK 95% peluang jenis kelamin jantan pada telur ketiga ± 0.07 SE SK 95% peluang jenis kelamin jantan pada telur kedua jika telur pertama adalah betina 0.43 ± 0.07 SE SK 95% peluang jenis kelamin jantan pada telur kedua jika telur pertama adalah jantan 0.8 ± 0.05 SE SK 95% peluang jenis kelamin jantan pada telur kedua jika telur kedua adalah betina 0.51 ± 0.1 SE SK 95% peluang jenis kelamin jantan pada telur kedua jika telur kedua adalah jantan 0.85 ± 0.05 SE
14 Perbandingan Model Data Simulasi Data hilang pada peubah prevsex tidak dimasukkan ke dalam analisis AIC yang diperoleh pada analisis ini dilambangkan dengan AICc Karena ukuran contoh pada data simulasi sangat kecil ( 3 telur per clutch) Nilai AIC dan AICc tidak terlalu berbeda jauh sehingga untuk membandingkan model, nilai AIC tetap digunakan Kedua model menunjukkan peubah prevsex nyata artinya adanya perbedaan peluang menjadi jantan antar telur sebelumnya Model AIC AICc H H H H
15 Analisis Data Real Analisis dilakukan berdasarkan urutan dari rasio jenis kelamin yang dihasilkan oleh seekor induk beo electus pada proses reproduksi yang berulang Urutan penetasan telur tidak diketahui, sehingga satu-satunya informasi yang tersedia adalah jumlah telur yang menetas pada satu kali reproduksi dan jenis kelamin Pada data real, dimungkinkan adanya dua anak burung dari satu telur Peubah sex rasio jenis kelamin anak burung Peubah prevsex rasio jenis kelamin yang dihasilkan oleh seekor induk dalam proses reproduksi sebelumnya Karena adanya perbedaan yang sangat besar dari panjang urutan bertelur antar clutch (5 sd 36 kelahiran per induk) maka dua peubah baru dimasukkan ke dalam model, yaitu Corder dan Morder
16 Analisis Data Real Corder perbedaan dalam urutan bertelur antar telur lainnya Morder rata-rata urutan bertelur untuk semua telur dalam satu clutch Contoh 1 : dalam satu clutch ada 5 telur, Corder : -2, -1, 0, 1, dan 2 untuk eggs [1:5], Morder : 3, 3, 3, 3, dan 3 Contoh 2 : dalam satu clutch ada 4 telur, Corder : -1.5, -0.5, 0.5, 1.5, dan 2 untuk eggs [1:5], Morder : 2.5, 2.5, 2.5, dan 2.5 Corder signifikan menunjukkan adanya keragaman dalam peluang untuk menetas sebagai jantan sepanjang urutan bertelur dalam setiap clutch Morder siginifikan menunjukkan adanya pengaruh antar clutch m jumlah anak burung jantan dari seekor induk dalam suatu proses reproduksi n jumlah anak burung dari seekor induk dalam suatu proses reproduksi m dan n akan digunakan sebagai peubah respon dalam analisis
17 Analisis Data Real proportion of male fledglings logit proportion of male fledglings breeding event breeding event proportion of male fledglings logit proportion of male fledglings first M MF F sex ratio of the preceding fledgling first M MF F sex of the preceding fledgling Adanya keragaman yang tinggi dalam rasio jenis kelamin yang dihasilkan pada sekali proses reproduksi dibandingkan dengan proses sebelumnya Sehingga pengepasan model perlu mempertimbangkan keragaman dalam peluang menetas sebagai jantan sesuai dengan rasio jenis kelamin anak burung dari peristiwa reproduksi sebelumnya Selama urutan jenis kelamin sangat berbeda antar induk, peubah Corder dan Morder lebih dipilih untuk mendeteksi pengaruh potensi antar induk
18 Analisis Data Real Model H0 y ij = b 0 + u ij + r 0j Model H1 y ij = b 0 + b 1 AF ij + b 2 prevsex ij + u ij + r 0j Model H2 y ij = b 0 + b 1 Corder ij + b 2 Morder ij + u ij + r 0j Model H3 y ij = b 0 + b 1 Corder ij + b 2 Morder ij + b 3 prevsex ij + u ij + r 0j
19 Analisis Data Real Perbandingan Model Model AIC delta H H H H H3 H1 Model H3 dan H1 adalah model yang terbaik untuk data real Kedua model menunjukkan peubah prevsex nyata artinya adanya perbedaan peluang menjadi jantan antar telur sebelumnya SK 95% rasio jenis kelamin jantan pada telur pertama 0.4 ± 0.12 SE SK 95% rasio jenis kelamin jantan pada telur berikutnya 0.46 ± 0.05 SE SK 95% rasio jenis kelamin jantan jika telur sebelumnya adalah betina 0.16 ± 0.04 SE SK 95% rasio jenis kelamin jantan jika telur sebelumnya adalah jantan 0.79 ± 0.05 SE
20 Beberapa hal penting : Proses simulasi data hanya dilakukan sekali, sehingga menjadi pertanyaan apakah ketika analisis dilakukan dengan pembangkitan data yang lain menghasilkan hasil yang sama seperti yang dilakukan pada paper ini. Penentuan peluang dalam menetasnya telur, tidak dijelaskan secara detail pemilihan nilai peluangnya. Pengembangan model dengan asumsi perubahan peluang menetas telur menjadi jantan non-linear (polinomial) dalam paper ini juga dibahas, namun belum dilakukan pembedahan lebih dalam untuk saat ini, begitu juga untuk analisis data simulasi yang menggunakan data dengan ukuran clutcth tidak sama.
21
Oleh. Yenni Angraini (G )
Tugas 4 Analisis Data Lanjutan Resume 2: Analysis of sex sequences by means of generalized linear mixed models Roberto Ambrosini, Diego Rubolini, Nicola Saino Oleh Yenni Angraini (G161150051) SEKOLAH PASCASARJANA
Lebih terperinciAnalysis of sex sequences by means of generalized linear mixed models. Roberto Ambrosini, Diego Rubolini, Nicola Saino. Yenni Angraini G
Analysis of sex sequences by means of generalized linear mixed models Roberto Ambrosini, Diego Rubolini, Nicola Saino Yenni Angraini G161150051 Latar Belakang Reproduksi merupakan salah satu kemampuan
Lebih terperinciOleh. Yenni Angraini (G )
Tugas 3 Analisis Data Lanjutan Resume : Analysis of sex sequences by means of generalized linear mixed models Roberto Ambrosini, Diego Rubolini, Nicola Saino Oleh Yenni Angraini (G161150051) SEKOLAH PASCA
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. mahasiswa lulusan yang berasal dari School of Computer Science BINUS. datanya adalah seperti yang tertera pada Tabel 4.1.
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Analisis Data dan Pembahasan Jumlah keseluruhan data yang peneliti peroleh adalah sebanyak 718 data mahasiswa lulusan yang berasal dari School of Computer Science BINUS
Lebih terperinciPemodelan Data Cacahan (Count Data) dalam GLM. Dr. Kusman Sadik, M.Si Sekolah Pascasarjana Departemen Statistika IPB Semester Genap 2017/2018
Pemodelan Data Cacahan (Count Data) dalam GLM Dr. Kusman Sadik, M.Si Sekolah Pascasarjana Departemen Statistika IPB Semester Genap 2017/2018 Pendahuluan Pada model linear klasik, seperti regresi linear,
Lebih terperinciLampiran 2. Fungsi dari masing-masing pernyataan yang digunakan dalam PROC MIXED
LAMPIRAN Lampiran. Bentuk Umum Dari PROC MIXED PROC MIXED pilihan-pilihan ; BY nama-nama peubah ; CLASS nama-nama peubah ; ID nama-nama peubah; MODEL peubah respon = nama-nama peubah / pilihan-pilihan
Lebih terperinciHASIL DAN PEMBAHASAN
3 HASIL DAN PEMBAHASAN Analisis Dekriptif Analisis deskripsi merupakan teknik eksplorasi data untuk melihat pola data secara umum. Dari data TIMSS 7 rata-rata capaian matematika siswa Indonesia sebesar
Lebih terperinciRegresi Logistik Nominal dengan Fungsi Hubung CLOGLOG
Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Julio Adisantoso, G16109011/STK 11 Mei 2010 Ringkasan Regresi logistik merupakan suatu pendekatan pemodelan yang dapat digunakan untuk mendeskripsikan
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017
Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017 1 Pada model linear klasik, seperti regresi linear, memerlukan asumsi bahwa peubah respon y menyebar Normal. Pada kenyataanya banyak ditemukan bahwa
Lebih terperinciBAB 2 LANDASAN TEORI
19 BAB 2 LANDASAN TEORI 2.1. Metode Analisis Data 2.1.1. Uji Validitas Validitas adalah suatu ukuran yang membuktikan bahwa apa yang diamati peneliti sesuai dengan apa yang sesungguhnya ada dalam dunia
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciBAB IV APLIKASI. Dalam bab ini akan dibahas mengenai contoh penggunaan model
BAB IV APLIKASI Dalam bab ini akan dibahas mengenai contoh penggunaan model regresi logistik 2-level dengan random intercept pada data survei mengenai penggunaan hak memilih pada saat pemilu di beberapa
Lebih terperinciTINJAUAN PUSTAKA TIMSS 2007
3 TINJAUAN PUSTAKA TIMSS 007 TIMSS ( Trends in Mathematics and Science Study) merupakan penelitian yang dilakukan oleh IEA (International Association for the Evaluation of Educational Achievement) yang
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciModel Log-Linear (Bagian 2) Dr. Kusman Sadik, M.Si Program Studi Magister (S2) Departemen Statistika IPB, 2017/2018
Model Log-Linear (Bagian 2) Dr. Kusman Sadik, M.Si Program Studi Magister (S2) Departemen Statistika IPB, 2017/2018 When fitting log-linear models to higher-way tables it is typical to only consider models
Lebih terperinciLampiran 1. Perhitungan nilai IR (incident rate per kecamatan) = x = 61, karena nilai IR Kecamatan Adiwerna > 55 per 100.
Lampiran 1 Perhitungan nilai IR (incident rate per kecamatan) 1. IR Adiwerna = JKD = 79 128968 x100.000 = 61, karena nilai IR Kecamatan Adiwerna > 55 per 100.000 penduduk, maka digolongkan sebagai daerah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Regresi Logistik Analisis Regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel-variabel
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciAPLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani
S-4 APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA Indahwati, Dian Kusumaningrum, Wiwid Widiyani Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Metode Statistika
Lebih terperinciPENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1)
PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) Anang Kurnia Departemen Statistika FMIPA IPB Jl. Meranti, Wing 22 Level 4 Kampus IPB Darmaga, Bogor Email: anangk@ipb.ac.id
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciBAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat
BAB III Model Regresi Linear 2-Level Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat linear. Untuk data berstruktur hirarki 2 tingkat, analisis regresi yang dapat digunakan adalah
Lebih terperinciE-Jurnal Matematika Vol. 3 (3), Agustus 2014, pp ISSN:
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 107-115 ISSN: 2303-1751 PERBANDINGAN REGRESI BINOMIAL NEGATIF DAN REGRESI GENERALISASI POISSON DALAM MENGATASI OVERDISPERSI Studi Kasus: Jumlah Tenaga Kerja
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciModel Log-Linier dan Regresi Logistik
Model Log-Linier dan Regresi Logistik Julio Adisantoso, G16109011/STK 26 Mei 2010 Ringkasan Regresi log-linier adalah suatu pendekatan pemodelan linier terampat yang dapat digunakan untuk data yang menyebar
Lebih terperinciBAHAN DAN METODE PENELITIAN. Bahan yang digunakan pada penelitian ini adalah telur Itik Rambon dan
18 III BAHAN DAN METODE PENELITIAN 3.1 Bahan Penelitian 3.1.1 Bahan Penelitian Bahan yang digunakan pada penelitian ini adalah telur Itik Rambon dan Cihateup yang diperoleh dari pencampuran jantan dan
Lebih terperinciMETODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah
Lebih terperinciLampiran 2. Diagram aliran data level 2 proses 2 (Manajemen Data)
L A M P I R A N 15 16 Lampiran 1. Diagram aliran data level 2 proses 1 (Input Data) Lampiran 2. Diagram aliran data level 2 proses 2 (Manajemen Data) Lampiran 3. Diagram aliran data level 2 proses 10 (Simpan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciEVALUASI POTENSI GENETIK GALUR MURNI BOER
EVALUASI POTENSI GENETIK GALUR MURNI BOER NURGIARTININGSIH, V. M. A. Fakultas Peternakan Universitas Brawijaya ABSTRAK Penelitian tentang potensi genetik galur murni Boer dilaksanakan di Laboratorium Lapang
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciPENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR
PENERAPAN HURDLE NEGATIVE BINOMIAL PADA DATA TERSENSOR SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 215 S-5 Penerapan Hurdle Negative Binomial pada Data Tersensor Resa Septiani Pontoh, Defi
Lebih terperinciGENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI
GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI Agus Supriatna 1), Riaman 2), Sudradjat 3), Tari Septiyani 4) Departemen Matematika, FMIPA Unpad Jalan Raya Bandung-Sumedang
Lebih terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
Lebih terperinciA. Sekilas tentang Pemodelan Multilevel
Analisis Pemodelan Multilevel Melalui Program SPSS Wahyu Widhiarso Fakultas Psikologi UGM Responden penelitian tentunya tidak hanya berasal dari satu jenis latar belakang saja, akan tetapi berasal dari
Lebih terperinci1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.
LAMPIRAN Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2)
Lebih terperinciBAHAN DAN METODE. Percobaan 1. Pengaruh pemberian bahan aromatase inhibitor pada tiga genotipe ikan nila sampai tahap pendederan.
12 BAHAN DAN METODE Tempat dan waktu Penelitian dilakukan di Laboratorium Pemuliaan dan Genetika dan kolam percobaan pada Loka Riset Pemuliaan dan Teknologi Budidaya Perikanan Air Tawar, Jl. Raya 2 Sukamandi,
Lebih terperinciMETODE PENELITIAN. untuk menjawab tujuan penelitian berdasarkan data yang diperoleh dan dianalisis.
26 III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Konsep dasar dan definisi operasional merupakan cakupan makna yang digunakan untuk menjawab tujuan penelitian berdasarkan data yang diperoleh
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinci5. PENGARUH BELANJA PEMERINTAH, INFRASTRUKTUR, DAN TENAGA KERJA TERHADAP PDRB
Sementara itu, Kabupaten Supiori dan Kabupaten Teluk Wondama tercatat sebagai daerah dengan rata-rata angka kesempatan kerja terendah selama periode 2008-2010. Kabupaten Supiori hanya memiliki rata-rata
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciPemodelan Regresi 2-Level Dengan Metode Iterative Generalized Least Square (IGLS) (Studi Kasus: Tingkat Pendidikan Anak di Kabupaten Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian-penelitian di bidang kesehatan sering dijumpai salah satu jenis data yang disebut dengan data antar kejadian atau data survival. Data survival
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh pertumbuhan
49 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh pertumbuhan ekonomi, inflasi dan kualitas sumber daya manusia terhadap tingkat pengangguran
Lebih terperinciPENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON
E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciPEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT
PEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT Bertho Tantular Departemen Statistika FMIPA Universitas Padjadjaran bertho@unpad.ac.id ABSTRAK. Dalam generalized linear models,
Lebih terperinciPenerapan Hurdle Negative Binomial pada Data Tersensor
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Penerapan Hurdle Negative Binomial pada Data Tersensor S - 5 Resa Septiani Pontoh, Defi Yusti Faidah. Departemen Statistika FMIPA Universitas
Lebih terperinciBAB V ANALISIS DAN PEMBAHASAN
BAB V ANALISIS DAN PEMBAHASAN Bab ini akan menjelaskan bagaimana variabel terikat dapat dijelaskan oleh variabel variabel bebas yang ada. Variabel terikat yang digunakan pada penelitian ini adalah apakah
Lebih terperinciModel Regresi untuk Data Deret Waktu. Kuliah 8 Metode Peramalan Deret Waktu
Model Regresi untuk Data Deret Waktu Kuliah 8 Metode Peramalan Deret Waktu r.rahma.anisa@gmail.com Review Salah satu asumsi regresi linear klasik: cov e i, e j = 0 dengan e i menunjukkan galat pengamatan
Lebih terperinci1. PENDAHULUAN. Salah satu produk peternakan yang memberikan sumbangan besar bagi. menghasilkan telur sepanjang tahun yaitu ayam arab.
1. PENDAHULUAN A. Latar Belakang dan Masalah Sejalan dengan pertambahan penduduk dan tingkat kesadaran masyarakat akan gizi, diperlukan peningkatan ketersediaan sumber gizi terutama protein hewani. Salah
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciAnalysis of Factors Affecting Economic Growth in Bangka Belitung Province, Indonesia With LSDV and FGLS Methods
MPRA Munich Personal RePEc Archive Analysis of Factors Affecting Economic Growth in Bangka Belung Province, Indonesia Wh LSDV and FGLS Methods Darman Saputra Universy of Bangka Belung 30 January 2017 Online
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciBAB III METODE PENELITIAN. mendapatkan data dengan tujuan dan kegunaan tertentu. Tempat penelitian yang
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Tempat penelitian yang digunakan
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciXII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG
XII. SPSS RANCANGAN ACAK LENGKAP POLA BERJENJANG Rancangan Acak Lengkap Pola Berjenjang adalah rancangan percobaan dengan materi homogen atau tidak ada peubah pengganggu, rancangan ini sebenarnya merupakan
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinci4 HASIL DAN PEMBAHASAN
16 4 HASIL DAN PEMBAHASAN Pada bab ini dibahas mengenai kajian simulasi dan kajian terapan. Simulasi dilakukan untuk mengevaluasi penduga yang diperoleh dengan menggunakan metode pendugaan klasik dan metode
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian mengenai teknik penangkaran dan analisis koefisien inbreeding jalak bali dilakukan di penangkaran Mega Bird and Orchid Farm (MBOF),
Lebih terperinciOleh: Siti Roudlotul Hikamah 1 ABSTRAK
PENGARUH OVULASI DAN UKURAN OVUM TERHADAP DAYA TETAS OVUM AYAM KAMPUNG GALLUS DOMESTICUS Oleh: Siti Roudlotul Hikamah 1 Email: sitihikamah@yahoo.com ABSTRAK Keterbatasan stock ayam kampung (Gallus domesticus)
Lebih terperinciBAB VI Pembahasan Perbandingan metode pendugaan langsung dan tak langsung untuk pendugaan area kecil melalui pendekatan Bayes
BAB VI Pembahasan 6.1. Pendahuluan Model pendugaan area kecil untuk respon Binomial dan Multinomial pada dasarnya dikembangkan dari model SAE untuk data biner, dimana peubah yang diamati hanya memiliki
Lebih terperinciPENERAPAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMENGARUHI JUMLAH SISWA SMA/SMK YANG TIDAK LULUS UN DI BALI
PENERAPAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMENGARUHI JUMLAH SISWA SMA/SMK YANG TIDAK LULUS UN DI BALI KOMANG AYU YULIANINGSIH 1, KOMANG GDE SUKARSA 2, LUH PUTU SUCIPTAWATI 3 1,2,3
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciVI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN
VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN Penelitian ini menggunakan regresi logistik untuk mengetahui faktorfaktor yang mempengaruhi
Lebih terperinciMODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD. Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK
MODEL REGRESI LOGISTIK BINER DENGAN METODE PENALIZED MAXIMUM LIKELIHOOD Edi Susilo, Anna Islamiyati, Muh. Saleh AF. ABSTRAK Analisis regresi logistik biner dengan metode penalized maximum likelihood digunakan
Lebih terperinciIV. METODE PENELITIAN. merupakan studi kasus yang dilaksanakan di peternakan sapi potong PT. Andini
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian ini mencoba mengkaji mengenai keadaan umum suatu usaha penggemukan sapi potong, tingkat keuntungan dan efisiensi produksinya, serta upaya keberlanjutan
Lebih terperinciE-Jurnal Matematika Vol. 5 (4), November 2016, pp ISSN:
E-Jurnal Matematika Vol 5 (4), November 2016, pp 133-138 ISSN: 2303-1751 PERBANDINGAN REGRESI ZERO INFLATED POISSON (ZIP) DAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA DATA OVERDISPERSION (Studi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciPENDUGAAN PARAMETER GENETIK SIFAT-SIFAT PRODUKSI TELUR ITIK ALABIO
PENDUGAAN PARAMETER GENETIK SIFAT-SIFAT PRODUKSI TELUR ITIK ALABIO (Genetic Parameter Estimates of Egg Production Characteristics in Alabio Ducks) T. SUSANTI dan L.H. PRASETYO 1 Balai Penelitian Ternak,
Lebih terperinciPERBANDINGAN GLMM UNIVARIAT, BIVARIAT, DAN REDUKSI DENGAN PCA PADA DATA LONGITUDINAL DENGAN RESPON BIVARIAT
PERBANDINGAN GLMM UNIVARIAT, BIVARIAT, DAN REDUKSI DENGAN PCA PADA DATA LONGITUDINAL DENGAN RESPON BIVARIAT A. A. R. Fernandes 1) dan Solimun 1) 1) Staf Pengajar Program Studi Statistika Jurusan Matematika
Lebih terperinciPENDUGAAN NILAI PEMULIAAN PUYUH PEJANTAN BERDASARKAN BOBOT BADAN KETURUNANNYA PADA PUYUH (Coturnix coturnix japonica)
PENDUGAAN NILAI PEMULIAAN PUYUH PEJANTAN BERDASARKAN BOBOT BADAN KETURUNANNYA PADA PUYUH (Coturnix coturnix japonica) BREEDING VALUE ESTIMATION OF MALE QUAIL BASED ON BODY WEIGHT OF GENERATED OF QUAIL
Lebih terperinciHASIL DAN PEMBAHASAN. Suara sah calon nomor urut 4 Jumlah Rata-Rata Ragam
HASIL DAN PEMBAHASAN Deskripsi Data Tabel 4 menunjukkan deskripsi dari data suara sah calon nomor urut 2, 3, dan 4. Jumlah suara tertinggi diperoleh calon nomor urut 2. Sedangkan suara sah calon nomor
Lebih terperinciPENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL
Jurnal UJMC, Volume 2, Nomor 1, Hal. 16-21 pissn:2460-3333 eissn:2579-907x PENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL Dewi Wulandari 1, Ali Shodiqin 2, dan Aurora Nur Aini
Lebih terperinciLampiran 1. Data Eksperimen
1 Lampiran 1. Data Eksperimen No. Kelas Kelompok Lingkungan Produksi Insentif Moneter Kinerja Kelompok Uji Manipulasi 1 A 0 Lini Perakitan Piece Rate 13 Lolos 2 A 1 Lini Perakitan Piece Rate 6 Lolos 3
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Penelitian ini menggunakan 20 ekor Itik Rambon Betina, 4 ekor Itik
21 III BAHAN DAN METODE PENELITIAN 3.1 Bahan Penelitian 3.1.1 Objek Penelitian Penelitian ini menggunakan 20 ekor Itik Rambon Betina, 4 ekor Itik Rambon Jantan dan 20 ekor Itik Cihateup Betina, 4 ekor
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. maksimum. Penelitian ini menggunakan current ratio (CR), debt to equity ratio
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Statistik Deskriptif Analisis statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi suatu data pada variabel-variabel penelitian yang digunakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Pengumpulan Data Panel Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Tengah. Data yang
Lebih terperinciPEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang)
PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang) SKRIPSI Oleh: DYAN ANGGUN KRISMALA NIM: J2E 009 040 JURUSAN
Lebih terperinciKelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika
4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciBAB III METODE PENELITIAN. Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) untuk
BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Penelitian Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) untuk periode 4 tahun yaitu mulai tahun periode 2009-2012. Dipilihnya BEI sebagai tempat
Lebih terperinciSkenario Payoff Magnitude terhadap Kecenderungan Pengambilan Risiko. Skenario Pengambilan Keputusan Investasi (Baird et al., 2008)
LAMPIRAN Skenario Payoff Magnitude terhadap Kecenderungan Pengambilan Risiko Data Responden NIM : Jenis Kelamin : L / P Usia : Skenario Pengambilan Keputusan Investasi (Baird et al., 2008) Bayangkan anda
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, karena efektif atau tidaknya suatu keputusan umumnya bergantung pada beberapa
Lebih terperinciPEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON
PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON Rena Muntafiah 1, Rochdi Wasono 2, Moh. Yamin Darsyah 3 1,2,3 Program Studi Statistika, Fakultas Matematika dan Ilmu
Lebih terperinciSelain itu, kita juga bsa menguji Hipotesisnya. Formula : Basic Form Analysis tersebut terbagi menjadi 2 bagian : a. Linear Trend Models Formula :
UAS QA Hitungan : 1. Multiple Regression Selain itu, kita juga bsa menguji Hipotesisnya. 2. Time Series Analysis Basic Form Analysis tersebut terbagi menjadi 2 bagian : a. Linear Trend Models Keterangan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1.Data Data adalah suatu bahan mentah yang jka diolah dengan baik melalui berbagai analisis dapat melahirkan berbagai informasi. 2.1.1.Menurut sifatnya Menurut sifatnya, data
Lebih terperinciKAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER. Sudarno 1. Abstrak
UNIVERSITAS DIPONEGORO 0 ISBN: --0-- KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER Sudarno ) Program Studi Statistika FMIPA Undip dsghani@gmail.com Abstrak Model
Lebih terperinciBAB III METODE PENELITIAN. yang mempengaruhi aliran ekspor Surakarta ke Negara tujuan utama ekspor.
digilib.uns.ac.id 34 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan suatu kajian masalah terhadap faktor-faktor yang mempengaruhi aliran ekspor Surakarta ke Negara tujuan
Lebih terperinci