4 HASIL DAN PEMBAHASAN
|
|
- Liani Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun menurun tetapi besaran persentasenya berada di atas 2% yang berarti setiap tahun ada mahasiswa pascasarjana IPB berhenti studi. Persentase terbesar mahasiswa pascasarjana IPB yang berhenti studi berada di tahun 2005 yaitu 19,95%. Tabel 1. Persentase mahasiswa pascasarjana IPB yang berhenti studi Tahun Jumlah Mahasiswa Jumlah Berhenti Studi Persentase Berhenti Studi , , , , , ,68 Gambar 3 menunjukkan persentase kategori berhenti studi mahasiswa pascasarjana IPB yaitu mengundurkan diri, habis masa studi, dan IPK kurang dari 3,00. Untuk mahasiswa mengundurkan diri dan habis masa studi persentasenya mengalami penurunan di tahun , sedangkan mahasiswa yang IPK kurang dari 3,00 mengalami penurunan di tahun 2006 tetapi perlahan meningkat kembali di tahun 2008 hingga Dilihat dari total mahasiswa berhenti studi, persentase mahasiswa yang IPK kurang dari 3,00 sebesar 52,88% sedangkan mahasiswa mengundurkan diri sebesar 24,52% dan mahasiswa yang habis masa studi 22,60%. Hal ini membuktikan bahwa sebagian besar mahasiswa pascasarjana IPB berhenti studi disebabkan karena IPK yang kurang dari 3,00 sehingga dalam penelitian ini yang akan dikaji lebih lanjut adalah mahasiswa pascasarjana IPB yang berhenti studi karena IPK kurang dari 3,00. Gambar 3. Persentase kategori berhenti studi mahasiswa pascasarjana IPB tahun (mengundurkan diri, habis masa studi, IPK<3,00 )
2 10 Gambar 4 terlihat bahwa rata-rata usia mahasiswa pascasarjana IPB tiap tahun mengalami penurunan yang artinya usia mahasiswa yang masuk sekolah pascasarjana IPB relatif lebih muda. Hal ini berdampak positif karena mahasiswa yang usianya relatif lanjut diduga mengalami age-related intellectual deficits sehingga mengalami penurunan dalam hal basic skills yang diperlukan untuk belajar efektif pada tingkat pendidikan tinggi (Richardson 1994). Tahun Gambar 4. Sebaran usia mahasiswa pascasarjana IPB tahun Usia mahasiswa pada penelitian ini dikelompokkan ke dalam tiga kelompok, yaitu usia < 33 tahun, tahun, dan > 49 tahun berdasarkan teori Lavinson dkk dalam Thoha (2003) yang menyebutkan bahwa usia < 33 tahun adalah masa pencarian jati diri dan berusaha untuk membentuk struktur kehidupan yang stabil. Usia tahun adalah masa dengan keyakinan yang mantap menemukan tempatnya dalam masyarakat. Usia > 49 tahun adalah permulaan masa dewasa madya yang mulai menata kembali hidupnya. Tabel 2. Persentase mahasiswa berhenti studi berdasarkan jenis kelamin dan usia Usia Jenis Tidak Berhenti Berhenti Kelamin Studi Studi Total Perempuan < 33 % (97,9) (2,1) (100) Laki-laki % (96,5) (3,5) (100) Perempuan % (98,0) (2,0) (100) Laki-laki % (96,4) (3,6) (100) Perempuan > 49 % (95,1) (4,9) (100) Laki-laki % (94,8) (5,2) (100)
3 11 Pada Tabel 2 menunjukkan bahwa mahasiswa laki-laki dengan usia berapapun persentase berhenti studinya lebih besar dibandingkan mahasiswa perempuan. Penjelasan teoritis mengenai hal ini antara lain karena perempuan dikenal cenderung lebih tekun dalam belajar dan rajin terlibat dalam kegiatan kampus yang menunjang proses belajar, sedangkan laki-laki lebih menyukai kegiatan kampus yang bersifat refreshing dan olahraga. (Chee et al. 2005). Perempuan juga mempunyai sifat alami berupa kecenderungan untuk terlibat dan terpengaruh dalam hubungan sosial sehingga dalam hal belajar mereka merasa mempunyai kewajiban dan tanggung jawab meningkatkan prestasinya untuk memenuhi harapan keluarga, guru, dan teman-teman di sekitarnya sedangkan lakilaki cenderung merasa termotivasi untuk meningkatkan prestasi hanya untuk kepentingannya sendiri sehingga usaha yang dilakukan oleh perempuan biasanya lebih bersungguh-sungguh. Tabel 3. Persentase mahasiswa berhenti studi berdasarkan status perkawinan Status Tidak Berhenti Total Perkawinan Berhenti Studi Studi Lajang Menikah (96,8) (3,2) (100) (97,1) (2,9) (100) Pada Tabel 3 menunjukkan persentase berhenti studi mahasiswa lajang lebih besar dibandingkan yang menikah. Hal ini dikarenakan apabila seseorang telah menikah memiliki tanggungjawab dan disiplin yang tinggi karena dituntut oleh kewajiban menghidupi keluarganya (Siagian 1989). Tabel 4. Persentase mahasiswa berhenti studi berdasarkan daerah PT asal dan status PT asal Daerah PT Status PT Tidak Berhenti Berhenti Total Asal Asal Studi Studi Pulau Swasta (92,8) (7,2) (100) Jawa Negeri (98,1) (1,9) (100) Luar Swasta Pulau (96,3) (3,7) (100) Jawa Negeri (97,2) (2,8) (100)
4 12 Tabel 4 menunjukkan mahasiswa yang berasal dari perguruan tinggi swasta memiliki persentase berhenti studi yang lebih besar dibandingkan mahasiswa perguruan tinggi negeri baik yang universitas asal nya di pulau Jawa maupun luar pulau Jawa. Hal ini dikarenakan terdapat perbedaan lingkungan sosial antara perguruan tinggi swasta dan negeri yaitu kualitas dan kuantitas akses mahasiswa terhadap pihak pengajar serta latar belakang budaya antar mahasiswa. Nilai IPK S1 digunakan untuk mengukur prestasi akademis mahasiswa pascasarjana pada jenjang pendidikan sebelumnya karena merupakan output kumulatif dari sistem pendidikan jenjang sarjana. Variabel IPK S1 diduga berpengaruh positif terhadap prestasi belajar mahasiswa pascasarjana, semakin tinggi nilai IPK S1 maka prestasi belajarnya pada jenjang pendidikan pascasarjana juga akan tinggi. Untuk IPK S1 mahasiswa, pada penelitian ini dikelompokkan ke dalam dua kelompok, yaitu < 2,75 dan 2,75 berdasarkan status mahasiswa percobaan dan biasa di sekolah pascasarjana IPB. Berdasarkan Tabel 5 didapat bahwa mahasiswa yang memiliki IPK < 2,75 persentase berhenti studinya lebih besar dibandingkan mahasiswa yang memiliki IPK 2,75. Tabel 5. Jumlah mahasiswa berhenti studi berdasarkan IPK S1 IPK S1 Total Tidak Berhenti Studi Berhenti Studi < 2,75 2, (95,9) (4,1) (100) (97,3) (2,7) (100) Linearitas program S2 dengan latar belakang pendidikan S1 menunjukkan bahwa seorang mahasiswa telah memiliki pengalaman akademis yang terkait dengan pendidikan S2 yang sedang ditempuhnya. Berdasarkan Tabel 6 didapat bahwa mahasiswa yang tidak linear S1 nya memiliki persentase berhenti studi lebih besar dibandingkan mahasiswa yang linear S1 nya. Tabel 6. Jumlah mahasiswa berhenti studi berdasarkan linearitas S1 Linearitas S1 Total Tidak Berhenti Studi Berhenti Studi Tidak Linear Linear (95,0) (5,0) (100) (97,8) (2,2) (100) Berdasarkan Tabel 7 didapat bahwa mahasiswa dengan sumber biaya pendidikannya mandiri memiliki persentase berhenti studi lebih besar dibandingkan mahasiswa penerima beasiswa. Hal ini dikarenakan beasiswa
5 13 mendorong dan mempertahankan semangat belajar mahasiswa agar mereka dapat menyelesaikan pendidikan tepat waktu. Tabel 7. Persentase mahasiswa berhenti studi berdasarkan sumber biaya pendidikan S2 Sumber Biaya Total Pendidikan S2 Tidak Berhenti Studi Berhenti Studi Mandiri % (94,8) (5,2) (100) Beasiswa % (99,0) (1,0) (100) Berhenti Studi Mahasiswa Berdasarkan Untuk mengidentifikasi faktor yang mempengaruhi mahasiswa pascasarjana IPB berhenti studi berdasarkan status mahasiswa yang berhenti studi dapat menggunakan analisis regresi logistik. Peubah penjelas yang diduga mempengaruhi peubah respon yaitu jenis kelamin, usia, status perkawinan, status pekerjaan, status PT asal, IPK S1, sumber biaya pendidikan, daerah PT asal, dan linearitas S1. Tabel 8. Analisis regresi logistik Peubah Dugaan Uji Wald Nilai-p Odds Ratio Intersep 2,122 22,65 0,000 - Jenis Kelamin -0,506 5,95 0,015 0,60 Usia 1-0,480 2,80 0,094 0,62 Usia 2-0,685 1,41 0,235 0,50 Status Perkawinan 0,035 0,02 0,881 1,04 Status Pekerjaan 0,317 2,24 0,134 1,37 Status PT Asal 0,999 21,70 0,000 2,72 IPK S1 0,130 0,20 0,653 1,14 Sumber Biaya Pendidikan S2 1,715 41,03 0,000 5,56 Daerah PT Asal -0,265 1,58 0,209 0,77 Linearitas Rumpun Ilmu 0,737 13,29 0,000 2,09 Model logit untuk faktor-faktor berhenti studi mahasiswa pascasarjana IPB angkatan sebagai berikut: g (x)=2,122+0,506x 1-0,480X 2 (1) 0,685X 2 (2)+0,035X 3 +0,317X 4 +0,999X 5 +0,130X 6 +1,715X 7-0,265X 8 +0,737X 9 Uji nisbah kemungkinan bernilai 116,49 dengan nilai p-value sebesar 0,000<α (0,05) maka paling tidak ada satu peubah penjelas yang berpengaruh nyata terhadap respon. Pada uji Wald didapat bahwa ada empat peubah penjelas yang berpengaruh nyata terhadap respon yaitu jenis kelamin, status PT asal, sumber biaya pendidikan, dan linearitas S1 yang berarti bahwa mahasiswa
6 14 pascasarjana IPB berhenti studi dipengaruhi oleh jenis kelamin, status PT asal, sumber biaya pendidikan, dan linearitas S1 dari si mahasiswa tersebut. Nilai rasio odds untuk peubah jenis kelamin sebesar 0,60 yang berarti adanya peningkatan mahasiswa pascasarjana IPB yang berjenis kelamin laki-laki akan menyebabkan kemungkinan mahasiswa pascasarjana IPB berhenti studi meningkat sebesar 0,60 kali, meningkatnya mahasiswa yang S1 nya berasal dari perguruan tinggi swasta akan menyebabkan mahasiswa berhenti studi meningkat sebesar 2,72 kali, meningkatnya mahasiswa yang sumber biaya pendidikan S2 nya mandiri akan menyebabkan mahasiswa berhenti studi meningkat sebesar 5,56 kali, dan meningkatnya mahasiswa yang tidak linear S1 dengan pendidikan S2 nya akan menyebabkan mahasiswa berhenti studi meningkat sebesar 2,09 kali. Untuk kebaikan model dari regresi logistik, didapat nilai Akaike Information Criterion (AIC) sebesar 904,75 dan Schwarz Criterion (SC) sebesar 973,574. Nilai dari AIC dan SC yang besar mengindikasikan model kurang baik dikarenakan banyaknya data peubah respon yang bernilai nol lebih dominan yaitu sebanyak 97,15%, sedangkan data peubah respon yang bernilai 1 hanya 2,85%. Berhenti Studi Mahasiswa Berdasarkan Jumlah Berhenti Studi Tiap Prodi Data yang digunakan untuk mengidentifikasi faktor yang mempengaruhi mahasiswa pascasarjana IPB berhenti studi berdasarkan jumlah mahasiswa berhenti studi tiap program studi mulai dari tahun 2007 hingga Peubah penjelas yang diduga mempengaruhi peubah respon adalah persentase mahasiswa laki-laki, rata-rata usia mahasiswa, persentase mahasiswa yang sudah menikah, persentase mahasiswa yang bekerja, persentase mahasiswa yang berasal dari perguruan tinggi negeri, rata-rata IPK S1 mahasiswa, persentase mahasiswa penerima beasiswa, persentase daerah perguruan tinggi asal mahasiswa yang berada di luar pulau Jawa, dan persentase mahasiswa linear. Persentase mahasiswa berhenti studi terbanyak terjadi di program studi Statistika tahun 2010 sebesar 37,50%. Usia mahasiswa di tiap program studi di pascasarjana IPB rata-rata 33,97 tahun dengan rata-rata usia termuda terdapat di program studi Silvikultur Tropika yaitu 25,5 tahun dan usia tertua di program studi Sistem dan Pemodelan Perikanan Tangkap yaitu 46,7 tahun. Mahasiswa pascasarjana IPB tahun memiliki rata-rata IPK S1 sebesar 3,13 dengan rata-rata IPK S1 terendah terdapat di program studi Ilmu Biomedis Hewan yaitu 2,82 dan rata-rata IPK S1 tertinggi sebesar 3,71 di program studi Ilmu dan Teknologi Hasil Hutan. Untuk mengidentifikasi peubah penjelas apa saja yang berpengaruh nyata terhadap peubah respon dapat menggunakan analisis regresi Poisson dengan asumsi tidak ada hubungan atau saling bebas antar tahun. Berdasarkan Tabel 10, peubah penjelas yang berpengaruh nyata terhadap peubah respon hanya ada satu yaitu persentase status perguruan tinggi negeri asal mahasiswa.
7 15 Tabel 9. Analisis regresi Poisson Peubah Dugaan Nilai-p Intersep -1,0795 0,818 % Mahasiswa Laki-Laki -0,0093 0,084 Rata-Rata Usia Mahasiswa -0,0491 0,468 % Mahasiswa Menikah 0,0016 0,836 % Mahasiswa Bekerja -0,0015 0,700 % Status PTN Asal -0,0194 0,010 Rata-Rata IPK S1 1,3676 0,215 % Mahasiswa Beasiswa -0,0095 0,109 % Daerah PT Asal Luar P Jawa -0,0047 0,409 % Linearitas Rumpun Ilmu -0,0035 0,524 Model regresi Poisson sebagai berikut: μμ ii =exp(-1,0795-0,0093x 1-0,0491X 2 + 0,0016X 3-0,0015X 4-0,0194X 5 +1,3676X 6-0,0095X 7-0,0047X 8-0,0035X 9 ) Nilai dugaan dispersi pada model regresi Poisson sebesar 1,3271 atau lebih dari 1 sehingga dapat disimpulkan bahwa data pada penelitian ini terdapat overdispersi yang jika tetap menggunakan model pada regresi poisson akan menyebabkan nilai dugaannya lebih besar dari yang sebenarnya dan peubah penjelasnya banyak yang tidak signifikan sehingga model diganti menggunakan model regresi zero inflated Poisson. Tabel 10. Analisis regresi zero inflated Poisson Parameter Dugaan G hitung Nilai-p Model Logit Intersep 17,2326 4,30 0,038 % Mahasiswa Laki-Laki -0, ,67 0,001 Rata-Rata Usia Mahasiswa -0,1148 1,10 0,294 % Mahasiswa Menikah -0,0257 4,04 0,044 % Mahasiswa Bekerja -0,0083 2,22 0,137 % Status PTN Asal -0, ,43 0,000 Rata-Rata IPK S1-2,7587 1,59 0,208 % Mahasiswa Beasiswa 0,0240 5,57 0,018 % Daerah PT Asal Luar P Jawa -0,0143 3,39 0,065 % Linearitas Rumpun Ilmu 0,0039 0,24 0,626 Model Log Intersep 74,5252 4,57 0,032 % Mahasiswa Laki-Laki -0,0754 2,71 0,100 Rata-Rata Usia Mahasiswa -0,3653 0,66 0,417 % Mahasiswa Menikah -0,0948 5,96 0,015 % Mahasiswa Bekerja -0,0133 0,99 0,319 % Status PTN Asal -0,0626 3,00 0,083 Rata-Rata IPK S1-17,8986 6,25 0,012 % Mahasiswa Beasiswa 0,1183 3,93 0,047 % Daerah PT Asal Luar P Jawa -0,0326 1,96 0,161 % Linearitas Rumpun Ilmu 0,0279 1,17 0,279
8 Model regresi zero inflated Poisson adalah sebagai berikut: log(μ i ) =74,5252-0,0754X 1-0,3653X 2-0,0948X 3-0,0133X 4-0,0626X 5-17,8986X 6 +0,1183X 7-0,0326X 8 +0,0279X 9 logit(ω i )=17,2326-0,0292X 1-0,1148X 2-0,0257X 3-0,0083X 4-0,0385X 5-2,7587X 6 +0,0240X 7-0,0143X 8 +0,0039X 9 Uji nisbah kemungkinan bernilai 239,13 > χ 2 tabel (3,84) maka paling tidak ada satu peubah penjelas yang berpengaruh nyata terhadap respon. Nilai-p yang berbeda nyata untuk model log ada tiga dari sembilan peubah penjelas yaitu persentase mahasiswa menikah, rata-rata IPK S1 dan persentase mahasiswa penerima beasiswa yang artinya semakin kecil persentase mahasiswa menikah dan rata-rata IPK S1 serta semakin besar persentase mahasiswa penerima beasiswa akan meningkatkan jumlah mahasiswa pascasarjana IPB yang berhenti studi. Nilai-p yang signifikan untuk model logit ada lima dari sembilan peubah penjelas yaitu persentase mahasiswa laki-laki, persentase mahasiswa menikah, persentase status perguruan tinggi asal negeri, dan persentase mahasiswa penerima beasiswa yang artinya peluang mahasiswa pascasarjana IPB berhenti studi dipengaruhi oleh persentase mahasiswa laki-laki, persentase mahasiswa menikah, persentase status perguruan tinggi asal negeri, dan persentase mahasiswa penerima beasiswa. 16
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciHASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas
19 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas Hasil analisis mengenai persentase responden berdasarkan peubah-peubah penjelas ditunjukkan pada Gambar 2. Usia responden
Lebih terperinciAnalisis Log Linier. Uji K-Way: efek interaksi order ketiga tidak terdapat dalam model
Statistika Deskriptif Hubungan Variabel Analisis Log Linier Uji K-Way: efek interaksi order ketiga tidak terdapat dalam model Uji Asosiasi Parsial: ada hubungan antara lama kelulusan dengan asal instansi
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 terperinciHASIL DAN PEMBAHASAN Model Regresi Poisson
HASIL DAN PEMBAHASAN Model Regresi Poisson Hubungan antara jumlah penderita DBD dan faktor-faktor yang mempengaruhinya dapat diketahui dengan menggunakan analisis regresi. Analisis regresi yang digunakan
Lebih terperinciPeubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas.
5 diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. Metode Analisis Tahapan-tahapan dilakukan dalam penelitian ini
Lebih terperinciBAB I PENDAHULUAN. Pada bab ini akan dibahas mengenai latar belakang tema yang diambil dalam
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang tema yang diambil dalam tugas akhir ini, perumusan masalah yang akan dibahas, batasan masalah, tujuan penulisan, manfaat penulisan, dan
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciHASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur
Software yang digunakan dalam penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi 15.0. HASIL DAN PEMBAHASAN Gambaran Umum Karakteristik Debitur Banyaknya debitur kredit konsumtif
Lebih terperinciRMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X
pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Purwasari, Kecamatan Dramaga Kabupaten Bogor, Propinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Aplikasi Regresi Logistik Biner untuk Menganalisis Faktor Faktor yang Mempengaruhi Waktu Kelulusan Mahasiswa (Studi Kasus Mahasiswa Bidik
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi
Lebih terperinciANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
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 terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN A. Analisis Statistik 1. Uji Klasifikasi Model Uji klasifikasi model dapat menunjukkan kekuatan atau ketepatan prediksi dari model regresi untuk mempredikasi tingkat nilai willingness
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 terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
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 terperinciHASIL DAN PEMBAHASAN. (a) (b) (c)
5 b. Analisis data daya tahan dengan metode semiparametrik, yaitu menggunakan regresi hazard proporsional. Analisis ini digunakan untuk melihat pengaruh peubah penjelas terhadap peubah respon secara simultan.
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PENDERITA GIZI BURUK PADA BALITA DI PAPUA TAHUN 2015 DENGAN METODE REGRESI ZERO INFLATED POISSON (ZIP)
Jurnal LOG!K@, Jilid 7, No. 1, 2017, Hal. 1-14 ISSN 1978 8568 FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA PENDERITA GIZI BURUK PADA BALITA DI PAPUA TAHUN 2015 DENGAN METODE REGRESI ZERO INFLATED POISSON (ZIP)
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 PEMBAHASAN. extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus
BAB III PEMBAHASAN BAB III PEMBAHASAN Pada Bab III ini akan dibahas tentang prosedur pembentukan model Cox extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus kejadian bersama yaitu
Lebih terperinciKata Kunci Overdispersi, regresi Zero-Inflated Generalized Poisson (ZIGP), Tetanus Neonatorum.
1 Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tetanus Neonatorum (TN) di Jawa Timur dengan Metode Regresi Zero- Inflated Generalized Poisson (ZIGP) 1 Siska Puji Lestari, 2 Ir. Sri Pingit Wulandari,
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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print)
Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus Tetanus Neonatorum (TN) di Jawa Timur dengan Metode Regresi Zero- Inflated Generalized Poisson (ZIGP) D-116 Siska Puji Lestari dan Sri Pingit Wulandari
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan Cigombong, Kabupaten Bogor, Provinsi Jawa Barat. Lokasi penelitian dipilih secara
Lebih terperinciIV. METODOLOGI PENELITIAN. wisata tirta. Lokasi penelitian ini dapat dilihat pada Lampiran 1.
IV. METODOLOGI PENELITIAN 4.1. Lokasi Penelitian Penelitian ini dilakukan di obyek wisata Tirta Jangari, Waduk Cirata, Desa Bobojong, Kecamatan Mande, Kabupaten Cianjur. Pemilihan lokasi ini dilakukan
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 terperinciBAHAN DAN METODE HASIL DAN PEMBAHASAN
5 Jika hipotesis nol benar, maka statistik uji-w akan menyebar mengikuti sebaran normal baku. Hipotesis nol ditolak jika W > Z α/2 (Hosmer & Lemeshow 1989). Interpretasi koefisien untuk model regresi logistik
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciBAB V PEMBAHASAN. untuk menjawab beberapa masalah yang telah dibahas pada bab sebelumnya
BAB V PEMBAHASAN A. Pembahasan Pembahasan hasil penelitian ini akan mendeskripsikan hasil penelitian untuk menjawab beberapa masalah yang telah dibahas pada bab sebelumnya yaitu karakteristik responden,
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 terperinciHASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden
disusun ke dalam bentuk kartu stimuli, diantara tiap kartu berisi kombinasi dari taraftaraf atribut yang berbeda dengan kartu-kartu lainnya (Lampiran 4). 3. Pengumpulan data melalui penyebaran kuesioner.
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 terperinciANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI
ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN
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 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 terperinciIV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini akan dilaksanakan di beberapa peternak plasma ayam broiler di Kota Depok. Penentuan lokasi penelitian dilakukan atas dasar pertimbangan
Lebih terperinciBAB V PEMBAHASAN. Data dikumpulkan dari 239 alumni Prodi Statistika FMIPA UII, sebagai
32 BAB V PEMBAHASAN Klasifikasi lama penyeesaian skripsi Prodi Statistika FMIPA UII akan digunakan sebagai contoh penerapan I-CHAID dalam klasifikasi. Data alumni diambil dari Bagian Akademik FMIPA UII
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
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 terperinciBAB 3 METODE PENELITIAN
1 BAB 3 METODE PENELITIAN 3.1 Sumber Data Sumber data yang digunakan adalah data hasil survei demografi dan kesehatan Indonesia (SDKI) tahun 2007. SDKI merupakan survei yang dilaksanakan oleh badan pusat
Lebih terperinciBAB 4 HASIL PENELITIAN
BAB 4 HASIL PENELITIAN 4.1 Karekteristik Responden Sebelum disajikan data hasil penelitian setiap variabel yang dikaji dalam penelitian ini, terlebih dahulu secara ringkas akan dideskripsikan karakteristik
Lebih terperinciTUGAS AKHIR. Untuk Memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Sains HASNARIKA NIM /2007
PENGARUH FAKTOR EKSTERNAL TERHADAP KETIDAKLULUSAN SISWA SMA/MA/SMK DALAM UJIAN NASIONAL MENGGUNAKAN REGRESI POISSON (Studi Kasus Pada SMA/MA/SMK di Kota Tanjungpinang) TUGAS AKHIR Untuk Memenuhi Sebagian
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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Penelitian Penelitian dilakukan pada obyek wisata pemandian air panas alam CV Alam Sibayak yang berlokasi di Desa Semangat Gunung Berastagi, Kabupaten Karo Sumatera
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
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 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 terperinciIII. METODOLOGI PENELITIAN
22 III. METODOLOGI PENELITIAN 2.5. Data Penelitian Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari bagian Akademis POLBAN serta data pendukung yang merupakan data primer (persepsi)
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI KEBERHASILAN BELAJAR MAHASISWA PENDIDIKAN MATEMATIKA DENGAN REGRESI LOGISTIK
FAKTOR-FAKTOR YANG MEMPENGARUHI KEBERHASILAN BELAJAR MAHASISWA PENDIDIKAN MATEMATIKA DENGAN REGRESI LOGISTIK SKRIPSI Diajukan untuk Memenuhi Syarat Memperoleh Gelar Sarjana S1 Oleh Purwita Erviana 0901060024
Lebih terperinciBAB 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR).
BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE 3.1. Model Smooth Transition Autoregressive Model Smooth Transition Autoregressive adalah salah satu model runtun waktu nonlinear yang merupakan perluasan dari model
Lebih terperinci2 Telepon tetap 0 (1) X 3 Kepemilikan. 1 Memiliki telepon 1 telepon Tidak memiliki 2 telepon (1) (2) (3) (4) X 4 Uang muka (%) 1 <
L A M P I R A N Lampiran Peubah-peubah penjelas yang digunakan beserta peubah boneka yang dibentuk Peubah Kategori Keterangan Peubah Boneka () () () X Tipe motor Bebek kelas bawah Bebek kelas atas Motor
Lebih terperinciPEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2
Lebih terperinciMODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH
JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI
Lebih terperinciANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010
ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:
Lebih terperinciBAB 4 FAKTOR UTAMA YANG BERPENGARUH TERHADAP PRESTASI BELAJAR MAHASISWA PASCASARJANA PENERIMA BEASISWA BPK-RI
BAB 4 FAKTOR UTAMA YANG BERPENGARUH TERHADAP PRESTASI BELAJAR MAHASISWA PASCASARJANA PENERIMA BEASISWA BPK-RI Dalam bab ini dijelaskan metode penelitian yang dipergunakan meliputi penjelasan tentang populasi,
Lebih terperinciVI. METODE PENELITIAN
VI. METODE PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini telah dilakukan di Desa Haurngombong, Kecamatan Pamulihan, Kabupaten Sumedang, Jawa Barat. Pemilihan lokasi dilakukan secara sengaja
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. Data yang digunakan pada penelitian ini adalah data pemantauan pertumbuhan
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Data yang digunakan pada penelitian ini adalah data pemantauan pertumbuhan anak di Kelurahan Karang Kitri, Bekasi Timur. Anak yang menjadi objek penelitian
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Tingkat Kelahiran di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner
Analisis Faktor-Faktor yang Mempengaruhi di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner Roni Guntara 1), Safa at Yulianto 2) 1,2 Akademi Statistika (AIS) Muhammadiyah Semarang roniguntara@gmail.com
Lebih terperinciPENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN
PENERAPAN REGRESI ZERO INFLATED POISSON DENGAN METODE BAYESIAN A. Rofiqi Maulana; Suci Astutik Universitas Brawijaya; arofiqimaulana@gmail.com ABSTRAK. Filariasis (Penyakit Kaki Gajah) adalah penyakit
Lebih terperinciBAB 5 PENUTUP. Determinan unmet..., Muhammad Isa, FE UI, Universitas Indonesia
1 BAB 5 PENUTUP 5.1 Kesimpulan Penelitian ini dilakukan untuk mengetahui faktor-faktor yang mempengaruhi kejadian total unmet need di Indonesia menggunakan data SDKI tahun 2007 dengan sampel penelitiannya
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 III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinci4. HASIL DAN PEMBAHASAN
16 4. HASIL DAN PEMBAHASAN Hasil uji validitas dan reliabilitas dari kuesioner pada lampiran 1 menunjukkan bahwa kuesioner tersebut valid dan realibel. Kuesioner di katakan valid jika nilai Alpha Cronbach
Lebih terperinciBAB V KESIMPULAN DAN SARAN. dimensi yang dominan. Berikut adalah kesimpulannya : Kecamatan Ngamprah Kabupaten Bandung Barat :
BAB V KESIMPULAN DAN SARAN A. Kesimpulan Setelah melakukan penelitian untuk melihat gambaran penyesuaian diri terhadap pasangan pada remaja, maka dapat ditarik kesimpulan yang dilihat dari profil umum
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 terperinciLampiran 1 Kuesioner Deskripsi Penggunaan Internet di Kalangan Mahasiswa IPB KUESIONER DESKRIPSI PEMAKAIAN INTERNET DI KALANGAN MAHASISWA IPB
LAMPIRAN 10 Lampiran 1 Kuesioner Deskripsi Penggunaan Internet di Kalangan Mahasiswa IPB KUESIONER DESKRIPSI PEMAKAIAN INTERNET DI KALANGAN MAHASISWA IPB PETUNJUK PENGISIAN : 1. Pada pertanyaan isian,
Lebih terperinciPEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH
PEMODELAN KEMATIAN BALITA MALNUTRISI DENGAN PENDEKATAN ZERO-INFLATED POISSON (ZIP) REGRESSION DI PROVINSI JAWA TENGAH 1 Prisca Shery Camelia, 2 Indah Manfaati Nur, 3 Moh. Yamin Darsyah 1,2,3 Program Studi
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN
53 BAB 4 ANALISA DAN PEMBAHASAN Dalam bab Analisa dan Pembahasan diuraikan terlebih dahulu tentang hasil perolehan data penelitian, selanjutnya dipaparkan hasil uji validitas dan reabilitas, analisa deskriptif
Lebih terperincidimana: n1= jumlah sampel dalam tiap kecamatan
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di wilayah Kota Bogor. Pemilihan lokasi dilakukan secara sengaja (purposive) dengan pertimbangan Kota Bogor merupakan kota
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer digunakan dalam sebuah penelitian untuk mengetahui bentuk hubungan antara variabel
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 terperinciMAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY
MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI
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 terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciPEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 3, No. 1, Januari 2018, pp. 71-78 PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA
Lebih terperinciRata-rata Nilai. 2 saudara 25%
Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai
Lebih terperinciBAB IV PROFIL LEMBAGA DAN GENDER DI INSTITUT PERTANIAN BOGOR. tahapan embrional ( ), tahapan pelahiran dan pertumbuhan ( ),
57 BAB IV PROFIL LEMBAGA DAN GENDER DI INSTITUT PERTANIAN BOGOR 4.1 Profil Kampus Institut Pertanian Bogor 4.1.1 Sejarah Singkat IPB Estafet sejarah perkembangan Institut Pertanian Bogor dimulai dari tahapan
Lebih terperinciIDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK
IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN A. Analisis Statistik Tingkat Literasi Keuangan di Kabupaten Mempawah Kalimantan Barat 1. Uji Validitas a. Tingkat Literasi Keuangan Data mengenai tingkat literasi keuangan memiliki
Lebih terperinciHASIL. yang berlebihan. kotak garis (box-plot) yaitu, Bersubsidi. untuk KPR Bersubsidi. 2. Membangun. analisis. keseluruhan
4 HASIL DAN PEMBAHASAN Ekplorasi Seluruh Data KPR Bersubsidi Secara kesulurahan persentase macet pada data Kredit Pemilikan Rumah Bersubsidi dalam penelitian ini sebesar 6,05%. Gambar 3 menggambarkan perbandingan
Lebih terperinciBAB I PENDAHULUAN. kelulusan. Hal ini menyebabkan rendahnya tingkat grade nilai yang dicapai oleh
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pemilihan jurusan oleh seorang calon mahasiswa bukanlah hal yang mudah dan dapat diremehkan, karena banyak hal yang harus dipertimbangkan seperti biaya, kemampuan diri,
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Data penelitian ini diperoleh melalui penyebaran kuesioner (angket) yang
56 BAB IV HASIL DAN PEMBAHASAN A. Deskripsi Variabel Penelitian Data penelitian ini diperoleh melalui penyebaran kuesioner (angket) yang berisi pertanyaan atau pernyataan tertulis yang diajukan kepada
Lebih terperinci4. HASIL DAN PEMBAHASAN
19 4. HASIL DAN PEMBAHASAN 4.1 Deskripsi Pasien ART Rendahnya imunitas dan beratnya keadaan klinis pasien saat memulai ART mempengaruhi lamanya proses perbaikan imunologis maupun klinis pasien. Tabel 2
Lebih terperinciIMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si.
S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan
Lebih terperinciE-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 23-28 ISSN: 2303-1751 PENERAPAN REGRESI ZERO INFLATED POISSON UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON (Studi Kasus: Ketidaklulusan Siswa SMA/MA
Lebih terperinciPEMBAHASAN UTS 2015/2016 STATISTIKA 1
PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)
Lebih terperincimenggunakan BLP Organik dan setelah menggunakan BLP Organik.
29 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian meliputi data primer dan data sekunder. Data primer yaitu survey rumah tangga petani yang mendapat BLP Organik dan
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 terperinciBAB V PROFIL RUMAHTANGGA MISKIN DI DESA BANJARWARU
BAB V PROFIL RUMAHTANGGA MISKIN DI DESA BANJARWARU Secara umum, rumahtangga miskin di Desa Banjarwaru dapat dikatakan homogen. Hal ini terlihat dari karakteristik individu dan rumahtangganya. Hasil tersebut
Lebih terperinciMETODE PENELITIAN Desain, Tempat dan Waktu Penelitian Contoh dan Teknik Penarikan Contoh
23 METODE PENELITIAN Desain, Tempat dan Waktu Penelitian Desain yang digunakan dalam penelitian ini adalah crosss sectional study. Desain cross sectional study adalah salah satu caraa pengumpulan data
Lebih terperinciIV HASIL DAN PEMBAHASAN
IV HASIL DAN PEMBAHASAN Profil Responden Pengambilan data dilakukan terhadap 230 mahasiswa IPB angkatan 42, 43, dan 44. Berdasarkan jenis kelamin responden, penelitian ini dapat dikatakan sudah cukup proporsional
Lebih terperinciOthers Institution Credit Job Code
4. Residence status (status kepemilikan rumah) yang dinotasikan dengan RS. Peubah ini dibagi menjadi enam kelompok. 5. Job code (kode pekerjaan) yang dinotasikan dengan JC. Peubah ini dibagi menjadi lima
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 terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciBAB 3 METODOLOGI. Penelitian ini menggunakan data sekunder yang berasal dari data Profil
BAB 3 METODOLOGI 3.1. Sumber Data dan Variabel Penelitian Penelitian ini menggunakan data sekunder yang berasal dari data Profil Kesehatan Propinsi Jawa Barat yang bersumber dari Dinas Kesehatan pada tahun
Lebih terperinci