BAB 4 HASIL DAN PEMBAHASAN. mahasiswa lulusan yang berasal dari School of Computer Science BINUS. datanya adalah seperti yang tertera pada Tabel 4.1.
|
|
- Utami Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
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 UNIVERSITY. Dari 718 mahasiswa yang lulus pada tahun 2011 tersebut, seluruhnya akan peneliti gunakan di dalam penelitian ini. Adapun bentuk datanya adalah seperti yang tertera pada Tabel 4.1. Tabel 4.1 Data Mahasiswa Lulusan No. Jenis Kelamin Usia IPK Status Bekerja 1 L P L L L P Sebagai keterangan, untuk data jenis kelamin, L mewakili laki-laki, dan P mewakili perempuan. Untuk data usia menggunakan satuan tahun. Untuk data status bekerja, 0 mewakili belum bekerja, dan 1 mewakili sudah bekerja. Adapun data secara keseluruhan akan peneliti sertakan pada bagian Lampiran.
2 Beberapa deskriptif data dari data-data yang telah diperoleh pada penelitian ini ditunjukkan dalam Tabel 4.2 dan penyajian dalam bentuk diagramnya diberikan dalam Gambar 4.1. Tabel 4.2 Deskriptif Data Penelitian Data Status Jumlah Laki-laki Bekerja 126 Tidak Bekerja 60 Perempuan Bekerja 386 Tidak Bekerja 146 Usia 23 Tahun Bekerja 478 Tidak Bekerja 188 Usia > 23 Tahun Bekerja 34 Tidak Bekerja 18 IPK < 3.00 Bekerja 105 Tidak Bekerja 75 IPK 3.00 Bekerja 407 Tidak Bekerja 131 Gambar 4.1 Deskriptif Data Penelitian Dalam Bentuk Diagram
3 Data-data mahasiswa lulusan dalam bentuk variabel-variabel yang akan digunakan di dalam pembentukan persamaan regresi logistik adalah seperti yang ditunjukkan pada Tabel 4.3. Tabel 4.3 Data Mahasiswa Lulusan Dalam Bentuk Variabel No. X 1 X 2 X 3 Y Variabel-variabel X 1, X 2, dan X 3 merupakan variabel bebas, yang berturut-turut mewakili jenis kelamin, usia, dan IPK dari setiap mahasiswa lulusan. Dalam hal ini, nilai dari variabel X 1 harus diubah agar dapat diproses di dalam perhitungan, yaitu menjadi 0 untuk laki-laki, dan 1 untuk perempuan. Variabel Y merupakan variabel tak bebas, yang mewakili status bekerja dari setiap mahasiswa lulusan. Adapun data yang diperoleh peneliti disimpan di dalam program Microsoft Excel, dengan nama Data.xls. Agar dapat diproses menggunakan Bahasa R, terlebih dahulu data tersebut harus dikonversikan ke dalam bentuk file yang dapat dibaca oleh program R, yaitu menjadi Data.txt. Selanjutnya, di dalam
4 program R data tersebut harus diimpor terlebih dahulu dan dimasukkan ke dalam sebuah variabel bernama data, menggunakan sintaks berikut ini. data <- read.delim("direktori Data") Setelah direktori data ditentukan, maka sintaks tersebut akan menjadi seperti sintaks di bawah ini. data <- read.delim("d/my Documents/Data.txt") Pada saat mengimpor data ke dalam program R, sintaks read.delim yang digunakan, karena data-data yang terdapat di dalam Data.txt dipisahkan oleh spasi. Adapun isi dari variabel data setelah data-data selesai diimpor adalah sebagaimana yang ditunjukkan di dalam Gambar 4.2. Gambar 4.2 Isi Variabel data Call glm(formula = Y ~ X1 + X2 + X3, family = binomial) Deviance Residuals Min 1Q Median 3Q Max Coefficients
5 Estimate Std. Error z value Pr(> z ) (Intercept) X X X e-06 *** --- Signif. codes 0 *** ** 0.01 * (Dispersion parameter for binomial family taken to be 1) Null deviance on 717 degrees of freedom Residual deviance on 714 degrees of freedom AIC Number of Fisher Scoring iterations 4 Gambar 4.3 Output Model Regresi Logistik Dengan Program R Gambar 4.3 menunjukkan bahwa sesuai dengan nilai Pr(> z ) yang dimiliki oleh setiap variabel, maka variabel IPK (X 3 ) signifikan, sedangkan kedua variabel bebas lainnya, yaitu jenis kelamin (X 1 ) dan usia (X 2 ), tidak signifikan. Untuk mengatasi masalah yang terjadi, maka peneliti mencoba untuk melakukan standarisasi/normalisasi terhadap variabel jenis kelamin (X 1 ) dan usia (X 2 ). Adapun metode normalisasi yang peneliti gunakan adalah dengan menggantikan nilai setiap pengamatan pada kedua variabel tersebut dengan sebuah nilai yang baru, mengikuti Persamaan 4.1. x ' = x μ σ (4.1) Adapun x merupakan nilai pengamatan yang lama, μ merupakan nilai rata-rata, dan σ merupakan nilai simpangan baku dari populasi suatu variabel. Tampilan data setelah dilakukan normalisasi dan diimpor ke dalam program R adalah sebagaimana dapat dilihat pada Gambar 4.4.
6 Gambar 4.4 Isi Variabel data Setelah Dilakukan Normalisasi Selanjutnya, kembali peneliti akan melakukan pengolahan data untuk memperoleh model regresi logistik dari data-data yang telah dinormalisasi tersebut. Call glm(formula = Y ~ X1 + X2 + X3, family = binomial) Deviance Residuals Min 1Q Median 3Q Max Coefficients Estimate Std. Error z value Pr(> z ) (Intercept) *** X X X e-06 *** --- Signif. codes 0 *** ** 0.01 * (Dispersion parameter for binomial family taken to be 1) Null deviance on 717 degrees of freedom Residual deviance on 714 degrees of freedom AIC Number of Fisher Scoring iterations 4 Gambar 4.5 Output Model Regresi Logistik Setelah Dilakukan Normalisasi
7 Gambar 4.5 menunjukkan, bahwa setelah dilakukan normalisasi pun kedua variabel tersebut (jenis kelamin dan usia) masih juga tidak signifikan. Pada akhirnya, peneliti memutuskan untuk membuang dan tidak lagi mengikutsertakan variabel jenis kelamin (X 1 ) dan usia (X 2 ) di dalam prosesproses analisis selanjutnya. Hal ini menyisakan hanya satu buah variabel bebas, yaitu IPK (X 3 ), yang akan digunakan di dalam persamaan logit. Call glm(formula = Y ~ X3, family = binomial) Deviance Residuals Min 1Q Median 3Q Max Coefficients Estimate Std. Error z value Pr(> z ) (Intercept) *** X e-06 *** --- Signif. codes 0 *** ** 0.01 * (Dispersion parameter for binomial family taken to be 1) Null deviance on 717 degrees of freedom Residual deviance on 716 degrees of freedom AIC Number of Fisher Scoring iterations 4 Gambar 4.6 Output Model Regresi Logistik Dengan Satu Variabel Bebas Menurut Gambar 4.6, dikarenakan seluruh nilai variabel regresi logistik sudah signifikan, maka dapat ditentukan persamaan logit (Persamaan 4.2) yang akan peneliti gunakan di dalam proses analisis selanjutnya, sebagai berikut. gx ( ) = X 3 (4.2)
8 Kita juga dapat mengetahui odds ratios dari variabel IPK (X 3 ), yaitu dengan mengeksponenkan nilai koefisien X 3, sehingga diperoleh hasil e = Ini berarti, untuk setiap kenaikan satu unit nilai IPK, diharapkan kesempatan (odds) untuk memperoleh pekerjaan akan meningkat sebesar kali (264.37%). Dengan demikian, nilai peluang seorang mahasiswa lulusan baru untuk dapat memperoleh pekerjaan pun telah dapat ditentukan, yaitu dengan menggunakan Persamaan 4.3. π ( x) e X 3 = X3 1 + e (4.3) Sebagai analisis tambahan, peneliti juga hendak meneliti besarnya peluang seorang mahasiswa lulusan baru untuk memperoleh gaji di atas empat juta rupiah pada saat bekerja, apabila diketahui data-data jenis kelamin, usia, dan IPK dari mahasiswa tersebut. Dalam hal ini, variabel tak bebas (Y) dikelompokkan ke dalam dua kategori, yaitu gaji di bawah empat juta (0) dan gaji di atas empat juta (1). Untuk variabel bebas, di antaranya adalah jenis kelamin (X 1 ), usia (X 2 ), dan IPK (X 3 ). Data-data dari 497 mahasiswa lulusan setelah diimpor ke dalam program R, tampak seperti Gambar 4.7.
9 Gambar 4.7 Data Mahasiswa Lulusan Proses untuk memperoleh model regresi logistik sama persis dengan yang telah dilakukan sebelumnya. Hasil analisis data ditunjukkan oleh Gambar 4.8. Call glm(formula = Y ~ X1 + X2 + X3, family = binomial) Deviance Residuals Min 1Q Median 3Q Max Coefficients Estimate Std. Error z value Pr(> z ) (Intercept) X * X X e-06 *** --- Signif. codes 0 *** ** 0.01 * (Dispersion parameter for binomial family taken to be 1) Null deviance on 496 degrees of freedom Residual deviance on 493 degrees of freedom AIC Number of Fisher Scoring iterations 5 Gambar 4.8 Output Model Regresi Logistik Dengan Program R Gambar 4.8 menunjukkan bahwa sesuai dengan nilai Pr(> z ) yang dimiliki oleh setiap variabel, maka variabel jenis kelamin (X 1 ) dan IPK (X 3 )
10 signifikan, sedangkan variabel bebas lainnya, yaitu usia (X 2 ), tidak signifikan. Untuk mengatasi masalah ini, maka peneliti memutuskan untuk membuang dan tidak lagi mengikutsertakan variabel usia (X 2 ) di dalam proses-proses analisis selanjutnya. Hal ini menyisakan dua buah variabel bebas, yaitu jenis kelamin (X 1 ) dan IPK (X 3 ), yang akan digunakan di dalam persamaan logit. Call glm(formula = Y ~ factor(x1) + X3, family = binomial) Deviance Residuals Min 1Q Median 3Q Max Coefficients Estimate Std. Error z value Pr(> z ) (Intercept) e-08 *** X * X e-06 *** --- Signif. codes 0 *** ** 0.01 * (Dispersion parameter for binomial family taken to be 1) Null deviance on 496 degrees of freedom Residual deviance on 494 degrees of freedom AIC 477 Number of Fisher Scoring iterations 4 Gambar 4.9 Output Model Regresi Logistik Dengan Dua Variabel Bebas Menurut Gambar 4.9, dikarenakan seluruh nilai variabel regresi logistik sudah signifikan, maka dapat ditentukan persamaan logit (Persamaan 4.4) yang akan peneliti gunakan di dalam proses analisis selanjutnya, sebagai berikut. gx ( ) = X X 1 3 (4.4) Untuk mengetahui odds ratio dari variabel jenis kelamin (X 1 ), terlebih dahulu kita harus memperhatikan Tabel 4.4 berikut.
11 Tabel 4.4 Tabel Kontingensi Antara Besarnya Gaji dan Jenis Kelamin Laki-laki Perempuan Gaji < 4 Juta Gaji 4 Juta Dari tabel di atas dapat ditentukan odds ratio antara laki-laki dan perempuan, yaitu = Ini berarti, mahasiswa lulusan yang berjenis kelamin laki-laki memiliki kesempatan (odds) untuk memperoleh gaji di atas empat juta rupiah kali (77.85%) lebih besar dibandingkan mahasiswa lulusan yang berjenis kelamin perempuan. Untuk variabel IPK (X 3 ), dengan mengeksponenkan koesifiennya, maka akan diperoleh e = Ini berarti, jika variabel jenis kelamin dibiarkan tetap, maka untuk setiap kenaikan satu unit nilai IPK, diharapkan kesempatan (odds) untuk memperoleh gaji di atas empat juta rupiah akan meningkat sebesar kali (496.55%). Dengan demikian, nilai peluang seorang mahasiswa lulusan baru untuk dapat memperoleh gaji di atas empat juta rupiah pun telah dapat ditentukan, yaitu dengan menggunakan Persamaan 4.5. π ( x) e X X 1 3 = X X3 1 + e (4.5) 4.2 Uji Coba Program Aplikasi Seperti yang telah peneliti utarakan sebelumnya, dikarenakan hanya variabel bebas IPK saja yang signifikan, maka pada program aplikasi yang telah
12 dirancang, peluang memperoleh pekerjaan hanya akan ditentukan oleh besarnya IPK yang dimiliki oleh seorang mahasiswa, sedangkan peluang memperoleh gaji di atas empat juta rupiah akan ditentukan oleh besarnya IPK dan jenis kelamin dari mahasiswa tersebut. Gambar 4.10 Tampilan Halaman Awal Gambar 4.11 Tampilan Submenu File Gambar 4.10 dan 4.11 merupakan tampilan halaman awal program, yang berada pada menu Persamaan Regresi Logistik. Pada menu File terdapat submenu
13 Open, yang dapat digunakan oleh pengguna untuk memasukkan data dari file teks yang diinginkan. Gambar 4.12 Tampilan Saat Pengguna Memilih File Yang Akan Dimasukkan Gambar 4.12 merupakan tampilan kotak dialog yang muncul pada saat pengguna hendak memilih file yang akan dimasukkan. File yang dapat dimasukkan hanyalah file berjenis teks yang berekstensi.txt. Gambar 4.13 Tampilan Setelah Tombol Proses Data! Ditekan
14 Gambar 4.13 menunjukkan hasil analisis yang dilakukan terhadap data yang telah dimasukkan. Hasil yang ditampilkan adalah nilai-nilai koefisien dan nilainilai Z bagi variabel konstan (intercept), jenis kelamin (X 1 ), dan IPK (X 2 ). Gambar 4.14 Tampilan Setelah Tombol Lihat Persamaan Regresi Logistik! Ditekan Setelah tombol Lihat Persamaan Regresi Logistik! ditekan, maka akan muncul Persamaan Regresi Logistik dan Persamaan Peluang Logit, seperti yang dapat dilihat pada Gambar 4.14 di atas. Gambar 4.15 Tampilan Halaman Menu Hitung Peluang
15 Gambar 4.15 merupakan tampilan halaman menu Hitung Peluang. Pengguna diminta untuk memasukkan besarnya IPK dan memilih jenis kelamin yang dikehendaki. Gambar 4.16 Tampilan Setelah Tombol Hitung Peluang! Ditekan Setelah tombol Hitung Peluang! ditekan, maka akan muncul nilai Peluang Memperoleh Pekerjaan, nilai Peluang Memperoleh Gaji > 4 juta, dan kesimpulan mengenai kondisi peluang dari mahasiswa yang bersangkutan. Adapun kesimpulan yang diberikan dibedakan menjadi dua bagian, yaitu untuk presentase Peluang Memperoleh Pekerjaan kurang dari 50% dan untuk presentase Peluang Memperoleh Pekerjaan lebih dari atau sama dengan 50%.
16 Gambar 4.17 Tampilan Setelah Tombol Hitung Peluang! Ditekan Gambar 4.17 merupakan tampilan halaman menu Hitung Peluang, ketika presentase Peluang Memperoleh Pekerjaan lebih dari atau sama dengan 50%. Adapun hasil-hasil tersebut dapat diinterpretasikan sebagai berikut. Apabila seorang mahasiswa laki-laki lulus dengan IPK sebesar 2.52, maka diperkirakan peluang mahasiswa tersebut untuk dapat memperoleh pekerjaan adalah sebesar atau 50.11%, dan peluangnya untuk memperoleh gaji di atas empat juta rupiah pada saat bekerja adalah sebesar atau 3.63%.
17 Gambar 4.18 Tampilan Saat Pengguna Menyimpan Hasil Analisis Data Pengguna juga dapat menyimpan hasil analisis data yang telah dilakukan. Program akan menuliskan dan menyimpan seluruh hasil analisis data ke dalam sebuah file teks yang diinginkan oleh pengguna, sebagaimana ditunjukkan pada Gambar 4.18 di atas. 4.3 Usulan/Kondisi Yang Mendukung Hipotesis Hipotesis atau jawaban sementara dari perumusan masalah yang ditetapkan oleh peneliti, adalah sebagai berikut. H 0 Besarnya peluang memperoleh pekerjaan tidak dipengaruhi oleh seluruh atau sebagian dari ketiga faktor IPK, jenis kelamin, dan usia. H 1 Besarnya peluang memperoleh pekerjaan dipengaruhi oleh seluruh atau sebagian dari ketiga faktor IPK, jenis kelamin, dan usia.
18 Dari hasil analisis data yang telah peneliti lakukan dan paparkan pada bagian sebelumnya, dapat diketahui bahwa peluang seorang mahasiswa lulusan baru dalam memperoleh pekerjaan dipengaruhi oleh sebuah faktor, yaitu IPK. Hal ini menjadikan hipotesis nol di atas harus ditolak, dan dapat disimpulkan bahwa besarnya peluang memperoleh pekerjaan dipengaruhi oleh faktor IPK dari seorang mahasiswa lulusan baru. Sesuai dengan manfaat penelitian ini (bagi mahasiswa aktif), yang telah peneliti sampaikan sebelumnya, dan bagi pihak manapun yang membaca hasil penelitian ini, telah dapat dipastikan bahwa nilai Indeks Prestasi Kumulatif (IPK) merupakan sebuah faktor yang paling berpengaruh di dalam menentukan besar-kecilnya peluang seorang mahasiswa baru di dalam memperoleh pekerjaan. Meskipun pada kenyataannya IPK bukanlah segala-galanya dan bukan satu-satunya faktor yang menentukan keberhasilan seseorang di dalam memperoleh pekerjaan, namun tidak dapat dipungkiri bahwa IPK tetap memegang peranan yang terpenting jika menyangkut masalah pencarian pekerjaan, karena hal tersebut telah teruji dan terbukti dengan pasti secara statistik di dalam penelitian ini. Menurut data mahasiswa lulusan yang peneliti peroleh, dari keseluruhan mahasiswa lulusan yang memiliki gaji dengan nominal tertinggi (lebih dari atau sama dengan enam juta rupiah), 58.82% atau lebih dari setengahnya berprofesi sebagai wirausahawan/wati (entrepreneur). Maka, sangatlah baik apabila seorang mahasiswa aktif memiliki rencana untuk memulai kegiatan wirausaha. Hal tersebut memiliki nilai tambah tersendiri, karena kegiatan wirausaha dapat
19 dijalankan, tidak hanya pada saat telah lulus dari bangku kuliah, tetapi juga ketika masih berpredikat sebagai mahasiswa aktif.
Dr. 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 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. 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 10 ANALISIS REGRESI LINIER SEDERHANA
BAB 10 ANALISIS REGRESI LINIER SEDERHANA Analisis regresi linier merupakan salah satu jenis metode regresi yang paling banyak digunakan. Regresi linier sederhana terdiri atas satu variabel terikat (dependent)
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 terperinciANALISIS KORELASI & REGRESI. Kompilasi Kelompok 6 dan 8
ANALISIS KORELASI & REGRESI Kompilasi Kelompok 6 dan 8 PERMASALAHAN Internal Reveneu Service mencoba menduga pajak aktual yang tertunda setiap bulan dari divisi auditingnya. Diduga dua faktor yang mempengaruhi
Lebih terperinciResume 2 : Analysis of sex sequences by means of generalized linear mixed models. Yenni Angraini G
Resume 2 : Analysis of sex sequences by means of generalized linear mixed models Roberto Ambrosini, Diego Rubolini, Nicola Saino Yenni Angraini G161150051 Eksplorasi Data Data Simulasi proportion of male
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 terperinciMODUL 3 GENERALIZED LINEAR MODELS
MODUL 3 GENERALIZED LINEAR MODELS Dalam Agresti (2007) Bab II Bab 2 dijelaskan metode untuk menganalisis tabel kontingensi. Metode-metode tersebut membantu kita menjelaskan pengaruh variabel penjelas terhadap
Lebih terperinciBAB 11 ANALISIS REGRESI LINIER BERGANDA
BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang
Lebih terperinciKomputasi Statistika dengan Software R
Komputasi Statistika dengan Software R Analisis Korelasi (Sesi 13) Zulhanif Analisis Korelasi Korelasi menyatakan keeratan hubungan antara suatu variabel dengan variabel lainnya. Korelasi dalam populasi
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 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 terperinciBAB 13 ANALISIS LINTAS (PATH ANALISIS)
BAB 13 ANALISIS LINTAS (PATH ANALISIS) Berbagai macam penelitian yang dilakukan pada tanaman umumnya hanya mengkorelasikan sifat-sifat tanaman secara umum. Namun demikian, untuk mendapatkan gambaran tentang
Lebih terperinci4 HASIL DAN PEMBAHASAN
9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB 2005-2010 Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun 2005-2010 menurun tetapi
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 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 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 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 terperinciBAB 4 ANALISA DAN PEMBAHASAN. faktor faktor yang mempengaruhi, model regresi global, model Geographically
BAB 4 ANALISA DAN PEMBAHASAN Pada bab ini dibahas tentang pola penyebaran angka buta huruf (ABH) dan faktor faktor yang mempengaruhi, model regresi global, model Geographically Weighted Regression (GWR),
Lebih terperinciSTATISTIKA DESKRIPTIF Dosen:
LEMBAR TUGAS MAHASISWA (LTM) Mata Kuliah: STATISTIKA DESKRIPTIF Dosen: Nama NIM Kelas Jurusan Akademi : : : : : AKADEMI - AKADEMI BINA SARANA INFORMATIKA J A K A R T A C.2009 1 BAB I PENDAHULUAN Pertemuan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Analisis Jalur Analisis jalur dalam penelitian ini digunakan dalam meneliti interaksi pengaruh secara langsung dan secara tidak langsung data bahan baku (X 1 ), data promosi
Lebih terperinciPengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc
Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc Statistika Statistika Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi,
Lebih terperinciPemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih
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 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 terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinci5. HASIL DAN ANALISIS PENELITIAN
5. HASIL DAN ANALISIS PENELITIAN Pada bab ini peneliti menjelaskan mengenai hasil penelitian yang diperoleh dan akan diuraikan ke dalam gambaran subjek, analisis data dan interpretasi hasil penelitian.
Lebih terperinciModel Log-Linear (Bagian 1) Dr. Kusman Sadik, M.Si Program Studi Magister (S2) Departemen Statistika IPB, 2017/2018
Model Log-Linear (Bagian 1) Dr. Kusman Sadik, M.Si Program Studi Magister (S2) Departemen Statistika IPB, 2017/2018 Using a log-linear modeling approach is advantageous to conducting inferential tests
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh
43 BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskripsi Data Jumlah responden yang diambil dalam penelitian ini ada sebanyak 72 mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh karena
Lebih terperinciBAB II. REGRESI LINIER BERGANDA DENGAN VARIABEL DUMMY
BAB II. REGRESI LINIER BERGANDA DENGAN VARIABEL DUMMY Membuka program SPSS kemudian memilih tab sheet Variable View. Melakukan input variabel yang akan diteliti pada sheet Variable View. Input dilakukan
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 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 terperinciSPSS FOR WINDOWS BASIC. By : Syafrizal
SPSS FOR WINDOWS BASIC By : Syafrizal SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah Langkah pertama
Lebih terperinciANALISIS REGRESI DENGAN EXCEL
ANALISIS REGRESI DENGAN EXCEL Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak. Karenanya, software-software statistik umumnya
Lebih terperinciUji statistik multivariat digunakan untuk menguji
132 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 133 BAB 6 ANALISIS MULTIVARIAT Uji statistik multivariat digunakan untuk menguji
Lebih terperinciBAB 1 PENDAHULUAN. 1.1.Latar Belakang
BAB 1 PENDAHULUAN 1.1.Latar Belakang Setiap universitas berusaha meningkatkan mutu lulusannya agar mereka mampu bersaing di era globalisasi. (USU) merupakan salah satu Perguruan Tinggi Negeri di kota Medan
Lebih terperinci3.7 Model Linier dengan Variabel Kualitatif
110 BAB 3. MODEL LINIER KLASIK 3.7 Model Linier dengan Variabel Kualitatif Misalkan beberapa peubah penjelas dalam model linier merupakan peubah kualitatif (kelompok) dengan dua tingkat (misalnya L=Lakilaki
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
48 Bila t-hitung < t-tabel, maka Ho diterima, Ha ditolak, berarti tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen. BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis
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 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 terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Lokasi penelitian dilakukan di enam kelurahan di Kota Depok, yaitu Kelurahan Pondok Petir, Kelurahan Curug, Kelurahan Tapos, Kelurahan Beji, Kelurahan
Lebih terperinciBAB IV INTEPRETASI DATA
41 BAB IV INTEPRETASI DATA 4.1 Pengumpulan Data Data responden pada penyusunan skripsi ini terdiri atas dua bagian yaitu data profil responden dan data stated preference. Untuk data profil responden terdiri
Lebih terperinciV. FAKTOR PENENTU KETAHANAN PANGAN RUMAH TANGGA DI PROVINSI NUSA TENGGARA TIMUR
V. FAKTOR PENENTU KETAHANAN PANGAN RUMAH TANGGA DI PROVINSI NUSA TENGGARA TIMUR Penelitian ini menggunakan model regressi logistik ordinal untuk menganalisis faktor-faktor yang mempengaruhi ketahanan pangan
Lebih terperinciBAB 3 METODE PENELITIAN. adalah permasalahan asosiatif, yaitu suatu pernyataan penelitian yang bersifat
65 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Mengacu pada referensi Sugiyono (2002 : 45), desain penelitian yang digunakan adalah permasalahan asosiatif, yaitu suatu pernyataan penelitian yang bersifat
Lebih terperinciMateri UAS: 1. Indeks 2. Trend Linear dan Non Linear 3. Regresi dan korelasi sederhana
STATISTIK I Buku Acuan: 1. Pokok-pokok materi Statistik I oleh Ir.M.Iqbql Hasan,M.M, edisi 2 cetakan 6 th 2010 2. Dasar-dasar statistika untuk Ekonomi oleh Drs. Danang Sunyoto,S.H., S.E.,M.M.,cetakan I
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 terperinciMODEL REGRESI LINIER BERGANDA MENGGUNAKAN PENAKSIR PARAMETER REGRESI ROBUST M-ESTIMATOR (Studi Kasus: Produksi Padi di Provinsi Jawa Barat Tahun 2009)
MODEL REGRESI LINIER BERGANDA MENGGUNAKAN PENAKSIR PARAMETER REGRESI ROBUST M-ESTIMATOR (Studi Kasus: Produksi Padi di Provinsi Jawa Barat Tahun 2009) Rini Cahyandari, Nurul Hisani Jurusan Matematika Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. Pendidikan merupakan dasar untuk melakukan banyak hal. Tanpa memiliki
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan hal yang sangat penting dalam kehidupan. Pendidikan merupakan dasar untuk melakukan banyak hal. Tanpa memiliki pendidikan yang baik, orang akan
Lebih terperinciBAB III METODOLOGI PENELITIAN. memilih sampel seluruh perusahaan di BEI periode adalah karena
26 BAB III METODOLOGI PENELITIAN 3.1. Populasi dan Sampel Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2009-2013. Alasan penulis
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 terperinciBAB 4 HASIL PERCOBAAN DAN BAHASAN
24 BAB 4 HASIL PERCOBAAN DAN BAHASAN Perangkat lunak validasi metode analisis ini dibuat dengan menggunakan perangkat lunak pemograman yang biasa dipakai yaitu Microsoft Visual Basic 6.0, dimana perangkat
Lebih terperinciSURVEI NILAI WAKTU PERJALANAN MOBIL PRIBADI DI JL. Z.A.PAGAR ALAM METODE MODE CHOICE APPROACH
SURVEI NILAI WAKTU PERJALANAN MOBIL PRIBADI DI JL. Z.A.PAGAR ALAM METODE MODE CHOICE APPROACH Terima kasih atas kesediaan Anda membantu Survei ini dilakukan sebagai bahan acuan pembuatan tugas akhir, mohon
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Program Studi Pendidikan Ekonomi angkatan FKIP-UKSW
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab IV ini diuraikan tentang Pengaruh Lingkungan Keluarga dan Prestasi Belajar terhadap Minat Menjadi Guru Ekonomi pada Mahasiswa Program Studi Pendidikan Ekonomi
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 terperinciBELAJAR SPSS. Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu software SPSS
BELAJAR SPSS SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah. Langkah pertama yang harus dilakukan
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 3 METODOLOGI PENELITIAN. Kelurahan Karang Kitri, Bekasi Timur. Karang Kitri merupakan salah satu dari 18
BAB 3 METODOLOGI PENELITIAN 3.1. Gambaran Umum Objek Objek yang digunakan pada penelitian ini adalah anak-anak yang berada di Kelurahan Karang Kitri, Bekasi Timur. Karang Kitri merupakan salah satu dari
Lebih terperinciEksplorasi Gradien Menggunakan Geogebra. Muh. Tamimuddin H
Eksplorasi Gradien Menggunakan Geogebra Muh. Tamimuddin H Geogebra dapat digunakan untuk membuat sebuah lembar kerja dinamis. Pada tulisan ini, GeoGebra akan kita gunakan untuk menggambarkan sebuah garis
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 IV REGRESI LINIER BERGANDA. Tujuan Pengajaran: Setelah mempelajari bab ini, anda diharapkan dapat:
Supawi Pawenang, 2011, Ekonometrika Terapan, IDEA Press Jogja BAB IV REGRESI LINIER BERGANDA Tujuan Pengajaran: Setelah mempelajari bab ini, anda diharapkan dapat: Mengetahui kegunaan dan spesifikasi model
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang
57 BAB 4 IMPLEMENTASI DAN EVALUASI Dalam bab ini, selain menjelaskan mengenai kebutuhan minimum untuk perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang dihasilkan, juga akan
Lebih terperinciBAB 4 HASIL PENELITIAN DAN PEMBAHASAN
BAB 4 HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Survei Untuk memperoleh data dari responden digunakan lembaran kuesioner yang disebar mulai bulan Agustus 2005 hingga September 2005. Adapun contoh kuesioner
Lebih terperincic) Usia: 1. Usia tahun 3. Usia tahun 2. Usia tahun
Lampiran 1 Kuesioner Responden yang terhormat, Perkenankanlah saya, mahasiswa Jurusan Manajemen Fakultas Bisnis Universitas Katolik Widya Mandala Surabaya, mohon bantuan Anda untuk meluangkan waktu mengisi/menjawab
Lebih terperinciREGRESI LOGISTIK (LOGISTIC REGRESSION)
REGRESI LOGISTIK (LOGISTIC REGRESSION) REGRESI LOGISTIK Adalah regresi parametrik yang digunakan untuk Y berskala kategorik dan X berskala bebas. Biner Y berskala nominal dengan 2 kategori Regresi Logistik
Lebih terperinciStatistik Deskriptif untuk Data Nominal dan Ordinal
Statistik Deskriptif untuk Data Nominal dan Ordinal Salah satu ciri utama sehingga sebuah data harus diproses dengan metode nonparametrik adalah jika tipe data tersebut semuanya adalah data nominal atau
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 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 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 terperinciANALISIS DATA STATUS PEKERJAAN DENGAN MODEL NONLINIER TERGENERALISIR (Studi Kasus di Kabupaten Banyuwangi)
ANALISIS DATA STATUS PEKERJAAN DENGAN MODEL NONLINIER TERGENERALISIR (Studi Kasus di Kabupaten Banyuwangi) SKRIPSI Oleh Rina Purnamasari NIM 071810101090 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
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 4 HASIL PENELITIAN. yang terdapat pada kuesioner yang disebar. Peneliti menyebarkan kuesioner kebeberapa
BAB 4 HASIL PENELITIAN 4.1 Penyajian Data Penelitian 4.1.1 Karakteristik Responden Karakteristik responden dapat dilihat melalui data deskriptif tentang responden yang terdapat pada kuesioner yang disebar.
Lebih terperinciGambar 3 Diagram aliran data level 1.
6 Gambar 3 Diagram aliran data level 1. menjadi input untuk proses 2. Proses 2 dapat didekomposisi menjadi Proses 2.1 Pilih Dataset Aktif, Proses 2.2 Edit Dataset Aktif, Proses 2.3 Kalkulator, Proses 2.4
Lebih terperinciPENGARUH PENGAWASAN KERJA TERHADAP PRODUKTIVITAS KERJA KARYAWAN PADA PERUSAHAAN KARUNIA JATI. Oleh : EKO PUJIYANTO B
PENGARUH PENGAWASAN KERJA TERHADAP PRODUKTIVITAS KERJA KARYAWAN PADA PERUSAHAAN KARUNIA JATI Oleh : EKO PUJIYANTO B 00 040 39 FAKULTAS EKONOMI MANAJEMEN UNIVERSITAS MUHAMMADIYAH SURAKARTA 2008 BAB I PENDAHULUAN
Lebih terperinci3 BAB III METODOLOGI PENELITIAN
3 BAB III METODOLOGI PENELITIAN Bagian ketiga dari laporan skripsi ini menggambarkan langkah-langkah yang akan dijalankan dalam penelitian ini. Metodologi penelitian dibuat agar proses pengerjaan penelitian
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. teori yang menjadi dasar dan data yang diperoleh dari Badan
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Bab ini menguraikan hasil penelitian yang telah dilakukan dengan membandingkan teori yang menjadi dasar dan data yang diperoleh dari Badan Pusat Statistik (BPS).
Lebih terperinciBAYESIAN SPASIAL VARYING COEFFCIENT MODEL DALAM MENAKSIR RESIKO RELATIF PENYAKIT DIARE DI KOTA BANDUNG
M-8 BAYESIAN SPASIAL VARYING COEFFCIENT MODEL DALAM MENAKSIR RESIKO RELATIF PENYAKIT DIARE DI KOTA BANDUNG I Gede Nyoman Mindra Jaya 1), Bertho Tantular 2), Zulhanif 3) 1,2,3) Departemen Statistika FMIPA
Lebih terperinciINSTITUT TEKNOLOGI SEPULUH NOPEMBER
2014 Panduan Penggunaan (Sistem Penjaminan Mutu Internal) User Jurusan ITS INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1.1 HALAMAN LOGIN Halaman awal dari tampilan web adalah halaman login. Halaman login merupakan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN
BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Pemrosesan dan Analisis Data 4.1.1 Pembangkitan Data Untuk membangkitkan nilai varibel Y yang berdistribusi binomial maka sebelum melakukan membangkitkan nilai
Lebih terperinciREVIEW BIOSTATISTIK DESKRIPTIF
REVIEW BIOSTATISTIK DESKRIPTIF POKOK BAHASAN 1. Konsep statistik deskriptif 2. Data dan variabel 3. Nilai Tengah (Ukuran Pusat), posisi dan variasi) pada data tunggal dan kelompok 4. Penyajian data 5.
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hipotesis Gambar 4.1 Hubungan variabel bebas dan variabel terikat Keterangan : X 1 = Kompensasi X 2 = Iklim Organisasi Y = Kepuasan Kerja Hipotesis : 1. H 0 : r y1 = 0 H
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Uji Statistik Deskriptif Statistik Deskriptif memberikan gambaran atau deskriptif suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. mendapatkan model dan faktor-faktornya, terlebih dahulu akan dibahas. bagaimana mendapatkan sampel dalam penelitian ini.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan hasil dari penelitian yang meliputi model terbaik dari indeks prestasi kumulatif mahasiswa dan faktor-faktor apa saja yang berpengaruh terhadap
Lebih terperinciHasil perhitungan Kolmogorov-Smirnov menunjukkan bahwa ketiga sampel atau variabel tersebut adalah distribusi normal.
NORMALITAS DATA One-Sample Kolmogorov-Smirnov Test N Normal Parameters a,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Lebih terperinciSTK 211 Metode statistika. Materi 2 Statistika Deskriptif
STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan
Lebih terperinciAnalisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada
Lebih terperinciBAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR
BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR Rancangan Acak Kelompok atau biasa disingkat RAK digunakan jika kondisi unit percobaan yang digunakan tidak homogen. Dalam rancangan ini, petakan percobaan
Lebih terperinciBAB 2 LANDASAN TEORI
9 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Mortalitas atau kematian merupakan salah satu di antara tiga komponen proses demografi yang dapat mempengaruhi struktur penduduk selain fertilitas dan migrasi.
Lebih terperinciHipotesis adalah suatu pernyataan tentang parameter suatu populasi.
PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah
Lebih terperinciKuesioner Biaya Transportasi
64 Lampiran 1 Kuesioner Biaya Transportasi Kuesioner Biaya Transportasi Mohon anda mengisi dan memilih jawaban yang disediakan! 1. Jenis kelamin : a. wanita b. pria 2. Fakultas : a. Sastra b. Psikologi
Lebih terperinciJurusan Teknik Informatika Dan Statistika
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Dan Statistika Program Studi Strata 1 Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007 PERANCANGAN PROGRAM APLIKASI UNTUK MENGETAHUI HUBUNGAN
Lebih terperinciUNIVERSITAS BINA NUSANTARA. PROGRAM STUDI GANDA TEKNIK INFORMATIKA DAN STATISTIKA Skripsi Sarjana Program Ganda Semester Genap 2006/2007
UNIVERSITAS BINA NUSANTARA PROGRAM STUDI GANDA TEKNIK INFORMATIKA DAN STATISTIKA Skripsi Sarjana Program Ganda Semester Genap 2006/2007 Analisis Pengaruh Perilaku Berkendara Terhadap Kehematan Bahan Bakar
Lebih terperinciStatistika Farmasi
Bab 1:,, Statistika FMIPA Universitas Islam Indonesia Data Populasi dan Sampel Menurut Websters New World Dictionary, data berarti sesuatu yang diketahui atau dianggap. Dengan demikian, data dapat memberikan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan dunia usaha dewasa ini telah menimbulkan berbagai tantangan dan persaingan yang harus dihadapi oleh perusahaan. Oleh karena itu, peran penting
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 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 terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi pada saat ini, menuntut
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi pada saat ini, menuntut manusia untuk mempersiapkan sumber daya manusia yang berkualitas dalam mengikuti setiap
Lebih terperinci