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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da Purhad Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Isttut ekolog Sepuluh Nopember (IS) Jl Aref Rahma Hakm, Surabaya 6 e-mal: _yoma_@statstkatsacd, purhad@statstkatsacd, adraayoshta7@gmalcom Abstrak Jumlah kasus baru HIV adalah salah satu cotoh data cout (data cacaha) Pemodela data cout dapat megguaka regres posso erdapat asums yag harus dpeuh jka megguaka regres posso yatu mea da varas harus sama, sedagka pada kasus data cacaha asums serg tdak terpeuh Hal terjad karea adaya overdspers, yatu varas lebh besar dar mea Oleh karea tu dalam memodelka data cacaha tersebut tdak cukup dega regres posso sederhaa Regres posso verse gaussa (PIG) merupaka salah satu betuk regres dar mxed posso yag dracag utuk data cacaha dega kasus overdspers da telah dguaka pada beberapa peelta yag megguaka data cacaha Peaksra parameter dlakuka dega metode MLE da peguja hpotess dega megguaka metode MLR Jumlah kasus baru HIV merupaka salah satu data cacaha yag berpotes terjad overdspers Oleh karea tu, dalam memodelka jumlah kasus baru HIV d Provs Jawa egah tahu 5 dapat dguaka pemodela dega regres PIG Berdasarka model tersebut, varabel predktor yag memberka pegaruh sgfka terhadap jumlah kasus baru HIV d Provs Jawa mur adalah persetase PUS yag megguaka kodom, raso fasltas kesehata, persetase daerah perkotaa, da persetase peduduk usa 5-34 tahu Kata Kuc Regres PIG, MLE, MLR, HIV I PENDAHULUAN Sustaable Developmet Goals (SDGs) dapat dartka sebaga lajuta dar pembagua MDGS da merupaka pembagua global yag d deklaraska PBB sejak tahu 5 [] Salah satu tujua dar SDGs adalah utuk megakhr epdem HIV d tahu 3 HIV merupaka peyakt meular yag dsebabka oleh feks Huma Immuodefcecy Vrus Vrus meyebar melalu cara tubuh, da meyerag sstem kekebala tubuh, khususya sel CD4 atau yag serg dsebut sel [] D Idoesa HIV termasuk ke dalam tga besar peyakt dega kasus terbayak setelah BC da malara Provs yag termasuk dalam uruta 5 besar dega jumlah kasus HIV terbayak adalah Jawa egah Jumlah kasus baru HIV d Jawa egah yag dtemuka pada tahu 5 mecapa 467 kasus, jumlah megalam pegkata jka dbadgka dega tahu 4 sebayak 35 kasus [3] Jumlah kasus baru HIV d suatu wlayah merupaka salah satu betuk data cacaha sehgga dalam pemodelaya bsa megguaka regres Posso Pada regres posso utuk data cout terkadag dtemuka kasus overdspers yag membuat hasl peelta tdak vald Salah satu mxed posso dstrbuto yag serg dguaka dalam peelta utuk megatas kasus oversspers adalah dstrbus Posso Iverse Gaussa (PIG)[4] Berdasarka uraa d atas, maka dlakuka peelta megea pemodela kasus baru HIV d Provs Jawa egah tahu 5 dega megguaka regres Posso Iverse Gaussa Sehgga dapat dketahu faktor apa saja yag berpegaruh terhadap kasus baru HIV d Provs Jawa egah, hal tersebut mejad masuka utuk Das Kesehata Provs Jawa egah II INJAUAN PUSAKA A Dstrbus Posso Iverse Gausa Dstrbus PIG merupaka salah satu dstbus mxed posso Dstrbus PIG dtetuka oleh dua parameter yatu rata-rata (μ) sebaga parameter lokas da parameter dspers (τ) sebaga parameter betuk Probabltas dstrbus PIG dapat dhtug dega rumus sebaga berkut[5]: y e P( Y y ) K y! y y Rata-rata utuk dstrbus PIG adalah: E( Y) E E Y v E v Varas utuk dstrbus PIG adalah: Var( Y) Var E Y v E Var Y v B Overdspers () Overdspers pada regres Posso terjad ketka varas dar varabel respos lebh besar dar rata-rata Uj statstk yag bsa dguaka utuk medeteks overdspers pada suatu data adalah uj overdspers yag dapat megguaka package AER dar software R Hpotess yag dguaka adalah [6] H : var( Y ) H : var( Y ) = + a g() Dmaa g () merupaka suatu fugs tertetu Secara sederhaa, bla la a mak dapat dkataka equdspers, sebalkya bla a maka dapat dkataka overdspers Nla koefse a dapat dperkraka oleh regres OLS C Regres Posso Iverse Gaussa Model Regres PIG sepert pada persamaa berkut[7]: x e β dega atau l x β ()

2 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: (3-98X Prt) D-45 x x x L xk β L k dmaa,,, meujukka omor observas Dega fugs kepadata peluag sebaga berkut: y x y e e e ; ; x P Y y x β Ks z y! D Estmas Parameter Parameter β pada regres PIG dtaksr dega metode maxmum lkelhood, dega meetuka fugs lkelhood dar dstrbus PIG Fugs lkelhood adalah sebaga berkut: β β L ; P Y y x ; ;, y y e Lβ; Ks z y! Fugs lkelhood tersebut dubah kedalam betuk logartma atural (l), sehgga mejad persamaa sebaga berkut lβ; l Lβ ; = yx β l y! l y l l x β l Ks z 4 Fugs dmaksmumka dega megguaka Fsher Scorg Algorthm, dega persamaa sebaga berkut[8]: θ θ I θ Dθ, (3) r r m m Dmaa θ β, ( l l D θ), β I θ EHθ m m m k k H θ l l β l β l ββ m l l Sehgga m E β I θ l l β ββ Adapu lagkah-lagkah Fsher scororg Algorthm sebaga berkut: Meetuka vektor awal parameter dega megasumska data memeuh model regres ler bergada: * Y x () K x () p p () K dmaa =,,, da dega metode kuadrat terkecl dperoleh * () β X X X Y Membetuk vektor grade 3 Membetuk matrks hessa D( θ ) 4 Membetuk matrks formas Fsher 5 Memasukka la grade D( θ ) () θ () H θ I θ sehgga dperoleh vektor da matrks hessa m H θ 6 Mula dar dlakuka teras pada θ θ I θ Dθ, la r r m m merupaka sekumpula peaksr parameter yag koverge saat teras ke-m 7 Jka belum dperoleh peaksra parameter yag koverge saat teras ke-m, maka dlajutka kembal ke lagkah 5 hgga teras ke-m+ Iteras aka berhet apabla la dar θ ( m) θ ( m) da adalah blaga yag sagat kecl E Peguja Parameter θ ( m ) Peguja secara seretak mecakup seluruh parameter β secara bersama-sama dega hpotess sebaga berkut: H : L H : mmal ada satu dega l,, K, k L G l L L L = l l k l Statstk G adalah pedekata dar dstrbus ch square dega derajat bebas v sehgga kttera pegujaya adalah tolak apabla Ght, v Peguja secara parsal utuk parameter β da τ adalah sebaga berkut Hpotess utuk meguj sgfkas parameter β l H H : H : l dega l,, K, k Statstk uj yag dguaka dalam peguja sgfkas parameter adalah sebaga berkut: l Z SE Krtera uj tolak H apabla l Z ht lebh besar dar la Hpotess utuk meguj sgfkas parameter H : H : Statstk uj yag dguaka: Z

3 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: (3-98X Prt) D-46 Z SE Krtera pegujaya adalah tolak besar dar la Z H apabla Z ht lebh F Uj Korelas Korelas merupaka suatu dkator yag dguaka dalam hubuga lear atar dua varabel [9] Koefse korelas ddefska sebaga berkut r xy, x x y y x x y y Nla koefse korelas berksar atara - sampa Peguja hpotessya sebaga berkut: : dak ada hubuga atara kedua varabel H H : erdapat hubuga atar kedua varabel Statstk uj yag dguaka adalah rx, y t r Keputusa tolak jka t G Multkoleartas H ht t, Pada pemodela regres, korelas atara varabel-varabel predktor dsebut dega multkoleartas Salah satu cara utuk medeteks terjadya multkoleartas adalah dega melhat la Varace Iflato Factor (VIF) VIF (4) R j Apabla la VIF lebh dar maka dapat dkataka terjad kasus multkoleartas[] H Pemlha model terbak Akake Iformato Crtero (AIC) merupaka salah satu saraa dalam pemlha model AIC memperkraka kualtas masg-masg model, relatf terhadap model la Msalka L adalah la maksmum dar fugs lkelhood suatu model, da k adalah jumlah parameter yag destmas dalam model tersebut, maka la AIC dar model tersebut adalah sebaga berkut: AIC k l L (5) Apabla dberka beberapa model utuk sebuah set data, maka model yag lebh bak adalah model dega AIC kecl [] I HIV HIV merupaka peyakt meular yag dsebabka oleh feks Huma Immuodefcecy Vrus Vrus meyebar melalu cara tubuh, da meyerag sstem kekebala tubuh, khususya sel CD4 atau yag serg dsebut sel [] Ifeks tersebut meyebabka beberapa sel tubuh hacur sehgga pederta megalam peurua ketahaa tubuh da tdak dapat melawa feks maupu peyakt la Jumlah HIV postf yag ada d masyarakat dapat dketahu melalu layaa Volutary, Couselg, ad estg (VC)[] III MEODOLOGI PENELIIAN A Sumber Data Peelta megguaka data sekuder tetag jumlah kasus baru HIV da faktor-faktor yag mempegaruh jumlah kasus baru HIV Data dambl dar Profl Kesehata Provs Jawa egah da Buku Saku Kesehata 5 yag dkeluarka das Kesehata Provs Jawa egah [3] da Publkas hasl Survey Sosal Ekoom Nasoal (Suseas) yag dkeluarka oleh Bada Pusat Statstk (BPS) Provs Jawa egah[3] Data tersebut merupaka data pada tahu 5 dega ut pegamata yag dambl pada tgkat Kabupate/ Kota d Provs Jawa egah dega 35 Kabupate/ Kota B Varabel Peelta Adapu varabel yag dguaka pada praktkum adalah sebaga berkut Notas Y X X X 3 abel Varabel Peelta Varabel Jumlah Kasus Baru HIV Persetase Peduduk Msk Persetase peduduk dega peddka tertgg SLA Persetase PUSyag sedag megguaa alat KB kodom X 4 Raso jumlah teaga kesehata per X 5 X 6 X 7 C Lagkah Aalss Data Raso fasltas kesehata per peduduk Persetase Daerah Perkotaa Persetase peduduk usa 5-34 tahu Lagkah aalss yag dguaka dalam peelta sebaga berkut Medeskrpska karakterstk data dega statstka deskrptf Meguj korelas atara varabel respo dega varabel predktor 3 Melakuka pemerksaa kasus multkolertas dega megguaka krtera VIF 4 Melakuka uj overdspers 5 Meetuka la peaksr parameter model Regres PIG dega lagkah-lagkah sebaga berkut: a Medapatka peduga parameter dega megguaka Maxmum Lkelhood Estmato (MLE) b Melakuka peguja hpotess utuk Regres PIG 6 Membadgka la AIC utuk mecar model terbak 7 Melakuka terpretas model PIGR yag ddapatka 8 Membuat kesmpula dar hasl aalss tersebut IV HASIL DAN PEMBAHASAN A Statstka Deskrptf Provs Jawa egah merupaka provs kelma setelah Provs Jawa Barat dega jumlah kasus HIV terbayak dtemuka Perkembaga jumlah kasus baru HIV d Provs

4 Jumlha Kasus HIV JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: (3-98X Prt) D-47 Jawa egah dar tahu hgga tahu 5 dapat dlhat pada Gambar Gambar Perkembaga Jumlah Kasus Baru HIV d Provs Jawa egah ahu -5 Berdasarka Gambar d atas dapat dlhat perkembaga kasus baru HIV dar tahu 9 hgga tahu 5 Pada tahu jumlah kasus HIV d Provs Jawa egah meuru sebayak 48 kasus, amu pada tahu 3 jumlah kasus baru HIV megkat mejad 45 kasus D tahu 3 hgga tahu 5 jumlah kasus HIV d Provs Jawa egah megalam pegkata setap tahuya Sebelum melakuka aalss Regres Posso Iverse Gaussa adalah megdetfkas masg-masg varabel dega aalss Statstka Deskrptf, ddapatka hasl sebaga berkut abel Statstka Deskrptf 45 Var Mea Stdev Varace M Max Y 4,9 6,45 699,85 3, 6, X 3,3 4,35 8,68 4,97,45 X,34 5,39 8,8 6,68 5,3 X 3,4,635,673,35 7,4 X 4 33,89 4,76 88,63 5,3,7 X 5 3,863,59,533, 9,94 X 6,74 36,5 34,7,3, X 7 7,468,667,446 5,8 9,9 Pada abel dapat dlhat bahwa rata-rata pada tahu 5 d provs Jawa egah terdapat 4,9 4 kasus Jumlah kasus tertgg sebayak 6 kasus d Kota Semarag da teredah sebayak 3 kasus d Kota egal B Pemerkasaa Korelas da Multkoleartas ahu Pemerksaa hubuga atara varabel respo dega varabel predktor dlakuka terlebh dahulu sebelum melakuka pemodela dega regres Posso Iverse Gaussa (PIG) Berdasarka abel dapat dlhat jka varabel yag berpegaruh dega varabel respo adalah X 4 da X 5, amu dkareaka varabel yag la secara teor mempegaruh respo maka varabel yag la tetap dguaka dalam peelta Selajutya deteks multkoleartas dlakuka dega melhat la VIF abel Koefse Korelas Varabel Respo da Varabel Predktor Korelas Y X X X 3 X 4 X 5 X 6 X -,,997 X -,88 -,69,64, X 3 -,37 -,4,766,834,, X 4 -,35 -,467,77,78,66,4,, X 5 -,46 -,336,596,78,85,5,48,,, X 6 -,9 -,565,799,86,84,767,86,,,,, X 7,84 -,53,63,395,35,3,574,9,,,9,57,48, Nla VIF dar varabel predktor dapat dlhat pada abel 3 abel 3 Koefse Korelas Varabel Respo da Varabel Predktor Varabel VIF X,5 X 5,743 X 3 4, X 4 6,9 X 5 5,6 X 6 7,73 X 7,795 Pada abel 3 dapat dlhat bahwa tdak terjad kasus multko, dkareaka la VIF tdak ada yag melebh la C Overdspers Pada peelta duj apakah megalam overdsspers atau tdak dega hpotess sebaga berkut: H : var( Y ) H : var( Y ) = + a g() Dega megguaka package AER pada software R, dperoleh la a = 5, da p-value sebesar,79 lebh kecl dar tgkat sgfkas % sehgga tolak H yag dapat dsmpulka bahwa varas tdak sama dega rata-rata da berart bahwa data tersebut megalam overdspers D Pemodela Regres Posso Iverse Gaussa Berdasarka tujuh varabel yag sgfka pada model regres PIG,meghaslka empat kombas kemugka model regres PIG yag sudah koverge, kemuda dcar model terbakya Berkut merupaka empat kemugka model PIG adalah sebaga berkut e e e e x x x x x x x x x x x x x x x x x x x x x x

5 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: (3-98X Prt) D-48 Berkut merupaka estmas parameter dar model-model yag mugk mejad model terbak dalam regres PIG yag dtujukka pada abel 4 sebaga berkut abel 4 Estmas Parameter Kemugka Model Regres PIG Varabel dar Model β β β β 3 X,X,X 3,X 4,X 5,X 6,X 7,74 -,6 -,3,39 X,X 3,X 4,X 5,X 6,X 7,765 -,8,395 X,X 3,X 5,X 6,X 7,847 -,7,386 X 3,X 5,X 6,X 7,69,385 Varabel dar Model X,X,X 3,X 4,X 5,X 6, X 7 abel 4 (Lajuta) β 4 β 5 β 6 β 7 τ -,3 -, -,,45 -,36 X,X 3,X 4,X 5,X 6,X 7 -,5 -,9 -,,457 -,34 X,X 3,X 5,X 6,X 7 -,3 -,,45 -,34 X 3,X 5,X 6,X 7 -,3 -,,466 -,36 Lagkah selajutya setelah ddapatka la estmas dar masg-masg perkraa model yag dtamplka pada abel 4 adalah peguja hpotess utuk regres Posso Iverse Gaussa E Peguja Hpotess - Peguja Parameter Secara Seretak Peguja parameter secara seretak dlakuka pada kemugka model yag sesua dega model regres Posso Iverse Gaussa Peguja parameter secara seretak dapat dlhat dar la statstk G dega hpotess sebaga berkut H : H : palg sedkt ada dega =,, K,7 =, abel 5 Peguja Parameter Regres PIG Secara Seretak Varabel dar Model Statstk G v (, v) Keputusa X,X,X 3,X 4,X 5,X 6,X 7 99, ,74 olak H X,X 3,X 4,X 5,X 6,X 7 99, ,96 olak H X,X 3,X 5,X 6,X 7 99, ,87 olak H X 3,X 5,X 6,X 7 99, ,456 olak H abel 5 meujukka bahwa dar semua kemugka model, ddapatka hasl statstk G lebh dar maka (, v) keputusaya adalah tolak H, yag berart mmal terdapat satu parameter yag berpegaruh sgfka terhadap model Utuk megetahu varabel predktor yag berpegaruh sgfka terhadap model, maka dlajutka pada peguja parameter secara dvdu - Peguja Parameter Secara Idvdu Peguja parameter secara dvdu dguaka utuk mecar varabel predktor yag berpegaruh sgfka terhadap jumlah kasus baru HIV d Provs Jawa egah dega hpotess sebaga berkut - Parameter β H : H : =, - Parameter τ H : H :, Peguja parameter secara dvdu dapat dlhat pada abel 6 sebaga berkut abel 6 Peguja Parameter Regres PIG Secara Idvdu Varabel dar Model Parameter Sgfka X,X,X 3,X 4,X 5,X 6,X 7 β 3,β 6,β 7,τ X,X 3,X 4,X 5,X 6,X 7 β 3,β 6,β 7,τ X,X 3,X 5,X 6,X 7 β 3, β 5, β 6,β 7,τ X 3,X 5,X 6,X 7 β 3, β 5, β 6,β 7,τ abel 6 meujukka bahwa model dega parameter yag sgfka adalah model yag memeuh daerah krts atau memlk p-value kurag dar taraf sgfkas yatu α=, sehgga keputusa tolak H yag berart parameter β berpegaruh sgfka terhadap model atau dega melhat z yag dbadgka dega z /,64 la htug F Pemlha Model erbak Metode backward elmato dlakuka berdasarka la Akake Iformato Crtero (AIC) Pada pemodela regres posso verse gaussa ddapatka la AIC d bawah abel 7 Nla AIC dar Model Regres PIG Model AIC X,X,X 3,X 4,X 5,X 6,X 7 37,5 X,X 3,X 4,X 5,X 6,X 7 35,5 X,X 3,X 5,X 6,X 7 33,4 X 3,X 5,X 6,X 7 3,3 Pada abel 6 terlhat bahwa la AIC yag palg kecl yatu model yag megadug varabel X 3, X 5, X 6, da X 7 Sehgga model yag dguaka adalah model ke 4 Berdasarka model tersebut, dega megguaka package gamlss yag terseda pada software R ddapatka hasl yag dsajka pada abel 8 abel 8 Peaksra Parameter Model Regres PIG pada Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Parameter aksra Stadard Error Z Htug P-value β,69965,78847,35,778 β 3,385849,88 3,569,7* β 5 -,36,64 -,983,5695* β 6 -,85,778-3,3,546* β 7,466977,57,,3584* τ -,36,379-4,74,89* *) Sgfka dega taraf sgfka α =,

6 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: (3-98X Prt) D-49 Berdasarka abel 8 Hasl dar peaksra parameter dperoleh model regres PIG sebaga berkut dmaa a, b, c, 365 d, 858 e, exp a bx cx dx ex Berdasarka model d atas, maka dapat dterpretaska sebaga berkut Setap peambaha perse varabel X 3 maka aka megkatka rata-rata varabel respo Y sebesar exp(,385849)=,4786 kal dar rata-rata varabel respo semula bla varabel la tetap Jka peguraga perse varabel X 3 aka meuruka rata-rata varabel respo sebesar exp(-,385849)=, kal erlhat bahwa kasus keaka HIV dega keaka peggua kodom sejala, hal memperlhatka juga bahwa pederta HIV telah megguaka kodom pada saat terkea HIV agar tdak tertular pada pasaga Dmugkka hal tersebut dlakuka atas sara dokter, karea tujua dar pasaga usa subur megguaka kodom sebearya utuk tujua kelahra Fluktuas yag terjad merupaka akbat dar elaststas μ Oleh karea alasa tersebut maka terpretas pada model tdak dapat dlhat sebaga sebab akbat Setap peambaha perse dar varabel X 5 maka aka megkatka rata-rata varabel respo Y sebesar exp(-,365) =,7943 kal dar rata-rata varabel respo semula bla varabel la tetap Dega kata la, peambaha raso persetase fasltas kesehata maka aka sebadg dega peurua rata-rata jumlah kasus baru HIV sebesar,7943 kal dar rata-rataya semula bla varabel la tetap Setap peambaha perse varabel X 6 maka aka melpatgadaka rata-rata varabel respo Y sebesar exp(-,858)=,97838 kal dar rata-rata varabel respo semula bla varabel la tetap Dega kata la, peambaha perse dar persetase daerah perkotaa aka sebadg dega peurua rata-rata jumlah kasus baru HIV sebesar,97838 kal dar rata-rataya semula bla varabel la tetap Setap peambaha perse varabel X7 maka aka melpatgadaka rata-rata varabel respo Y sebesar exp(,466977)=, kal dar rata-rata varabel respo semula bla varabel la tetap Dega kata la, peambaha perse dar persetase peduduk usa 5-34 tahu maka aka sebadg dega keaka rata-rata jumlah kasus baru HIV sebesar, kal dar rata-rataya semula bla varabel la tetap Masalah keterbatasa data yag terseda meyebabka beberapa terpretas dar model yag terbetuk tdak sesua dega teor yag berlaku tetag HIV, sehgga terpretas tersebut tdak dapat dlhat sebaga hubuga sebab akbat Data jumlah kasus baru HIV yag dguaka dalam peelta merupaka data yag berasal dar hasl lapora klkklk VC d Provs Jawa egah dmaa pase datag secara sukarela utuk memerksaka dr ke klk tersebut V KESIMPULAN Berdasarka hasl aalss yag dlakuka dsmpulka bahwa pada tahu 5 jumlah kasus baru HIV d Provs Jawa egah megalam pegkata sebesar 5 kasus dbadgka tahu sebelumya Jumlah kasus baru HIV tertgg adalah d Kota Semarag Setelah dlakuka uj overdspers pada data jumlah kasus baru HIV d Provs Jawa egah tahu 5 dyataka bahwa data megalam overdspers Oleh karea tu peelta dega megguaka metode Regres Posso Iverse Gaussa dapat dlakuka Model regres Posso Iverse Gaussa (PIG) yag terbetuk adalah model regres dega varabel-varabel predktor yag sgfka yatu persetase PUS yag megguaka kodom (X 3 ), raso fasltas kesehata (X 5 ), persetase daerah perkotaa (X 6 ), da persetase peduduk usa 5-34 tahu (X 7 ) Berkut model Regres Posso Iverse Gaussa yag terbetuk: dmaa a, b, c, 365 d, 858 e, exp a bx cx dx ex DAFAR PUSAKA [] UNAIDS (6) Global AIDS Update 6 Geeva: WHO [] CDC (6) HIV/AIDS aggal Akses: 5 Oktober 6 [3] Das Kesehata Provs Jawa egah (5) Data Saku Kesehata Provs Jawa egah ahu 5 Semarag: Dkes Jateg [4] Cosul, PC da Famoye, F (99) Geeralzed Posso Regresso Model, Commocato Statstcs heory ad Methods Vol, No, hal 89-9 [5] Wdar, S M (6) Peaksra Parameter Da Statstk Uj Dalam Model Regres Posso Iverse Gaussa (PIG) Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa mur ahu 3 ess Mahasswa Jurusa Statstka Isttut ekolog Sepuluh Nopember Surabaya [6] Camero, A C Da rved, P K (99) Regresso-Based est For Overdsperso I he Posso Model, Joural of Ecoometrcs, Vol 46, No, hal [7] Puramasar, I (6) Peaksra Parameter Da Statstk Uj Dalam Model Regres Geographcally Weghted Posso Iverse Gaussa ess Mahasswa Jurusa Statstka Isttut ekolog Sepuluh Nopember Surabaya [8] Wdar, S M (6) Peaksra Parameter Da Statstk Uj Dalam Model Regres Posso Iverse Gaussa (PIG) Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa mur ahu 3 ess Mahasswa Jurusa Statstka Isttut ekolog Sepuluh Nopember Surabaya [9] Draper, N da Smth, H (99)Aalss Regres erapa Jakarta: Grameda [] Setawa, da Kusr, D E () Ekoometrka Yogyakarta:CV Ad Offset [] Akake, H (978) A Bayesa Aalyss of he Mmum AIC Procedure Aals of the Isttute of Statstcal Mathematcs, Part A Hal 94http://wwwsmacjp /edtsec/asm/pdf/ aggal Akses: Oktober 6 [] Das Kesehata Provs Jawa egah (3) Profl Kesehata Provs Jawa egah ahu 3 Semarag: Dkes Jateg [3] BPS Jateg (6) Statstk Sosal da Kepeduduka Jawa egah Hasl Suseas 5 Semarag: BPS Jateg

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

X a, TINJAUAN PUSTAKA

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION) PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

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

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

Lebih terperinci

REGRESI LINIER SEDERHANA

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

Statistika ITS Surabaya

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

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

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

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

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOTOR MENGGUNAKAN MODEL REGRESI ZERO-INFLATED

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOTOR MENGGUNAKAN MODEL REGRESI ZERO-INFLATED Aalss Faktor-Faktor (Muhammad aufa) ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOOR MENGGUNAKAN MODEL REGRESI ZERO-INFLAED POISSON (Stud Kasus d P. Asuras Sar Mas Cabag

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

PENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION

PENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION ESIS SS450 PENAKSIRAN PARAMEER DAN PENGUJIAN HIPOESIS MIXED GEOGRAPHICALLY WEIGHED BIVARIAE GENERALIZED POISSON REGRESSION (Stud Kasus: Jumlah Kemata Ibu da Bay d Provs Jaa mur ahu 05) ANNISA AYU UAMI

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

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

Lebih terperinci

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

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

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

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

Estimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression

Estimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci