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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua Bogor ABSTRAK D Idoesa peyak TuberculossTB mead peyak yag saga megkhawarka karea peyak ersebu dsebabka oleh baker Mycobacerum Tuberculoss da bsa berakba kemaa ada beberapa fakor yag mempegaruh keahaa hdup pedera TB daarya usa es kelam gka peddka saas lgkuga kebasaa merokok da pecahyaa rumah. Peela beruua uuk megeahu fakor-fakor yag mempegaruh keahaa hdup pase TB megguaka aalss survval dega model regres co. Dapa dkeahu bahwa pase yag meala rawa ap d RSPG Csarua Bogor sebaga besar berusa 4-63 ahu berpeddka SD Sekolah Dasar beres kelam lak-lak saas lgkuga yag bak memlk kebasaa merokok da mempuya pecahyaa rumah yag bagus. Daa waku survval berdsrbus 3-parameer webull dega parameer da masg-masg berla da Dar model regres co dapa dsmpulka bahwa fakor yag palg mempegaruh erhadap keahaa hdup pase TB yau saas lgkugaya da pase yag bersaas lgkuga kurag bak aka megkaka fugs hazard sebesar 344 sera memlk resko gagal uuuk beraha hdupya leh gg dbadgka dega pase yag bersaas lgkuga bak. Kaa kuc : Tuberculoss Regres Co 3-Parameer Webuul Aalss Survval Keahaa Hdup Fugs Hazard. Mahasswa Program Sud Maemaka Uversas Pakua Saf Pegaar pada Program Sud Maemaka Uversas Pakua Bogor

2 PENDAHUUAN aar Belakag Tuberculoss TB merupaka peyak feks yag mash mead masalah kesehaa dberbaga belaha dua ermasuk Idoesa. TB adalah salah sau peyak meular yag ka dak medapaka peagaa yag epa bsa membulka keada yag dak dgka seper halya kemaa. Meuru WHO World Healh Orgazao pada ahu 999 d Asa erdapa 45 ua kasus TB dar keseluruha 8 ua. Kasus TB yag dperkraka erdapa d Idoesa sebayak 3 ua yag megalam kemaa karea TB seap ahuya. Geala yag dmbulka aara la gaggua perafasa seper sesak afas bauk sampa berdarah bada ampak kurus kerg da lemah. Pemerah Idoesa elah berupaya megurag umlah pedera TB dega memberka peyuluha erhadap warga d Idoesa. Pemerah Idoesa pu bekerasama dega WHO melaksaaka evaluas bersama yag meghaslka rekomedas perluya melakuka perubaha medasar pada sraeg peaggulaga peyak TB d Idoesa. Jawa Bara sebaga salah sau wlayah dega umlah pedudukya yag pada memlk gka kerawaa yag gg erhadap peyebara peyak daaraya peyebara peyak TB. Wlayah Bogor yag merupaka baga dar provs Jawa Bara memlk poes peyebara acama peyak TB yag cukup megkhawarka. Hal dkareaka Bogor mempuya wlayah yag saga luas erdr dar kawasa dusr da pemukma pedudukya alasa ersebu mead alasa yag saga medukug erhadap perkembaga baker Mycobacerum uberculoss secara cepa da ersrukur. Seseorag yag medera TB keahaa hdupya aka berkurag. ama hdup pase ersebu ergaug pada beberapa fakor. Fakor-fakor ersebu daaraya fakor usa es kelam gka peddka saas lgkuga kebasaa merokok da pecahayaa. Berdasarka laar belakag ersebu peela yag aka dlakuka yau megaalss fakor-fakor yag mempegaruh keahaa hdup pase TB dalam meala rawa ap d R.S Paru Dr. M. Goeawa Parowdgdo. Aalss erhadap keahaa hdup pase TB ersebu dlakuka dega meerapka model regres co. Tuua Peela Tuua yag g dcapa dalam peela yau uuk megeahu fakor-fakor yag palg mempegaruh keahaa hdup pase TB dega model regres co da meghaslka fugs hazard kegagala uuk seap pase. METODOOGI PENEITIAN Daa Daa yag dguaka dalam peela adalah daa sekuder megea waku survval usa es kelam gka peddka sera daa prmer yag megea saas lgkuga kebasaa merokok da pecahayaa rumah dar pase TB yag meala rawa ap d RS Paru Dr. M Goeawa Parowdgdo Csarua pada bula November 5 sampa dega bula Jauar 6. Tahapa Aalss Ragkaa ahapa aalss survval dega model regres co dperlhaka pada dagram alr dbawah

3 Pedugaa Dsrbus Daa Megguaka U Aderso-Darlg Esmas fugs hazard da fugs survval Pembeuka Model Awal Waku Survval Megguaka Regres Co U Sereak Mula Pegumpula Daa Idefkas Varabel Aalss Deskrpf Esmas Parameer U Kelayaka Model Apakah Model ayak? Selesa Ya Ierpreas U Parsal Gambar. Tahapa Aalss. Pegumpula Daa Daa yag dguaka yau berupa daa rekam meds pedera peyak TB.. Idefkas Varabel Pada aha dlakuka defkas varabel-varabel yag aka dlbaka dalam model. Terdapa dua es varabel yag aka dguaka yau: a. Varabel Depede Varabel depede dalam peela yau waku yag dperlua oleh pase uuk beraha hdup dar waku awal aggal masuk pase rawa ap d RSPG Csarua hgga waku akhr Taggal akhr peela yag dlambagka dega huruf T da saua wakuya adalah har. b. Varabel Idepede Tdak Varabel depede yag dguaka yau usa X es kelam X gka peddka X 3 saas lgkuga X 4 kebasaa merokok X 5 da pecahayaa rumah X Aalss Deskrpf Uuk megeahu karakersk pedera peyak uberculoss yag drawa d RS Paru Dr. Goeawa Parowdgdo maka lagkah aalss deskrpf yag dlakuka adalah : a. Membua bar char seap varabel depede uuk megeahu karakersk pase. b. Megaalss karakersk pase berdasarka la persease pada pe char. c. Dlakuka pedugaa dsrbus daa megguka sofware Mab sehgga dapa dkeahu es dsrubus daa waku survval pedera uberculoss. Aalss aalss ersebu sudah ada pada opso meu meu dalam sofware pegolaha daa sask yag serg dguaka. Salah sau program olah daa yag serg dguaka adalah Mab. 4. Esmas fugs hazard da fugs survval Pada ahap dlakuka pedugaa fugs hazard f h da fugs survval F S = - F dega F merupaka fugs kumulaf dar fugs kepadaa peluag suau dsrbus yag aka dadka dasar dalam formulas model. Pedugaa fugs hazard da fugs survval dlakuka dega megku dsrbus yag sudah dperoleh pada ahap sebelumya. Pedugaa dsrbus daa megguaka Aderso-Darlg. Meuru aw da 3

4 Kelo. Sask uya adalah sebaga berku: l F A l F X X Daa dapa dkaaka megku dsrbus ereu apabla la sask Aderso-Darlg pada dsrbus ersebu semak kecl. 5. Dlakuka pedugaa la parameer uuk parameer yag erdapa pada drbus 3 parameer webull. Pedugaa parameer dlakuka megguaka meode Mamum kelhood da meode Newo Raphso. agkah-lagkah uuk meeuka esmaor maksmum dar meuru Wdharh 3 yau: a. Teuka fugs lkelhood... k... ~ X f k b. Beuk log lkelhood l log... X k ~ c. Teuka urua dar l erhadap... k log... k X ~ d. Beuk persamaa lkelhood da selesaka log... k X ~ 6. Pembeuka Model Awal Waku Survval Megguaka Regres Co. Sebelum melakuka pemodela erhadap beberapa fakor yag dduga mempegaruh waku survval pase uberculoss erlebh dahulu dlakuka pegua asums pemodela regres co. Apabla asums pemodela regres co dar fakor-fakor yag elah dduga erpeuh maka fakor-fakor ersebu dapa dmodelka sesua dsrbus daa waku survval yag dperoleh 4 pada ahap 3c. aalss waku survval dlakuka dega meode regres co erhadap keaha hdup pase uberculoss 7. U Kelayaka Model Pada ahap dlakuka u kelayaka model erhadap model regres co yag dperoleh pada ahap sebelumya. a. U Sereak U sereak dguaka uuk megeahu apakah varabel depede yag dguaka pada model berpegaruh sgfka secara bersama-sama. Hpoess: H : β = β = = p = H : palg sedk ada sau dega = p Taraf Sgfka yag dguaka pada peela yau 5% aau α = 5 Sask u: l X R l l l l l l Kepuusa : olak H ka la sask u X R p ; b. U Parsal U Parsal uuk megeahu varabel depede maa yag berpegaruh sgfka erhadap model maka lagkah selauya adalah melakuka u parsal erhadap parameer-parameerya. Hpoess: H : = H : Taraf Sgfka yag dguaka pada peela yau 5% aau α = 5 Sask u: ˆ X W ˆ SE

5 Kepuusa : olak H ka la sask u X W l ; kelam lak-lak da gka peddkaya SD Sekolah Dasar. Apabla model layak maka parameer yag ada dalam model sgfka da bsa dlakuka erpres model sedagka ka model dla dak layak maka proses formulas model perlu dlakuka kembal uuk medapaka model yag palg layak. HASI DAN PEMBAHASAN Aalss Deskrpf Berku adalah umlah frekues seap usa pase yag dkeolmpokka. Tabel. Tabel Frekues Uuk Varabel Usa Kelas ke- Usa Baas Kelas Frekues 9 h - 9 h h - 3 h h - 4 h h - 5 h h - 63 h h - 74 h h - 85 h h - 96 h Toal Berdasarka Tabel dapa dkeahu pase TB yag meala rawa ap d RSPG Csarua Bogor sebaga besar berusa 4-63 ahu dega umlah frekues 5. Gambar. Bar Char Jes Kelam da Tgka Peddka Pase TB Berdasarka Gambar dkeahu bahwa pase TB sebaga besar berses Gambar. Saas lgkuga kebasaa merokok da pecahyaa rumah pae. Berdasarka Gambar dapa dkeahu bahwa pase TB sebaga besar mempuya saas lgkuga yag bak memlk kebasaa merokok da pecahayaa rumah yag bagus. Pedugaa Dsrbus Daa Tabel. Pegua Dsrbus Daa Dsrbus Aderso- Darlg Sgfka Normal Parameer Epoeal 4.83 <. 3-Parameer Webull.576 >.5 Smalles Ereme Value.793 <. arges Ereme Value.6.6 ogsc 3.95 >.5 Tabel. Meuukka bahwa la Aderso-Darlg yag palg kecl erdapa pada dsrbus 3-parameer webull sela u la sgfkaya lebh besar dar la yau >.5. sehgga dapa dkaaka bahwa daa waku survval pase TB berdsrbus 3- parameer webull. Esmas Fugs Hazard da Fugs Survval Daa waku survval pase TB yag berdsrbus 3-parameer webull mempuya fugs dsrbus sebaga berku: 5

6 6 { { } Fugs kumulafya : d d f F ep ep Fugs Survval : F S ep ep Fugs Hazard : S f h ep ep Esmas Parameer Dalam peela fugs lkelhood adalah PDF Probably Dsrbuo Fuco bersama dsrbus 3 parameer webull yag dyaaka dega: f ep ep Fugs lkelhood merupaka fugs ekspoesal sehgga uuk meyederhaaka fugs ersebu dguakaka fugs l-lkelhood yau l l l l l l l Fugs l-lkelhood uuk esmas parameer da merupaka fugs maksmum apabla dpeuh l l da l sehgga l l Ssem persamaa daas merupaka ssem persamaa oler yag sul dlakuka peyelesaa eksakya sehgga dperlukak peyelesaa dega pedekaa umerk salah sauya dega meode ewo-raphso.

7 Pada pela la esmas uuk parameer da dapa dlha pada hasl oupu dar sofware mab sebaga berku: Tabel 3. Nla Parameer uuk Dsrubus 3-Parameer Webull Dsrbuo ocao Shape Scale Threshold Normal* Parameer Epoeal Parameer Webull Smalles Ereme Value arges Ereme Value ogsc Tabel 3 meuukka parameer dega shape parameer beuk scale parameer sakala da Threshold parameer bobo masg-masg berla da Pemodela Waku Survval Megguaka Regres co Model awal Regres Co dar pase ke- dega la parameer yag dhaslka megguaka baua sofware SPSS sebaga berku: Tabel 4. Nla Parameer uuk Seap Varabel. Sep Usa -.8 Jes_Kelam -.95 Tgka_Peddka.39 Saas_gkuga.633 Kebasaa_Merokok.744 Berdasarka Tabel 4 dapa meghaslka model awal sebaga berku: h ep ˆ h 6 3 Dlakuka pegua sereak da pegua parsal erhadap model awal regres co. U sereak dguaka uuk megeahu apakah varabel depede yag dguaka pada model berpegaruh sgfka secara bersamasama. Hpoess: H : Varabel yag dguaka dak berpegaruh secara bersama-sama erhadap model. H : Palg sedk ada sau varabel yag dguaka berpegaruh secara bersama-sama erhadap model. Taraf sgfka yag dguaka pada peela yau 5% aau α = 5 Sask u: X R Nla merupaka la - log lkelhood apa varabel da merupaka la - log lkelhood dega varabel. Nla-la ersebu dapa dlha pada hasl oupu dar SPSS sebaga berku: Tabel 5. Nla - og kelhood Seap agkah uuk Pegua Secara Sereah Terhadap Model Sep - og kelhood a 84.8 b c d e f

8 Kepuusa : olak H ka la sask u X. R p ; Berdasarka sask u secara sereak erhadap model awal dperoleh la sebesar 59. Nla ersebu dbadgka dega la yau 6; la sask u meuukka lebh besar dbadgka dega la 6; maka olak H arya ada palg sedk sau varabel yag berpegaruh erhadap model yag dperoleh. Seelah u dlakuka u parsal erhadap masg-masg varabel. Hpoess: H : = dak berpegaruh erhadap model H : berpegaruh erhadap model Taraf sgfka yag dguaka pada peela yau 5% aau α = 5 Sask u: X X X usa usa ˆ ˆ SE ˆ usa ˆ SE.8.9 X usa.773 Nla sask u pada varabel usa yau.773 perhuga yag sama dlakuka pada varabel-varabel berkuya. Hasl dar perhuga u sask uuk seap varabel dapa dlha pada Tabel 6. usa Tabel 6. Hasl U Parsal Terhadap Model Perama Varabel ˆ SE ˆ Nla Wald Usa Jes Kelam Tgka Peddka Saas gkuga Kebasaa Merokok Pecahayaa Tabel 6 memperlhaka bahwa la sask u yag lebh besar duukka pada varabel saas lgkuga dega la yau da la yag palg kecl duuka pada varabel es kelam dega la.498. Berdasarka kepuusa dar hasl u secara sereak maka ada varabel yag dak berpegaruh secara sgfka erhadap model awal yag dhaslka. Dlakuka meode backward uuk megelmas varabel yag dak sgfka erhadap model. Dega melha la wald yag palg kecl da dbadgka dega la yau ; pada Tabel 3 Varabel es kelam yag memlk la wald erkecl daara varabel laya. Nla wald uuk varabel es kelam lebh kecl dbadgka dega la arya ;.5 varabel es kelam dak memlk pegaruh yag sgfka erhadap model da varabel es kelam dak dguaka pada model selauya. Seelah megeluarka saupersau varabel-varabel yag la sgfkaya lebh dar.5 dega meode elmas backward maka model erbak da esmas parameer yag dperoleh adalah sebaga berku: h ep

9 Nla esmas parameer skala beuk da hreshold uuk seap paseya sama. Dar hasl model regres co ersebu dapa delaska bahwa pase dega saas lgkuga bak memlk resko aha hdup dar peyak TB.37 sebesar e aau sama dega 3.44 kal dar pase yag saas lgkugaya kurag bak da aka megkaka fugs hazard sebesar Pada Gambar 4 aka dperlhaka fugs hazard uuk seap paseya. Gambar 4. Grafk Fugs Hazard Uuk Seap Pase Berdasarka Saas gkugaya Gambar 4 meuukka bahwa pase yag saas lgkugaya kurag bak memlk fugs hazard yag lebh gg dega la kumulaf hazardya sebesar 3 dbadgka dega pase yag saas lgkugaya bak arya pase yag bersaas lgkuga kurag bak memlk resko gagal uuk beraha hdup lebh gg dbadgka dega pase yag berasas lgkuga bak. PENUTUP Kesmpula Kesmpula yag dapa dambl dar hasl aalss da pembahasa pada bab sebelumya adalah Pase pedera TB yag meala rawa ap d Rumah Sak Paru Dr. M Goeawa Parowdgdo pada bula November sampa bula Jauar ahu 4 sebaga besar berusa 4-63 ahu beres kelam lak-lak peddka erakhrya sebaga besar SD Sekolah Dasar pecahaya rumah bagus saas lgkugaya bak da memlk kebasaa merokok. Berdasarka hasl dar model regres co dkeahu bahwa saas lgkuga memlk pegaruh yag palg sgfka erhadap keahaa hdup pase TB dega fugs hazard yag megku asums bahwa daa dsrbus 3-Parameer Webull yag dperoleh dar hasl u Aderso-Darlg da model regres co yag dperoleh dar pembahasa sebelumya meuukka bahwa pase yag memlk saas lgkuga yag bak memlk resko aha hdup dar peyak TB sebesar 3.44 kal dar pase yag memlk saas lgkuga yag kurag bak. Sara Pada peela selauya dsaraka uuk proses pegambla daa seper halya melha secara lagsug keadaa rumah dar pase aau pedera TB ersebu da ada peraa yag kua aara keahaa hdup pase TB dega kebasaa merokok karea bayak dar masyaraka yag megeahu bahwa sebaga besar pedera TB dsebabka oleh fakor kebasaa merokok ka kebasaa merokok dak memlk pegaruh aka membulka asums bahwa merokok dak meyebabka seseorag medera TB. 9

10 DAFTAR PUSTAKA aw A. M. & Kelo D. W.. Smulao Modellg Aalyss 3 h ed.. New York: MacGraw-Hll Wdharh T da Supar. 3. Buku Aar Saska Maemaka II aboraorum Saska Jurusa Maemaka FMIPA UNDIP. Semarag. World Healh Orgazao. Gudeles for preveo of uberculoss healh care facles resource lmed segs. Geeva Swzerlad: WHO.999. hp://whqlbdoc.who./hq/999/ WHOTB99.69.pdf d akses 8 Sepember 5.

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

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

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

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

Lebih terperinci

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

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

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Hidraulika Komputasi

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

Lebih terperinci

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

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

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

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

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

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

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

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

Lebih terperinci

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

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

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

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

Lebih terperinci

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

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

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

Lebih terperinci

BAB 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

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

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

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

Lebih terperinci

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

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

Rancangan Acak Kelompok

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

III. METODE KAJIAN A.

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

Lebih terperinci

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

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Pengukuran Bunga. Modul 1

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

Lebih terperinci

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

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

Lebih terperinci

BAB 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

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

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

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

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

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

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

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

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

Lebih terperinci

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

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

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

Lebih terperinci

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 Regresi untuk Rancangan Percobaan Faktor Tunggal

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

Lebih terperinci

BAB 2 LANDASAN TEORI. 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 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

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

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI. Pemelharaa aau Maeace.. Pegera Pemelharaa Pemelharaa aau dalam slah asgya dsebu maeace adalah kegaa uuk memelhara aau mejaga faslas / eralaa abrk da megadaka erbaka aau eyesuaa /

Lebih terperinci

BAB 3 METODE PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN

Jurnal EKSPONENSIAL Volume 6, Nomor 2, Nopember 2015 ISSN Jural EKSPONENSAL Volume 6, Nomor, Nopember 05 SSN 085789 Aalss Pegedala Persedaa Produk dega Meode Ecoomc Order Quay Mul em Megguaka Algorma Geeka uuk Megefseka Baya Persedaa Hasl Peramala Berbass Expoeal

Lebih terperinci

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive

BAB II LANDASAN TEORI. Total Productive Maintenance mula mula berasal dari pemikiran PM ( Preventive BAB II LANDASAN TEORI 2. Toal Producve maeace (TPM) Toal Producve Maeace mula mula berasal dar pemkra PM ( Preveve Maeace da Produco Maeace), dar Amerka masuk ke Jepag da berkembag mejad suau ssem baru

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

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

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

Lebih terperinci

BAB 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 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

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

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

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

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

*Corresponding Author:

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

Lebih terperinci

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

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

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

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

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

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

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

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE Mara Buar-buar *, Hasra 2, Azskha 2 Mahasswa Progra S Maeaka 2 Dose Jurusa Maeaka Fakulas Maeaka da Ilu Pegeahua Ala Uversas

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) 2337-352 (231-928X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard

Lebih terperinci

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung Peerapa Aalss Survval utuk Meaksr Waktu Bertaha Hdup bag Pederta Peyakt Jatug Oleh : Ya Hedrajaya (me_ye2@yahoo.co.d), Ad Setawa da Haa A. Parhusp Program Stud Matematka, Fakultas Sas da Matematka Uverstas

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

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

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract Esmas Paamee (Ida sa) ESIMASI PARAMEER DISRIBUSI WEIBULL DUA PARAMEER MENGGUNAKAN MEODE BAYES Ida sa Hazhah, Sugo, Ra Rahmawa Mahasswa Juusa Saska FSM Uvesas Dpoegoo Sa Pegaja Juusa Saska FSM UNDIP Absa

Lebih terperinci

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

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

Lebih terperinci

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

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

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