Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized-Splines
|
|
- Herman Oesman
- 6 tahun lalu
- Tontonan:
Transkripsi
1
2 Statstka, Vol. 8, No. 1, Unsba Bandung, Me 2008 Parameter Quantle-lke dalam Pendugaan Area Kecl Melalu Pendekatan Penalzed-Splnes Kusman Sadk Departemen Statstka IPB, Bogor Jl. Merant, Kampus IPB Darmaga, Bogor, Abstrak Pada beberapa tahun terakhr n, para statsts mula mengembangkan metodolog yang berkatan dengan pendugaan untuk daerah atau doman surve yang memlk sampel kecl atau bahkan tdak memlk sampel satupun. Data yang dperoleh melalu teknk surve yang tepat akan sangat efektf dan memlk sfat relabltas untuk menduga total atau rataan peubah tertentu. Sfat penduga yang demkan dapat dcapa apabla data sampel dar surve mencakup daerah atau doman yang besar. Msalnya, beberapa surve ekonom yang dlakukan d Indonesa berskala nasonal. Pada surve yang demkan banyaknya sampel rumah tangga untuk tap kecamatan dalam suatu kabupaten sangat kecl (small area). Bahkan bsa terad suatu kecamatan tertentu tdak terplh sebaga daerah surve sehngga sampel rumah tangga dar kecamatan tersebut tdak ada. Persoalannya adalah bagamana menduga parameter, msalnya tngkat kemsknan d level kecamatan tersebut sementara sampelnya sangat kecl. Salah satu metode yang banyak dkembangkan untuk pendugaan area kecl (small area estmaton / SAE) adalah model yang berbass pada generalzed lnear mxed model (GLMM). Beberapa pendekatan lan saat n mula ddskuskan oleh para statsts d duna. Salah satu metode alternatf tersebut adalah pemodelan yang ddasarkan pada kuantl yang dkenal dengan M-quantle P-splnes. Aspek pentng dar metode n adalah adanya sfat tegar (robust) terhadap penclan (outlers) dan bebas sebaran (dstrbuton free). Kata Kunc : drect estmaton, ndrect estmaton, general lnear mxed model (GLMM), emprcal best lnear unbased predcton (EBLUP), M-quantle regresson, robust estmaton, penalzed splnes, teratvely reweghted penalzed least squares (IRPLS). Pendahuluan Surve menad salah satu bagan pentng dar proses pengamblan keputusan yang berbass pada data. Sehngga surve sudah dlakukan bak d lembaga peneltan swasta maupun neger. Bahkan kebakan publk suatu negara sangat dpengaruh oleh datadata hasl surve. Sangat beragam persoalan yang dtemu dalam surve. Namun demkan, ada dua topk utama yang menad perhatan para statsts selama tahun-tahun terakhr n. Topk tersebut menyangkut persoalan pengembangan teknk penarkan sampel (samplng technque) dan pengembangan metodolog pendugaan parameter pupulas (estmaton methods). Basanya statstk dperoleh dar suatu surve yang ddsan untuk memperoleh statstk nasonal. Artnya surve semacam n ddsan untuk nferensa bag daerah (doman) yang luas. Persoalan muncul ketka dar surve sepert n ngn dperoleh
3 nformas untuk area yang lebh kecl, msalnya nformas pada level propns, kabupaten, bahkan mungkn level kecamatan. Statstk area kecl (small area statstc) telah menad perhatan para statsts duna secara sangat serus seak sepuluh tahun terakhr n (msalnya Dol, 1991; Ghosh and Rao, 1994; Chand dan Alexander, 1995; Carln, 1998; dan Rao, 2003). Berbaga metode pendugaan area kecl (small area estmaton) telah dkembangkan khususnya menyangkut metode yang berbass model (model-based area estmaton). Pendugaan langsung umumnya ddasarkan pada teknk penarkan sampelnya (samplng technque). Teknk semacam n telah dkembangkan oleh Cochran (1977), Sewnson dan Wretman (1992), dan Thompson (1997). Metode yang ddasrak pada pemodelan (model-based) uga telah dkembangkan, msalnya sepert yang dlakukan oleh Dorfman dan Royall (2001). Pada pendugaan yang berbass pada rancangan surve (desgn-based), pembobot rancangan w (s) memlk peranan pentng dalam membentuk penduga berbass rancangan Yˆ bag Y. Pembobot n tergantung pada s dan elemen (s). Salah satu bentuk pembobot yang pentng adalah w (s)=1/, dmana = {s:s} p(s), =1, 2,.., N. Apabla tdak nformas penyerta (auxlary nformaton), maka penduga langsung dapat dekspreskan sebaga Yˆ = {s:s} w (s)y. Dalam kasus n, rancangan tdak berbas apabla terpenuh {s:s} p(s)w (s) = 1 untuk =1, 2,, N. Pembobot n merupakan bentuk umum dar penduga Horvtz-Thompson (Cochran, 1977). Pendugaan Area Kecl (Small Area Estmaton) Pendugaan area kecl merupakan konsep terpentng dalam pendugaan parameter secara tdak langsung d suatu area yang relatf kecl dalam persampelan surve (survey samplng). Metode pendugaan area kecl dgunakan untuk menduga karakterstk dar subpopulas (doman yang lebh kecl). Pendugaan langsung (drect estmaton) pada suppopulas tdak memlk press yang memada karena keclnya umlah sampel yang dgunakan untuk memperoleh dugaan tersebut. Alternatf metode lan adalah dengan cara menghubungkan area tersebut dengan area lan melalu model yang tepat. Dengan demkan dugaan tersebut merupakan dugaan tdak langsung (ndrect estmaton), dalam art bahwa dugaan tersebut mencakup data dar doman yang lan. Rao (2003) menyebutkan bahwa prosedur pendugaan area kecl pada dasarnya memanfaatkan kekuatan area sektarnya (neghbourng areas) dan sumber data dluar area yang statstknya ngn dperoleh. Pendugaan tdak langsung dapat menggunakan pendekatan model secara umum. Msalkan dasumskan bahwa = g( Y ) untuk beberapa spesfkas g(.) dhubungkan dengan data penyerta spesfk pada area, z = (z 1,, z p ) T melalu suatu model lnear = z T + b v, = 1,, m dmana b adalah konstanta postf yang dketahu dan adalah vektor berukuran px1. Sedangkan v adalah pengaruh acak (random effects) spesfkas area yang dasumskan bebas dan menyebar dentk (ndependent and dentcally dstrbuted, d) dengan E m (v ) = 0 dan V m (v ) = v 2 ( 0), atau v d (0, v 2 )
4 Pendugaan tdak langsung untuk rataan populas d area kecl, ( Y ), dperlukan nformas mengena penduga langsungnya yatu Yˆ. Dengan menggunakan metode James-Sten akan dperoleh: ˆ g(yˆ ) = + e ˆ z T + b v + e, = 1,, m dmana galat penarkan sampel (samplng error) e adalah bebas dengan E p (e ) = 0 dan V p (e ) =, atau v d (0, v 2 ) General Lnear Mxed Model Rao(2003) mengatkan model-model d atas sebaga bagan dar general lnear mxed model (GLMM) yang menggabungkan antara pengaruh tetap (fxed effects) dan pengaruh acak (random effects) dalam suatu model umum. Datta dan Ghosh (1991) mengemukakan formulas model GLMM sebaga berkut : y P = X P + Z P v + e P Pada model n v dan e P bebas dengan e P N(0, 2 P ) dan v N(0, 2 D()), dmana P adalah matrk defnt postf yang dketahu dan D() adalah matrk defnt postf yang strukturnya dketahu. Sedangkan X P dan Z P adalah matrk rancangan dan Y P adalah vektor N x 1 dar nla y populas. Matrk koragam bag v dan e masngmasng adalah G dan R. Persamaan d atas dapat pula dtuls sebaga berkut: P y X Z e y v y * X * Z * e * dmana bagan yang dtanda astersk (*) menunukkan unt yang tdak tercakup dalam sampel (nonsampled). Vektor untuk total (Y ) pada area kecl adalah berbentuk Ay + m T m T m Cy* dengan A = 1 1n dan C = 1 1N n dmana 1 A u = blockdag(a 1,, A m ). Pada GLMM n dlakukan pendugaan terhadap kombnas lnear dar parameter yatu = 1 T + m T v. Rao (2003) mengemukakan bahwa untuk tertentu yang dketahu maka penduga BLUP (best lnear unbased predcton) bag adalah H ~ = t(, y) = 1 T ~ + m T ~ v = 1 T ~ + m T GZ T V -1 (y - X ~ ) dmana ~ = ~ () = (X T V -1 X) -1 X T V -1 y v~ = v ~ () = GZ T V -1 (y - X ~ ) Model untuk pendugaan tdak langsung, yatu ˆ z T + b v + e, = 1,, m, sebenarnya merupakan kasus khusus dar model GLMM, yatu y = ˆ, X = z T, Z = b dan v = v, e = e, = ( 1,, p ) T sedangkan G = 2 v, R =
5 sehngga V = + v 2 b 2 dan = = z T + b v Apabla persamaan pendugaan tdak langsung dsubsttuskan ke dalam pendugaan GLMM akan dperoleh penduga BLUP bag atau yatu: ~ H = T z ~ + ( ˆ - z T ~ ), dmana = 2 v b 2 /( + 2 v b 2 ), dan ~ = ~ ( v 2 ) = m z z T m vb 1 z ˆ 2 v b 2 M-quantle P-Splnes dalam Pendugaan Area Kecl Chambers dan Tzavds (2006) mengusulkan suatu pendekatan baru untuk pendugaan area kecl ddasarkan pada parameter quantle-lke pada sebaran bersyarat dar peubah yang menad perhatan untuk beberapa kovarat yang dberkan. Model nonparametrk n dmungknkan dapat memberkan keuntungan pentng apabla bentuk fungsonal hubungan antar peubah yang menad perhatan dan kovaratnya adalah tdak lner. Spesfkas yang salah tentang model dapat menyebabkan bas dalam pendugaan parameter area yang kecl. Pengembangan M-quantle dalam pendugaan area kecl merupakan salah satu pendekatan model apabla bentuk fungsonal dar hubungan antar peubah dan kovaratnya tdak dapat dspesfkaskan. Sementara regres Penalzed-splne, serng dkenal sebaga P-splnes, adalah suatu metoda nonparametrk yang akhr-akhr n cukup populer karena fleksbltasnya (lhat Ruppert, Wand, dan Carrol, 2003). P- splnes uga mula ddskuskan sebaga salah satu metode alternatf dalam pendugaan area kecl yang ddasarkan pada model pengaruh campuran/mxed effects models (Opsomer et al., 2005). Gambar 1. Hubungan antar Peubah yang tdak Lner Pada generalzed lnear mxed model mengasumskan bahwa keragaman yang berhubungan dengan sebaran bersyarat bag y ka dketahu vektor kovarat x bsa
6 dnyatakan sebaga struktur hrark yang sebelumnya telah dspesfkaskan. Suatu pendekatan alternatf ke pemodelan keragaman dar sebaran bersyarat n adalah melalu regres lner M-quantle yang tdak tergantung pada struktur hrark data (Chambers dan Tzavds, 2006). Regres M-quantle mengntegraskan konsep regres quantle dan regres expectle d dalam suatu kerangka umum yang ddefnskan oleh suatu generalsas quantle-lke dar regres berdasarkan pada fungs pengaruh. Prates et al. (2006) mengembangkan regres M-quantle untuk suatu kasus dmana hubungan antara peubah yang dmnat (y) dengan peubah kovaratnya (x) tdak lner melalu P-splnes dan dgunakan untuk pendugaan area kecl. Msalkan dgunakan kovarat tunggal yatu x. Suatu model P-splne untuk kuantl bersyarat ke-q bag y apabla dberkan x adalah : q K p p 0 ( q) 1 ( q) x... p ( q) x ( pk ) ( q)( x k ) k1 Q ( x, ) dmana adalah fungs pengaruh yang dspesfkas, (t) p + = t p ka t > 0 dan 0 untuk selannya, p adalah deraat dar splne, dan k untuk k = 1,, K adalah gugus smpul (knots), nla smpul K dplh besar dan pengaruh smpul dletakkan sebaga pembatas bag ukuran koefsen splne. Suatu vers penalzed dar M-penduga general bsa dgunakan untuk memperoleh penduga: n K 2 ( y Qq ( x, )) ( ) ( pk ) 2 1 damana fungs memberkan kontrbus pada masng-masng ssaan pada fungs tuuan, adalah pengganda Lagrange yang mengendalkan taraf pemulusan pada hasl fttng, dan n adalah banyaknya unt sampel. Penduga bag parameter regres nonparametrk model M-quantle bsa dperoleh melalu pemecahan persamaan : n 1 k 1 q ( y xβ) x ( pk ) menggunakan teratvely reweghted penalzed least squares (IRPLS). Penduga rataan untuk area kecl dapat dnyatakan sebaga berkut: 1 ˆ N ˆ n yˆ ( ) ˆ ( ˆ ) ( ( ˆ tdfcd, t y xβ q y xβ q )) N s r n s n n dmana Fˆ ( ) adalah dugaan fungs sebaran kumulatf untuk masng-masng area CD, t kecl, qˆ adalah nla rataan koefsen sampel M-quantle untuk semua unt dalam area, s n dan r dnotaskan sebaga sampel dan non-sampel dalam area, dan N adalah ukuran populas dalam area. Nla y yang tdak teramat untuk unt populas r dpredks menggunakan x ˆ ( ˆ ). β q K k 1 0 Contoh Kasus Sebaga salah satu contoh kasus dgunakan data smulas untuk melhat beberapa karakterstk dar hasl pendugaannya. Pada smulas n dgunakan 20 area ( = 1, 2,, 20), dan masng-masng dulang sebanyak 100 kal. Ddalamnya menggunakan 3 (tga)
7 kovarat. Hasl pendugaan area kecl melalu Generalzed Lnear Mxed Model (GLMM) dan M-quantle P-splne terdapat pada Tabel 1. Tabel 1. Hasl Pendugaan Melalu GLMM dan M-quantle P-splne Nla GLMM M-q P-s Area Sebenarnya ( ) ˆ StdErr ˆ StdErr StdErr : Standard Errror Berdasarkan hasl pada Tabel 1, pendugaan melalu M-quantle P-splne menghaslkan standard error yang lebh kecl dbandngkan dengan pendugaan melalu GLMM. Hal n mungkn dsebabkan karena adanya penclan (outler) pada kovaratnya. Artnya, hasl pendugaan melalu M-quantle P-splne bersfat lebh tegar (robust) dbandngkan GLMM. Kesmpulan Metode pendugaan area kecl (small area estmaton) dapat dgunakan untuk menngkatkan keakuratan pendugaan dengan cara menngkatkan efsens penggunaan
8 sampel melalu fungs hubung (lnk functon) antara penduga langsung dengan pengaruh tetap dan pengaruh acak pada suatu area tertentu. Metode M-quantle P-splne dapat dadkan sebaga salah satu metode alternatf dsampng GLMM, khususnya apabla bentuk fungsonal dar hubungan antar peubah dan kovaratnya tdak dapat dspesfkaskan. Atau hubungannya tdak bersfat lner, sementara dalam GLMM hubungan tersebut dasumskan lner. Pustaka Chambers, R., Tzavds, N. (2006). M-quantle Models for Small Area Estmaton, forthcomng n Bometrka. Rao, J.N.K. (2003). Small Area Estmaton. John Wley & Sons, Inc. New Jersey. Rao, J.N.K., dan Yu, M. (1994). Small Area Estmaton by Combnng Tme Seres and Cross-Sectonal Data. Proceedngs of the Secton on Survey Research Method. Amercan Statstcal Assocaton. Ruppert, R., M. Wand, dan R. Caroll (2003). Semparametrc Regresson. Cambrdge Unversty Press. Swenson, B., dan Wretman., J.H. (1989). The Weghted Regresson Technque foe Estmatng the Varance of Generalzed Regresson Estmator. Bometrka, 76, Thompson, M.E. (1997). Theory of Sample Surveys. London: Chapman and Hall.
REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika
ISBN : 978-979-17979-0-0 Prosdng Semnar Nasonal Mahasswa S3 Matematka REVITALISASI D A N SOSIALISASI DIRI UNTUK BERPERAN AKTIF DALAM PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciMETODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK
METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 009 PERNYATAAN MENGENAI
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama
BAB V Model Bayes Pendugaan Area Kecl untuk Respon Bnomal dan Multnomal Berbass Penarkan Contoh Berpeluang Tdak Sama 5.1. Pendahuluan Pada umumnya pengembangan model SAE dan pendugaannya dlakukan dengan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciPENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP
PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah
Lebih terperinciPENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION
Forum Statstka dan Komputas, Oktoberl 005, p: 1 16 Vol. 10 No. PENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION Kharl A. Notodputro dan Anang Kurna Departemen Statstka FMIPA IPB Abstract
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciREKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA
REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag
BAB IV APLIKASI Pada bagan n akan dbahas bagamana contoh mengestmas parameter model yang dasumskan memlk karaterstk spasal lag sekalgus spasal error. Estmas dlakukan dengan menggunakan software Evews 3
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciPENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER
Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBootstrap Pada Regresi Linear dan Spline Truncated
Statstka, Vol. 8 No. 1, 47 54 Me 2008 Bootstrap Pada Regres Lnear dan Splne runcated Harson Darmaw 1) dan Bambang Wdjanarko Otok 2) 1) enaga Pengajar d Jurusan Matematka UNRI, Pekanbaru e-mal: son_ms@yahoo.co.d
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciRegresi Polinomial local untuk Data Survey Skala Besar
Semnar Nasonal Statstka IX Insttut eknolog Sepuluh Nopember, 7 November 009 Regres Polnomal local untuk Data Survey Skala Besar Stud kasus: Model Pengeluaran Rumah angga berdasarkan Data Susenas Jawa mur
Lebih terperinciANALISIS KOVARIANSI part 2
ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciPERBANDINGAN KUASA UJI PENDEKATAN BIGGERS DAN SATTERTHWAITE- COCHRAN DALAM MENGANALISIS DATA HILANG PADA RANCANGAN KELOMPOK TERACAK LENGKAP
PERBANDINGAN KUASA UJI PENDEKATAN BIGGERS DAN SATTERTHWAITE- COCHRAN DALAM MENGANALISIS DATA HILANG PADA RANCANGAN KELOMPOK TERACAK LENGKAP Achmad Frdaus ), Mustofa Usman ), dan Nett Herawat ) ) Alum Jurusan
Lebih terperinciSeemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar
Vol. 3, o., -5, Jul 6 Seemngl Unrelated Regresson Penderta Penakt DBD RS. Wahdn Sudrohusodo Dan RS. Stella ars akassar A n s a Abstrak Hubungan antar varabel adalah salah satu hal ang selalu menark dalam
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciMODEL BAYES UNTUK PENDUGAAN AREA KECIL DENGAN PENARIKAN CONTOH BERPELUANG TIDAK SAMA PADA KASUS RESPON BINOMIAL DAN MULTINOMIAL
MODEL BAYES UNTUK PENDUGAAN AREA KECIL DENGAN PENARIKAN CONTOH BERPELUANG TIDAK SAMA PADA KASUS RESPON BINOMIAL DAN MULTINOMIAL APLIKASI : PENDUGAAN INDEKS PENDIDIKAN LEVEL KECAMATAN DI JAWA TIMUR AGNES
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciberasal dari pembawa muatan hasil generasi termal, sehingga secara kuat
10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciBAB II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciPenerapan Prosedur Firth untuk Mengatasi Pemisahan (Separation) pada Model Regresi Probit Biner
Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Vol.1, No.1, Jul 017, Hal. 18-134 p-issn: 580-4596; e-issn: 580-460X Halaman 18 Penerapan Prosedur Frth untuk Mengatas Pemsahan (Separaton)
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciPREDIKSI TERBAIK EMPIRIK UNTUK MODEL TRANSFORMASI LOGARITMA DI DALAM PENDUGAAN AREA KECIL DENGAN PENERAPAN PADA DATA SUSENAS ANANG KURNIA
PREDIKSI ERBAIK EMPIRIK UNUK MODEL RANSFORMASI LOGARIMA DI DALAM PENDUGAAN AREA KECIL DENGAN PENERAPAN PADA DAA SUSENAS ANANG KURNIA SEKOLAH PASCASARJANA INSIU PERANIAN BOGOR 009 PERNYAAAAN MENGENAI DISERASI
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP PROPORSI RUMAH TANGGA MISKIN LEVEL KELURAHAN DI KABUPATEN SAMPANG MENGGUNAKAN HIERARCHICAL BAYES (HB) LOGIT NORMAL
PENDUGAAN AREA KECIL TERHADAP PROPORSI RUMAH TANGGA MISKIN LEVEL KELURAHAN DI KABUPATEN SAMPANG MENGGUNAKAN HIERARCHICAL BAYES (HB) LOGIT NORMAL Ika Yun Wulansar 1), Gandh Pawtan ), Neneng Sunengsh 3)
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciTIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN
Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan
Lebih terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
Lebih terperinciAnalisis Regresi 2. Mendeteksi pencilan dan penanganannya
Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinci