Pemodelan Jumlah Kematian Bayi di Propinsi Jawa Timur dengan Pendekatan Geographically Weighted Poisson Regression Semi Parametric (GWPRS)
|
|
- Vera Sugiarto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Tugas Akhir Pemodelan Jumlah Kematian Bayi di Propinsi Jawa Timur dengan Pendekatan Geographically Weighted Poisson Regression Semi Parametric (GWPRS) Oleh : Dessy Puspa Rani Dosen Pembimbing : Dr. Purhadi, M.Sc JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2010 Surabaya, 07 Juli 2010
2 PENDAHULUAN AKB di Indonesia masih tinggi AKB merupakan indikator yang penting Lambannya Penurunan AKB PENELITIAN TERDAHULU : Ardiyanti (2010), % persalinan Upaya yang dilakukan k dengan bantuan Menurunkan non medis. AKB dengan Mengetahui Listiani (2010), % rata rata Faktor pengeluaran rumah tangga faktornya (dalam rupiah) perbulan. FAKTA 1990 : : : : : 34 Pemodelan GWPR Pemodelan dengan memperhitungkan faktor spasial GWPRS 1
3 PENDAHULUAN Perumusan Masalah Bagaimanamodelterbaik model untukdatajumlahkematian kematian bayi (Infant Mortality Rate) di Propinsi Jawa Timur serta faktor yang berpengaruh secara signifikan. Tujuan Penelitian Mendapatkan Model terbaik dan faktor yang berpengaruh terhadap data jumlah kematian bayi Propinsi Jawa Timur. 2
4 PENDAHULUAN Manfaat Penelitian Mendapatkan faktor yang berpengaruh secara signifikan terhadap jumlah kematian bayi yang masih cukup tinggi serta dapat meningkatkan pemahaman mengenai studi ekologi secara spasial dalam menangani masalah tingginya jumlah kematian bayi. Batasan Masalah Penelitian ini menggunakan Metode GWPRS dengan pembobot yang digunakan adalah pembobot fungsi kernel gauss (Gauss Kernel Function). 3
5 TINJAUAN PUSTAKA Uji Kolinieritas Pendeteksian adanya kasus kolinieritas dapat dilihat sebagai berikut (Hocking, 1996). 1. VIF (Variance Inflation Factors) > 10. Variance Inflation Factors (VIF) dinyatakan dalam : (1) 2. Nilai koefisien korelasi Pearson antar variabel variabel prediktor. 3. Nilai eigen padamatriks korelasi. 4
6 TINJAUAN PUSTAKA Regresi Poisson Suatu bentuk model standar yang digunakan untuk menganalisis data diskrit (count data) dan termasuk dalam model regresi nonlinear (Cameron & Trivedi, 1998). Probabilitas distribusi Poisson dituliskan sebagai berikut (Myers, 1990). μ e μ p ( y ; μ ) = ( y = y 0,1, 2,...) y! (2) Dimana μ adalah mean dari distribusi Poisson. Maka model regresi Poisson dinyatakan sebagai berikut (Myers, 1990). y i ~ Poisson ( μ i ) (3) Dengan : 5
7 TINJAUAN PUSTAKA Estimasi Parameter Model Regresi Poisson Metode Maximum Likelihood Estimation (MLE). Pengujian Parameter Model Regresi Poisson Pengujian parameter model regresi Poisson secara serentak dengan menggunakan metode Maximum Likelihood Ratio Test (MLRT), dinotasikan dengan : L ( ωˆ ) Λ = L ( Ωˆ ) (4) Distribusi Poisson termasuk ke dalam keluarga distribusi eksponensial, sehingga persamaan (4) dapat dinyatakan sebagai berikut. ˆ L( ˆ ω) D( β ) = 2lnΛ= 2ln L( ˆ Ω) Keputusan : Tolak H 0 apabila D( βˆ ) D ˆ merupakan devians model regresi Poisson 2 ( β ) > χ ( α ; n k 1 ) 6
8 TINJAUAN PUSTAKA D( ˆ β ˆ β,, ˆ β, ˆ β, ˆ β ) 1, 2 K j i j+ 1 K k adalah devians yang dihitung tanpa melibatkan ke dalam model Pengujian parameter model regresi Poisson secara parsial adalah sebagai berikut. Λ = L ( ωˆ ) L ( Ωˆ ) Keputusan : Tolak H ˆ ˆ ˆ ˆ ˆ 0 apabila D( β j β1, β 2,..., β j 1, β j+ 1,..., β k ) > χ (α ;1) Hal ini berarti variabel ke j berpengauh D( βˆ secara signifikan terhadap variabel respon pada model (Kleinbaum, ) merupakan 1988). devians model regresi Poisson 2 7
9 TINJAUAN PUSTAKA Geographically Weighted Regression (GWR) Model GWR dapat dituliskan sebagai berikut (Fotheringham & Brudson, 2002). y i p ( u, v ) + β ( u, v ) x ε ; = β + 0 i i k i i ik i k = 1 dengan : : nilai observasi variabel respon ke i (i=1,2,..., n) : nilai observasi variabel prediktor k pada pengamatan ke i : koefisien i regresi : menyatakan titik koordinat (lintang, bujur) lokasi i i=1,2,...,n i = 1, 2, 3,..., n (5) 8
10 TINJAUAN PUSTAKA Estimasi Parameter Model GWR Penaksir parameter model GWR ) β ( 1 T X ) X W ( u v )y T ( u, v ) = X W ( u, v ) i i i i i, i WLS Pengujian Hipotesis H : β ( u, v ) = β, k Uji Kesesuaian Model GWR 0 k i i k = 1,2,..., p (tidak ada perbedaan yang signifikan antara model OLS dan GWR) H 1 : Paling sedikit ada satu β k (u i,v i ) yang berhubungan dengan lokasi (u i,v i (ada perbedaan yang signifikan antara model OLSdan GWR) Statistik uji : F * = SSE SSE 2 2 ( H1 )/[ 1 / δ 2 ] ( H )/ n k 1 0 δ * Keputusan : Tolak H 0 apabila F > F( n k 1) ) 9
11 TINJAUAN PUSTAKA Estimasi Parameter Model GWR Penaksir parameter model GWR ) β ( 1 T X ) X W ( u v )y T ( u, v ) = X W ( u, v ) i i i i i, i WLS Pengujian Hipotesis ( u, v ) 0 H 0 : β k i i = H1 : β k ui, vi 0; k = 1,2,..., Statistik uji : T ( ) p ( u, v ) ˆ β k i, = ˆ σ g kk i Keputusan : Tolak lkh 0 apabila Uji Parameter Model GWR T Hit > t α ; n p
12 TINJAUAN PUSTAKA Geographically Weighted Regression Poisson (GWPR) Model GWPR pada persamaan (3) dapat ditulis sebagai berikut (Nakaya et al., 2005). Dimana : μi = exp βk k ( u,v ) x i i ik (6) 11
13 TINJAUAN PUSTAKA Estimasi Parameter Model GWPR Penaksir parameter model GWPR MLE Pengujian Hipotesis Uji Kesesuaian Model GWPR (tidakadaperbedaan ada yang signifikanantaramodel antara regresi Poisson dan GWPR) Paling sedikit ada satu yang berhubungan dengan lokasi (ada perbedaan yang signifikan antara model regresi poisson dan GWPR) 12
14 TINJAUAN PUSTAKA Pengujian kesesuaian model lgwpr menggunakan perbandingan nilai i devians model regresi Poisson dan Model GWPR. Dimisalkan model regresi Poisson dinyatakan dengan model A dengan derajat bebas dan model GWPR dinyatakan dengan model B dengan derajat bebas. Maka : Keputusan : Tolak H 0 apabila 13
15 TINJAUAN PUSTAKA Pengujian parameter model dlgwpr secara parsial. il ; k=1,2,,p Uji Parameter Model GWPR Statistik uji : t > t α + Keputusan : Tolak H 0 apabila hit 2; n ( p 1) 14
16 TINJAUAN PUSTAKA Pemilihan Pembobot Spasial Bobot spasial ilyang dapatdigunakan antara li lain sebagai iberikut. 1. Fungsi Gauss Kernel 3. Tricube 2. Bisquare 4. Adaptif Bisquare kernel e 15
17 TINJAUAN PUSTAKA Pemilihan Model Terbaik Metode yang digunakan untuk memilih bandwidth optimum Cross Validation (CV) dan pemilihan model terbaik untuk Geographically Weighted Poisson Regression Semi parametric adalah model dengan nilai AIC terkecil. dengan : AIC = D( G) + 2K( G) D (G) = merupakan devians model dengan bandwidth (G). K (G) = jumlah parameter dalam model dengan bandwidth (G) 16
18 TINJAUAN PUSTAKA Kematian Bayi Kematian Beberapa bayi faktor adalah yang kematian sangat mempengaruhi yang terjadi antara tinggi saat rendahnya setelahkematian bayi lahir bayi adalah sampaisebagai bayibelum berikut. berusia tepat satutahun. 1. Faktor Individu, antara lain : Angka. Kematian Tradisi persalinan Bayi (AKB) dengan adalah banyaknya tenaga nonmedis kematian bayi berusia dibawah b. satu Banyaknya tahun, wanita per 1000 yang klhi kelahiran berumah hidup htangga padasatutahun di bawah usia 17 th tahun tertentu. c. Kurangnya kesadaran akan pentingnya pemberian ASI ekslusif d. Tingkat pendidikan wanita Kematian 2. Faktor bayi rumah sangat tangga dipengaruhi antara lain oleh pendapatan kondisi kesehatan dan kekayaan. perumahan dan 3. keadaan Faktor masyarakat sosial ekonomi antara orang lain lingkungan tua (BPS, 2009). dan sistem masyarakat yaitu jumlah tenaga medis di suatu wilayah dan jumlah sarana kesehatan yang tersedia. 17
19 METODOLOGI PENELITIAN Sumber Data BPS Hasil Survei SUSENAS 2007 (AKB) Data Propinsi Jawa Timur 2007 Pada penelitian ini yang dijadikan unit observasi adalah kabupaten/kota di Propinsi Jawa Timur yaitu 38kabupaten/kota. 18
20 METODOLOGI PENELITIAN Variabel Penelitian Tabel 1. Variabel Penelitian No. Nama Variabel Tipe Variabel (1) (2) (3) 1 Y Jumlah kematian bayi pada tiap kabupaten/kota Diskrit Jumlah lhsarana kesehatan (RS dan Puskesmas) pada tiap 2 X 1 kabupaten/kota Jumlah tenaga medis (dokter dan bidan) pada tiap 3 X 2 kabupaten/kota Diskrit Diskrit i Persentase persalinan yang dilakukan dengan bantuan 4 X 3 non medis (dukun bayi) pada tiap kabupaten/kota Kontinu 19
21 METODOLOGI PENELITIAN Tabel 1. Variabel Penelitian (lanjutan) No. Nama Variabel Tipe Variabel (1) (2) (3) 5 X 4 Rata rata usia perkawinan pertama pada tiap kabupaten/kota Rata rata lama sekolah wanita berstatus kawin pada 6 X 5 tiap kabupaten/kota Rata rata jumlah pengeluaran rumah tangga (dalam 7 X 6 rupiah) pada tiap kabupaten/kota Persentase daerah yang berstatus desa pada tiap 8 X 7 kabupaten/kota Kontinu Kontinu Kontinu Kontinu 20
22 METODOLOGI PENELITIAN Tabel 1. Variabel Penelitian (lanjutan) No. Nama Variabel Tipe Variabel (1) (2) (3) 9 X 8 Rata rata lama pemberian ASI eksklusif pada tiap kabupaten/kota Kontinu Persentase rumah tangga yang memilikiairbersih pada 10 X 9 tiap kabupaten/kota Kontinu 11 X 10 Persentase penduduk miskin pada tiap kabupaten/kota Kontinu 12 U Letak astronomi (lintang/ longitude) tiap kabupaten/kota Kontinu 13 V Letak astronomi (bujur/latitude) tiap kabupaten/kota Kontinu 21
23 METODOLOGI PENELITIAN Metode Penelitian Metode penelitian yang digunakan adalah sebagai berikut. 1. Mengkaji penaksir parameter dan pengujian hipotesis model GWPRS. Langkah langkahnya : a. Penaksiran parameter model GWPRS Membuat Fungsi Memaksimalkan IRLS likelihoodnya fungsi likelihood b. Mengkaji prosedur uji hipotesis model GWPRS Pengujian kesesuaian model (goodness of fit). Memformulasikan hypotesis null Menentukan parameter di bawah populasi MLRT Menentukan parameter di bawah H 0 22
24 METODOLOGI PENELITIAN Metode Penelitian Pengujian parameter secara spasial Memformulasikan Menggunakan sifat sifat hipotesis null mengkonstruksi statistik uji T 2. Menganalisis data Jumlah Kematian Bayi di Propinsi Jawa Timur. Langkah-langkahnya : Mendapatkan Model Regresi Global Mendapatkan Model GWPR Menganalisis Model GWPRS Pemilihan Model Terbaik 23
25 ANALISIS DAN PEMBAHASAN Geographically Weighted Regression Poisson Semi parametric (GWPRS) Model GWPR pada persamaan (3) dapat ditulis sebagai berikut (Nakaya et al., 2005). (6) Dimana : 24
26 ANALISIS DAN PEMBAHASAN Estimasi Parameter Model GWPRS Penaksir parameter model GWPRS MLE Dimana : matriks prediktor parametrik yang tidak bergantung pada lokasi, dinotasikan sebagai berikut Matrik pembobot varians yang berhubungan dengan Fisher scoring untuk setiap lokasi i, dinotasikan sebagai berikut 25
27 ANALISIS DAN PEMBAHASAN Dan vektor adjusted dari variabel respon, didefinisikan sebagai berikut. 26
28 ANALISIS DAN PEMBAHASAN Pengujian Hipotesis Pengujian kesesuaian model (Goodness of fit) dilakukan dengan menggunakan metode MLRT pada koefisien parameter secara serentak. Uji Kesesuaian Model GWPRS (tidak ada perbedaan yang signifikan antara model regresi Poisson dan GWPRS) Paling sedikit ada satu yang berhubungan dengan lokasi (ada perbedaan yang signifikan antara model regresi poisson dan GWPRS) Statistika uji : Keputusan : Tolak H 0 apabila 27
29 ANALISIS DAN PEMBAHASAN Pengujian parameter model GWPRS secara parsial. ; k=1,2,,p Uji Parameter Model GWPRS statistik uji Keputusan : Tolak H 0 apabila t > t α + hit 2; n ( p 1) Selanjutnya, untuk mendapatkan model terbaik digunakan kriteria nilai AIC terkecil. AIC = D( G) + 2K( G) 28
30 ANALISIS DAN PEMBAHASAN Analisis Jumlah Kematian Bayi Jawa Timur Statistik ti tik Deskripsi i Tabel 1. Statistik Deskripsi Variabel Mean StDev Min Max Y 21,03 19, X 1 24,58 12, X 2 63,21 37, X 3 15,11 17, X 4 19, X 5 6,756 1, X X 7 55,25 31, X 8 8,956 1, X 9 62,15 12, X 10 15,93 9,
31 ANALISIS DAN PEMBAHASAN Estimasi Model Regresi Poisson Tabel 2. Estimasi Parameter Model Regresi Poisson Parameter Estimasi Standar Error Z_hit 2,9921 0, ,7826* 0,5518 0,0924 5,9707* 0,6893 0,0992 6,9459* 0,0417 0,0499 0,8358 0,0143 0,0765 0,1871 0,2806 0, ,6310* 0,4501 0,0514 8,7420* 0,0417 0,0701 0,5953 *) Parameter yang signifikan pada Sehingga model Regresi Poisson yang dapat dibentuk adalah : 30
32 ANALISIS DAN PEMBAHASAN Uji Kesesuaian Model GWPR Tabel 4. Uji Goodness of Fit Model GWPR Model Devians df Devians/df F hit Model Poisson 567,405 30, ,913 1,0839 Model GWPR 370,689 21,313 17,393 31
33 ANALISIS DAN PEMBAHASAN Uji Parameter Model GWPR Tabel 5. Pengujian Parameter Model GWPR di Kabupaten Pacitan Parameter Estimasi T_hit 2, ,9033* 0,0771 0,6288 0, ,3554 0,4446 5,0828* 0,4164 4,5184* 0,3315 6,6913* 0,5475 7,6483* 0,0741, 0,8249, Sehingga model GWPR di Kabupaten Pacitan yang dapat dibentuk adalah : 32
34 ANALISIS DAN PEMBAHASAN Uji Kesesuaian Model GWPRS Tabel 7. Uji Goodness of Fit Model GWPRS Model Devians df Devians/df F hit Model Poisson 567, ,913 1,0839 Model GWPR 370,689 21,313 17,393 1,087 Model GWPRS 369, ,336 16,551 33
35 ANALISIS DAN PEMBAHASAN Uji Parameter Model GWPRS Tabel 5. Pengujian Parameter Model GWPRS di Kabupaten Pacitan Parameter Estimasi Thit T_hit 2, ,4013* 0,0344 0,2684 0, , ,7224 4,6703* 0,4370 4,3606* 0,3032 6,000* 0,5273 7,6433* 0,0776, 0,8087, Variabel Parametrik Sehingga model GWPRS di Kabupaten Pacitan yang dapat dibentuk adalah : 34
36 ANALISIS DAN PEMBAHASAN Tabel 8. Variabel yang Signifikan Dalam Model GWPRS Tiap Kabupaten/Kota di Propinsi Jawa Timur Kabupaten/Kota Pacitan, Trenggalek, Tulungagung, Nganjuk, Madiun, Kota Madiun Ponorogo, Jombang, Magetan, Ngawi Variabel Non Variabel Parametrik Yang Parametri Yang Signifikan Signifikan X 3, X 6, X 9 X 8 X 2, X 3, X 6, X 9 X 8 Blitar, Kediri, Kota Kediri X 1, X 2, X 3, X 6, X 9 X 8 Ml Malang, Sidoarjo, Mojokerto, Tb Tuban, Lamongan, Gresik, Kota Blitar, Kota Probolinggo, Kota Pasuruan, Kota X 1, X 2, X 3, X 9, X 10 X 8 Mojokerto, Kota Surabaya, Kota Batu Lumajang, Jember X 1, X 2,X 9 X 8 35
37 ANALISIS DAN PEMBAHASAN Tabel 8. Variabel yang Signifikan Dalam Model GWPRS Tiap Kabupaten/Kota di Propinsi Jawa Timur (Lanjutan) Variabel Non Kabupaten/Kota Parametri Yang Signifikan Variabel Parametrik Yang Signifikanifik Banyuwangi, Bondowoso X 1, X 2, X 6, X 9 X 8 Situbondo, Probolinggo, Bangkalan, Sampang, Pamekasan, Sumenep, Kota X 1, X 2, X 6, X 9, X 10 X 8 Malang Pasuruan X 1, X 2, X 3, X 6, X 9, X 10 X 8 Bojonegoro X 1, X 2,X 3,X 9 X 8 36
38 ANALISIS DAN PEMBAHASAN Perbandingan Model Tabel 9. Perbandingan Kesesuaian Model Model Devians AIC Model Regresi Poisson 567, ,404 Model GWPR 370, ,457 Model GWPRS 369, ,685 37
39 Kesimpulan KESIMPULAN DAN SARAN Dari hasil analisis, didapatkan bahwa variabel yang paling berpengaruh secara signifikan pada kasus jumlah kematian bayi di diseluruh kabupaten/kota Propinsi Jawa Timur tahun 2007 adalah variabel jumlah sarana kesehatan (x 1 ), jumlah tenaga medis (x 2 ) dan persentase persalinan yang dilakukan dengan bantuan non medis (x 3 ). Model GWPRS menghasilkan variabel non parametrik dan variabel parametrik. Variabel parametrik adalah variabel rata rata lama pemberian ASI eksklusif (x 8 ) sedangkan sisanya merupaka variabel non parametrik. Model yang lebih baik digunakan untuk menganalisa data jumlah kematian bayi di tiap Kabupaten/Kota di Propinsi Jawa Timur berdasarkan nilai AIC yang terkecil adalah model GWPRS. 38
40 KESIMPULAN DAN SARAN Saran Model GWPRS yang mampu menerangkan karakteristik lokal akan sangat tepat digunakan saat ini imengingat di Indonesia pelaksanaan lk otonomi daerah telah dilakukan. Dalam penelitian lebih lanjut mengenai jumlah kematian bayi di Propinsi Jawa Timur, hendaknya sampel yang digunakan sampai ke level yang lebih kecil, misal kecamatan dan kelurahan sehingga mampu mempertajam analisis spasialnya. il Dan variabel variabel ibl iblyang digunakan hendaknya memasukkan unsur sosial budaya yang bersifat lokal, sehingga hasil akhir analisis diharapkan mampu menerangkan kondisi lokal di daerah tersebut. 39
41 DAFTAR PUSTAKA Badan Pusat Statistika Angka Kematian Bayi, y, Data Statistik Indonesia. indonesia.com. [2 Februari 2010]. Cameron, A.C, dan Trivedi, P.K Regression Analysis of Count Data. Cambridge: CambCambridge University Press. Hocking, R Methods and Application of Linier Models. John Willey & Sons, New York. Kleinbaum, D.G., Kupper, L.L., dan Muller, K.E Applied Regression Analysis and Other Multivariate Methods, second edition. Boston: PWS KENT Publishing Company. Myers, R.H Classical and Modern Regression with Applications, second edition. Boston: PWS KENT Publishing Company. Nakaya T, Fotheringham AS, dan Brudson C. Geographically Weighted Poisson Regression For Disease Association Mapping. Journal of Statistics in Medicine 2005; 24:
42 TERIMA KASIH
ABSTRAK. Kata kunci : regresi Poisson, GWPR, Angka Kematian Bayi (AKB)
PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) DI PROVINSI JAWA TIMUR Septika Tri Ardiyanti 1, Purhadi 2 1 Mahasiswa Jurusan Statistika ITS. 2 Dosen Jurusan
Lebih terperinciOleh : Anindya Frisanty Ikaprillia Dosen Pembimbing : Dr. Purhadi, M.Sc
Oleh : Anindya Frisanty Ikaprillia 1309 100 014 Dosen Pembimbing : Dr. Purhadi, M.Sc Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran Rumusan Masalah Tujuan
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciSEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.
16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI JAWA TIMUR DENGAN GEOGRAPHICALLY WEIGHTED POISSON REGESSION (GWPR)
PEMODELAN JUMLAH KEMATIAN BAYI DI JAWA TIMUR DENGAN GEOGRAPHICALLY WEIGHTED POISSON REGESSION (GWPR) Sisvia Cahya Kurniawati, Kuntoro Departemen Biostatistika dan Kependudukan FKM UNAIR Fakultas Kesehatan
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI
Lebih terperinciPemodelan Jumlah Kematian Ibu di Jawa Timur dengan Geographically Weighted Negative Binomial Regression (GWNBR)
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) ISSN: 337-3539 (301-971 Print) D-18 Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Geographically Weighted Negative Binomial Regression (GWNBR) Eriska
Lebih terperinci(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur.
(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi Buruk di Jawa Timur Ida Mariati Hutabarat 1, Asep Saefuddin 2 1Jurusan Matematika Uncen. 2 Departemen Statistika IPB 1Jl.Kamp Wolker
Lebih terperinciBAB 3 METODE PENELITIAN. disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
BAB 3 METODE PENELITIAN 3.1 Gambaran Umum Objek Wilayah Provinsi Jawa Timur meliputi 29 kabupaten dan 9 kota. Peta wilayah disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinci8/7/2014. Sumber Data
8/7/2014 1 8/7/2014 2 Sumber Data 8/7/2014 3 Variabel Penelitian 8/7/2014 4 Diagram Alir Mendeskripsikan data Analisis Statistika Deskriptif Pemeriksaan Multiko antar Variabel Prediktor Ya Tidak Buang
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN. faktor faktor yang mempengaruhi, model regresi global, model Geographically
BAB 4 ANALISA DAN PEMBAHASAN Pada bab ini dibahas tentang pola penyebaran angka buta huruf (ABH) dan faktor faktor yang mempengaruhi, model regresi global, model Geographically Weighted Regression (GWR),
Lebih terperinciANALISIS ANGKA BUTA HURUF DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION BERBASIS KOMPUTER
ANALISIS ANGKA BUTA HURUF DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION BERBASIS KOMPUTER Andiyono Universitas Bina Nusantara Jl. K.H Syahdan No.9, Palmerah, Jakarta Barat, Indonesia, 11480,
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 94-98 ISSN: 2303-1751 PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinci(R.1) KAJIAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION UNTUK MASALAH DATA SPASIAL DISKRIT
REGRESI 2 (R.1) KAJIAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION UNTUK MASALAH DATA SPASIAL DISKRIT Dani Robini, Budi Nurani R., Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl.
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciJURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.
JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah
Lebih terperinciPEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI
PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI M ARRIE KUNILASARI ELYNA 1, I GUSTI AYU MADE SRINADI 2, MADE SUSILAWATI 3 1,2,3, Jurusan Matematika,
Lebih terperinciAnalisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)
Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari
Lebih terperinciBAB I PENDAHULUAN. Tingkat kesejahteraan suatu negara salah satunya dapat dilihat dari tingkat
BAB I PENDAHULUAN 1.1 Latar Belakang Tingkat kesejahteraan suatu negara salah satunya dapat dilihat dari tingkat kesehatan masyarakat atau derajat kesehatannya. Indikator kesehatan suatu negara dapat dilihat
Lebih terperinciLampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000)
Lampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000) Kabupaten/Kota DAU 2010 PAD 2010 Belanja Daerah 2010 Kab Bangkalan 497.594.900
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciEVALUASI/FEEDBACK KOMDAT PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN
EVALUASI/FEEDBACK PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN MALANG, 1 JUNI 2016 APLIKASI KOMUNIKASI DATA PRIORITAS FEEDBACK KETERISIAN DATA PADA APLIKASI PRIORITAS 3 OVERVIEW KOMUNIKASI DATA
Lebih terperinciSTATISTIK UJI PARSIAL PADA MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (STUDI KASUS JUMLAH KEMATIAN BAYI DI JAWA TIMUR TAHUN 2012)
SAISIK UJI PARSIAL PADA MODEL MIXED GEOGRAPHICALLY WEIGHED REGRESSION (SUDI KASUS JUMLAH KEMAIAN BAYI DI JAWA IMUR AHUN 2012 Mahmuda 1, Sri Harini 2 1 Mahasiswa Jurusan Matematika, Fakultas Sains dan eknologi,
Lebih terperinciRegresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur
1 Regresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur Elvira Pritasari dan Purhadi Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciJumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota
Jumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota TAHUN LAKI-LAKI KOMPOSISI PENDUDUK PEREMPUAN JML TOTAL JIWA % 1 2005 17,639,401
Lebih terperinciS - 13 PEMODELAN SPASIAL KEMISKINAN DENGAN MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DAN FLEXIBLY SHAPED SPATIAL SCAN STATISTIC
S - 13 PEMODELAN SPASIAL KEMISKINAN DENGAN MIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DAN FLEXIBLY SHAPED SPATIAL SCAN STATISTIC (Studi Kasus: Jumlah Rumah Tangga Sangat Miskin di Kabupaten Kulonprogo)
Lebih terperinciSTATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Oleh Veni Freista H. (1308100054) Dosen Pembimbing Dr.rer.pol. Heri Kuswanto JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011 Pendahuluan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab analisis dan pembahasan ini akan jelaskan tentang pola persebaran jumlah penderita kusta dan faktor-faktor yang mempengaruhinya, kemudian dilanjutkan dengan pemodelan
Lebih terperinciRegresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru
Regresi Poisson dan Penerapannya Untuk Memodelkan Hubungan Usia dan Perilaku Merokok Terhadap Jumlah Kematian Penderita Penyakit Kanker Paru-Paru IIN SUNDARI Program Studi Matematika, Fakultas Matematika
Lebih terperinciUniversitas Negeri Malang Kata Kunci: cluster, single linkage, complete linkage, silhouette, pembangunan manusia.
1 PERBANDINGAN JUMLAH KELOMPOK OPTIMAL PADA METODE SINGLE LINKAGE DAN COMPLETE LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE: Studi Kasus pada Data Pembangunan Manusia Jawa Timur Yuli Novita Indriani 1, Abadyo
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciPEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 31-36 ISSN: 2303-1751 PEMODELAN RISIKO PENYAKIT PNEUMONIA PADA BALITA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
Lebih terperinciPEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2
PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Bertoto Eka Firmansyah dan Sutikno Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen Pembimbing, Jurusan Statistika,
Lebih terperinciSeminar Hasil Tugas Akhir
LOGO Seminar Hasil Tugas Akhir Oleh : Efta Dhartikasari Priyana 1312 105 012 Dosen Pebimbing: Dr. Purhadi, M.Sc 8/7/2014 1 8/7/2014 2 Latar Belakang Latar Belakang Perumusan Masalah Ginjal Kronik Stroke
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Print) D-45 Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel Nur Fajriyah
Lebih terperinciPemodelan Faktor Penyebab Kecelakaan Lalu Lintas Berdasarkan Metode Geographically Weighted Regression di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-58 Pemodelan Faktor Penyebab Kecelakaan Lalu Lintas Berdasarkan Metode Geographically Weighted Regression di Jawa Timur Putu
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010 GUBERNUR JAWA TIMUR, Menimbang Mengingat : a. bahwa dalam upaya meningkatkan
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK
ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com
Lebih terperinciREGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN
REGRESI TERBOBOTI GEOGRAFIS DENGANN FUNGSI PEMBOBOT KERNEL GAUSSIAN DAN KERNEL BISQUARE PADA ANGKA HARAPAN HIDUP (Studi Kasus : Angka Harapan Hidup Kabupaten/Kota di Provinsi Jawa Timur) LUKMAN MAULANA
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciBAB II GAMBARAN UMUM INSTANSI. 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur
BAB II GAMBARAN UMUM INSTANSI 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur PT PLN (Persero) Distribusi Jawa Timur merupakan salah satu unit pelaksana induk dibawah PT PLN (Persero) yang merupakan
Lebih terperinciper km 2 LAMPIRAN 1 LUAS JUMLAH WILAYAH JUMLAH KABUPATEN/KOTA (km 2 )
LAMPIRAN 1 LUAS WILAYAH,, DESA/KELURAHAN, PENDUDUK, RUMAH TANGGA, DAN KEPADATAN PENDUDUK MENURUT LUAS RATA-RATA KEPADATAN WILAYAH RUMAH JIWA / RUMAH PENDUDUK DESA KELURAHAN DESA+KEL. PENDUDUK (km 2 ) TANGGA
Lebih terperinciPemodelan dan Pemetaan Pendidikan di Provinsi Jawa Timur Menggunakan Geographically Weighted Regression
Pemodelan dan Pemetaan Pendidikan di Provinsi Jawa Timur Menggunakan Geographically Weighted Regression Danniar Ardhanacitri dan Dr Vita Ratnasari, SSi, MSi Jurusan Statistika, Fakultas MIPA, Institut
Lebih terperinciBAB III METODE PENELITAN. Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur.
BAB III METODE PENELITAN A. Lokasi Penelitian Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur. Pemilihan lokasi ini salah satunya karena Provinsi Jawa Timur menepati urutan pertama
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR
SULVIA MEGASARI 1310 100 037 PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR 1 Sulvia Megasari dan I Nyoman Budiantara Jurusan Statistika, Fakultas Matematika
Lebih terperinciINSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Seminar Hasil Tugas Akhir
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 Seminar Hasil Tugas Akhir 1 PEMODELAN DAN PEMETAAN RATA-RATA USIA KAWIN PERTAMA WANITA DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DI PROVINSI JAWA TIMUR
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017
\ PERATURAN NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017 DENGAN RAHMAT TUHAN YANG MAHA ESA. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan masyarakat khususnya
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PERSETUJUAN PEMBIMBING... ii. HALAMAN PENGESAHAN TUGAS AKHIR... iii. HALAMAN MOTTO... iv. KATA PENGANTAR...
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PERSETUJUAN PEMBIMBING... ii HALAMAN PENGESAHAN TUGAS AKHIR... iii HALAMAN MOTTO... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... x DAFTAR GAMBAR...
Lebih terperinciPEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012
PEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012 OLEH : Drs. MUDJIB AFAN, MARS KEPALA BADAN PERPUSTAKAAN DAN KEARSIPAN PROVINSI JAWA TIMUR DEFINISI : Dalam sistem pemerintahan di Indonesia
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 125 TAHUN 2008
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 125 TAHUN 2008 TENTANG ORGANISASI DAN TATA KERJA UNIT PELAKSANA TEKNIS DINAS PEKERJAAN UMUM BINA MARGA PROVINSI JAWA TIMUR GUBERNUR JAWA TIMUR MENIMBANG
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. Indonesia merupakan salah satu negara berkembang yang memiliki
BAB I PENDAHULUAN A. Latar Belakang Indonesia merupakan salah satu negara berkembang yang memiliki pertumbuhan ekonomi yang terus meningkat dari tahun ketahun. Pertumbuhan ekonomi dapat didefinisikan sebagai
Lebih terperinciPERBANDINGAN BAYESIAN MODEL AVERAGING DAN REGRESI LINIER BERGANDA DALAM MEMPREDIKSI FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN BAYI DI JAWA TIMUR
PERBANDINGAN BAYESIAN MODEL AVERAGING DAN REGRESI LINIER BERGANDA DALAM MEMPREDIKSI FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN BAYI DI JAWA TIMUR Veni Freista H. 1), Dr.rer.pol.Heri Kuswanto 2) 1)
Lebih terperinciABSTRAK. Kata kunci: Gizi Buruk, GWNBR, Flexibly Shaped Spatial Scan Statistic, Kantong Gizi Buruk ABSTRACT
Pemodelan Spasial Balita Gizi Buruk dengan Geographically Weighted Negative Binomial Regression dan Flexibly Shaped Spatial Scan Statistic (Studi Kasus Jumlah Balita Gizi Buruk di Jawa Timur Tahun 2013)
Lebih terperinciBAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinciGrafik Skor Daya Saing Kabupaten/Kota di Jawa Timur
Grafik Skor Daya Saing Kabupaten/Kota di Jawa Timur TOTAL SKOR INPUT 14.802 8.3268.059 7.0847.0216.8916.755 6.5516.258 5.9535.7085.572 5.4675.3035.2425.2185.1375.080 4.7284.4974.3274.318 4.228 3.7823.6313.5613.5553.4883.4733.3813.3733.367
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-285
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) D-285 Analisis Faktor-Faktor Risiko yang Mempengaruhi Jumlah Kasus Malaria di Jawa Timur Tahun 2013 dengan Geographically Weighted
Lebih terperinciKEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016
KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam rangka tercapainya kondisi
Lebih terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015
BPS PROVINSI JAWA TIMUR No. 40/06/35/Th. XIV, 15 Juni 2016 INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015 IPM Jawa Timur Tahun 2015 Pembangunan manusia di Jawa Timur pada tahun 2015 terus mengalami
Lebih terperinci2. JUMLAH USAHA PERTANIAN
BPS PROVINSI JAWA TIMUR No. 61/09/35/Tahun XI, 2 September 2013 HASIL SENSUS PERTANIAN 2013 PROVINSI JAWA TIMUR (ANGKA SEMENTARA) JUMLAH RUMAH TANGGA USAHA PERTANIAN DI PROVINSI JAWA TIMUR TAHUN 2013 SEBANYAK
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciGUBERNUR JAWA TIMUR GUBERNUR JAWA TIMUR,
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 57 TAHUN 2005 TENTANG PENETAPAN DEFINITIF BAGIAN PENERIMAAN PAJAK PENGHASILAN ORANG PRIBADI DALAM NEGERI (PASAL 25/29) DAN PAJAK PENGHASILAN PASAL
Lebih terperinciP E N U T U P P E N U T U P
P E N U T U P 160 Masterplan Pengembangan Kawasan Tanaman Pangan dan Hortikultura P E N U T U P 4.1. Kesimpulan Dasar pengembangan kawasan di Jawa Timur adalah besarnya potensi sumberdaya alam dan potensi
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG PERKIRAAN ALOKASI DANA BAGI HASIL CUKAI HASIL TEMBAKAU KEPADA PROVINSI JAWA TIMUR DAN KABUPATEN/KOTA DI JAWA TIMUR TAHUN ANGGARAN
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta
Lebih terperinciPEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 116 124 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KASUS TETANUS NEONATORUM DENGAN MENGGUNAKAN REGRESI POISSON UNTUK WILAYAH REGIONAL 2
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. No. (06 7-0 (0-98X Print D-6 Pemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Anita Trias Anggraeni
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 Menimbang: a. Bahwa dalam upaya meningkatkan kersejahteraan rakyat khususnya
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016
No. 010/06/3574/Th. IX, 14 Juni 2017 INDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016 IPM Kota Probolinggo Tahun 2016 Pembangunan manusia di Kota Probolinggo pada tahun 2016 terus mengalami
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 5 TAHUN 2005 TENTANG
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 5 TAHUN 2005 TENTANG PENETAPAN SEMENTARA BAGIAN PENERIMAAN PAJAK PENGHASILAN ORANG PRIBADI DALAM NEGERI PASAL 25/29 DAN PAJAK PENGHASILAN PASAL 21
Lebih terperinciOleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si
Oleh : Nita Indah Mayasari - 1305 100 024 Dosen Pembimbing : Dra. Ismaini Zain, M.Si Jawa Timur Angka Rawan Pangan 19,3 % STATUS EKONOMI SOSIAL Rumah Tangga Pedesaan Rumah Tangga Perkotaan Perbedaan pengeluaran
Lebih terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciPEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN 2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION)
PEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN 2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION) Pembimbing : Ir. Sri Pingit Wulandari, MSi Liska Septiana
Lebih terperinciREGRESI SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR YANG BERPENGARUH PADA ANGKA KEMATIAN BAYI DI JAWA TIMUR
REGRESI SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR YANG BERPENGARUH PADA ANGKA KEMATIAN BAYI DI JAWA TIMUR M. Setyo Pramono 1, Nofrisca Berta Aditie 2 dan Sutikno 2 1 Pusat Humaniora, Kebijakan
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 74 82 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN JUMLAH KEMATIAN BAYI DI KOTA PADANG TAHUN 2013 DAN 2014 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciPEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA EM
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 3, No. 1, Januari 2018, pp. 71-78 PEMODELAN INFANT MORTALITY RATE (IMR) DENGAN PENDEKATAN ZERO INFLATED POISSON REGRESSION BERBASIS ALGORITMA
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi Penelitian Lokasi penelitian di Pulau Jawa Provinsi Jawa Timur yang terdiri dari 29 kabupaten dan 9 kota di antaranya dari Kab Pacitan, Kab Ponorogo, Kab Trenggalek,
Lebih terperinciMODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH
MODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH Nungki Fauzi T A N, Isnandar Slamet, Muslich Program Studi
Lebih terperinciDAFTAR ISI JATIM DALAM ANGKA TERKINI TAHUN 2012-2013 TRIWULAN I
DAFTAR ISI JATIM DALAM ANGKA TERKINI TAHUN 2012-2013 TRIWULAN I 1 DERAJAT KESEHATAN (AHH, AKB DAN AKI) 2 STATUS GIZI KURANG DAN GIZI BURUK PADA BALITA 3 JUMLAH RUMAH SAKIT BERDASARKAN KEPEMILIKAN DAN PELAYANAN
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinciSEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si
SEMINAR HASIL TUGAS AKHIR Presented by Rizky Amalia Yulianti 1309 100 076 Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Agenda 1. 2. 3. 4. 5. Pendahuluan Tinjauan Metodelogi Hasil dan Kesimpulan 1.
Lebih terperinciBAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR. Provinsi Jawa Timur membentang antara BT BT dan
BAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR 4. 1 Kondisi Geografis Provinsi Jawa Timur membentang antara 111 0 BT - 114 4 BT dan 7 12 LS - 8 48 LS, dengan ibukota yang terletak di Kota Surabaya. Bagian utara
Lebih terperinciPEMERINTAH PROPINSI JAWA TIMUR PERATURAN DAERAH PROPINSI JAWA TIMUR NOMOR 2 TAHUN 2000 TENTANG
PEMERINTAH PROPINSI JAWA TIMUR PERATURAN DAERAH PROPINSI JAWA TIMUR NOMOR 2 TAHUN 2000 TENTANG PERUBAHAN PERTAMA PERATURAN DAERAH PROPINSI DAERAH TINGKAT I JAWA TIMUR NOMOR 8 TAHUN 1996 TENTANG ORGANISASI
Lebih terperinciAnalisis Indikator Tingkat Kemiskinan di Jawa Timur Menggunakan Regresi Panel
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Print) D-65 Analisis Indikator Tingkat Kemiskinan di Jawa Timur Menggunakan Regresi Panel Almira Qattrunnada Qurratu ain dan Vita Ratnasari Jurusan
Lebih terperinciRINGKASAN PERMOHONAN PERKARA Registrasi Nomor 41/PHPU.D-VI/2008 Tentang Sengketa perselisihan hasil suara pilkada provinsi Jawa Timur
RINGKASAN PERMOHONAN PERKARA Registrasi Nomor 41/PHPU.D-VI/2008 Tentang Sengketa perselisihan hasil suara pilkada provinsi Jawa Timur I. PEMOHON Hj. Khofifah Indar Parawansa dan Mudjiono, selanjutnya disebut
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciPEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL
PEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL Hasriana 1, Raupong 2, Nirwan Ilyas 3 1 Program Studi Statistika FMIPA Universitas Hasanuddin
Lebih terperinciBERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR
BERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR No. 25/04/35/Th. XV, 17 April 2016 INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2016 IPM Jawa Timur Tahun 2016 Pembangunan manusia di Jawa Timur pada
Lebih terperinciFaktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di Jawa Timur dengan Pendekatan Regresi Semiparametrik Spline
Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di Jawa Timur dengan Pendekatan Regresi Semiparametrik Spline Oleh : A. Anggita Tauwakal Retno (303008) Dosen Pembimbing : Prof. Dr. Drs.
Lebih terperinciPemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (017) ISSN: 337-350 (301-98X Print) D-8 Pemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression Ardianto Tanadjaja, Ismaini
Lebih terperinci