JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1"

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas, Dw Edah Kusr, da Dstr Suslagrum Jurusa Statstka, Fakultas MIPA) Isttut Tkolog Spuluh Nopmbr (ITS Jl. Arf Rahma Hakm, Surabaya 6 E-mal: dw_dah@statstka.ts.ac.d Abstrak Surabaya mmlk pots sumbr daya alam yag cukup bsar, khususya d darah pssr. Prhata trhadap pots sosal masyarakat yag mglola sumbr daya alam trsbut scara brklajuta juga dprluka. Nlaya yag sharusya dapat mglola da mmafaatka sumbr daya alam justru mash trpuruk dalam kmska. Wata laya brpra ptg dalam kgata koom rumah tagga laya. Olh kara tu plta dlakuka utuk mgtahu pola hubuga partspas wata dalam koom rumah tagga laya brdasarka faktor-faktor yag mmpgaruh, khususya d Kcamata Bulak, Mulyorjo da Kjra Surabaya. Plta mgguaka rgrs logstk br, dga varabl rspo adalah partspas wata yag trbag mjad str bkrja da tdak bkrja. Hasl aalss dprolh varabl prdktor yag sgfka mmpgaruh partspas wata dalam kgata koom rumah tagga laya adalah usa suam, jumlah aggota kluarga, kods rumah, usa str mkah, pdapata suam, da pgluara kosums. Kata Kuc Rgrs Logstk Br, Partspas Wata Nlaya I. PENDAHULUAN urabaya adalah sbuah kota mtropolta trbsar kdua d SIdosa dga pduduk sbayak jwa. Pduduk Surabaya yag brjs klam lak-lak sbayak.4. jwa da pduduk yag brjs klam wata sbayak..366 jwa []. Praa wata mrupaka salah satu sumbr daya mausa yag prlu dprdayaka scara koom. Prmpua cdrug mdapatka ksulta utuk mmasuk pasar taga krja kara adaya kkhawatra ss budaya bahwa prmpua aka mggalka tugasya shar-har sbaga str da bu rumah tagga []. Kmska yag slalu mjad trad mark bag laya dalam bbrapa hal dapat dbarka dga bbrapa fakta sprt kods pmukma yag kumuh, tgkat pdapata da pddka yag rdah, rtaya mrka trhadap prubaha-prubaha sosal, poltk, da koom yag mlada, da ktdakbrdayaa mrka trhadap trvs pmodal, da pguasa yag datag [3]. Stud partspas wata dalam kgata koom mjad stud ptg, hal dkaraka bayakya wata yag trlbat dalam kgata koom dapat djadka dkator dalam kmajua suatu bagsa [4]. Smak mgkataya praa wata dalam kgata koom dasumska kduduka wata dalam masyarakat smak mgkat pula. Hal juga brlaku d kalaga wata laya. Olh kara tu plta dlakuka utuk mgtahu faktor-faktor yag mmpgaruh partspas wata laya (str) dalam koom rumah tagga da mgtahu pola hubuga partspas wata dalam koom rumah tagga laya brdasarka faktor-faktor yag mmpgaruh, khususya d Kcamata Bulak, Mulyorjo da Kjra Surabaya. Plta dfokuska pada wlayah Bulak, Mulyorjo da Kjra kara ktga kcamata trsbut daggap dapat mwakl kadaa prkaa tagkap d Surabaya dga hasl laut palg bak, saraa prasaraa yag mmada da mwakl alat tagkap yag dguaka olh laya-laya d Surabaya. Mtod yag dguaka adalah aalss dskrptf da rgrs logstk br dga varabl rspo partspas wata laya yag dkatgorka mjad dua katgor, yak wata laya bkrja da tdak bkrja. Mafaat dar plta sla mgtahu sjauh maa partspas wata laya dalam kgata koom rumah tagga laya juga mmbrka sara kpada pmrtah darah utuk mmbrka program maupu kbjaka gua mgkatka ksjahtraa masyarakat pssr. II. TINJAUAN PUSTAKA A. Statstka Dskrptf Statstka dskrptf adalah mtod-mtod yag brkata dga pgumpula da pyaja suatu gugus data shgga mmbrka formas yag brgua. Pyaja data yag dlakuka scara dskrptf msalya dalam btuk tabl, dagram, grafk, srta bsara-bsara laya []. B. Uj Idpds Uj dpds dguaka utuk mgtahu hubuga

2 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- atar varabl. H : Dua varabl yag damat salg bbas H : Dua varabl yag damat tdak salg bbas Statstk uj: χ I J ( oj j ) j j Dmaa: oo la obsrvas/pgamata bars k- kolom k-j la kspktas bars k- kolom k-j dga df (I-)(J-) C. Rgrs Logstk Rgrs logstk mmlk varabl rspo yag brsfat dchotomus (brskala omal atau ordal dga dua katgor) atau polychotomus (brskala omal atau ordal dga lbh dar dua katgor) dga varabl prdktor brsfat kotyu atau katgork [6]. Btuk spsfk dar modl rgrs logstk yag dguaka dyataka pada prsamaa () β+ βx π ( x) () β+ βx + Suatu trasformas dar π ( x) yag mrupaka kaja utama dar rgrs logstk adalah trasformas logt. Trasformas btuk logt π ( x) dyataka pada prsamaa (3). π ( ) ( x) g x l β + βx (3) π ( x) Fugs logt, g(x), lr dalam paramtrya, mugk kotu, da mugk dapat brksar dar - k, brgatug pada ksara x. D. Rgrs Logstk Br Rgrs logstk br mrupaka suatu mtod aalss data yag dguaka utuk mcar hubuga atara varabl rspo (y) yag brsfat br atau dkotomus dga varabl prdktor (x) yag brsfat dkotomus ataupu polkotomus []. Hasl dar varabl rspo y yag dotaska dga y (sukss) da y (gagal). Fugs probabltas dotaska sbaga brkut P(Y x) π(x). Probabltas utuk y adalah PP(YY xx) ππ(xx) da jka y maka PP(YY xx) ππ(xx). E. Estmas Paramtr Modl Rgrs Logstk Paksr Paramtr pada modl rgrs logstk mgguaka mtod Maxmum Lklhood Estmato [] y l y ( β ) π ( x ) ( π ( x ) ) Prsamaa (3) kmuda dtrasformas shgga mghaslka pada prsamaa (4) y y L( β ) l [ π ( x ) ( π ( x ) )] π ( x ) y l + π ( x ) [ π ( x )] l Nla L(β) dmaksmumka yatu dga mdffrsalka L(β) trhadap βj da dsamadgaka ol dprolh prsamaa () p xp( β ) j x j L( β ) j y xj xj p β () j + xp( β j x j) j Maka dprolh hasl sprt prsamaa (6) y x x ˆ( π x ) (6) F. Pguja Estmas Paramtr ) Uj Srtak Uj srtak dlakuka dga tujua mmrksa kbrarta kofs β scara ksluruha atau srtak. Pguja yag dlakuka yatu dga Lklhood Rato Tst. H : β...β k H : palg sdkt ada satu β Statstk uj: (.4) () G - l y y ( ) ˆ π ( ˆ π ) Nla G yag dprolh dbadgka dga la tabl pada dstrbus χ dga (.) drajat bbas v k { y l[ π ( x )] + [ y ] l[ π ( x )]} () (3) (4) ) Uj Parsal Uj parsal dlakuka utuk mguj kofs β scara parsal. Pguja dlakuka dga mgguaka Uj Wald. H : β H : β,,...k Statstk uj: ˆ β W (8) SE( ˆ β ) Nla statstk Wald dbadgka dga la Z tabl G. Uj Kssuaa Modl Utuk mguj kssua modl rgrs logstk, dguaka Goodss of Ft. Hpotss: H : modl ssua H : modl tdak ssua Statstk Uj: Cˆ ( o ' π ) g k k k k ' k π k ( π k ) Statstk Uj Goodss Of Ft dbadgka la statstk la χ α,db H. Odds Raso Itrprtas modl dlakuka utuk mtuka hubuga fugsoal atara varabl prdktor dga varabl rspo da mtuka pgaruh dar stap prubaha varabl prdktor trhadap varabl rspo (Tabl ). Brkut la odds rato utuk y da y. ()

3 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D-3 Rspo (Y) Y Y Tabl. Modl Rgrs Logstk Dkotomus PREDIKTOR () β+ β β ππ() ππ() β + β β ππ() + + β +β ππ() Total Sumbr : Hosmr da Lmshow () y trhadap x adalah π ( ) /[ π ()] y trhadap x adalah π ( ) /[ π ()] + + I. Partspas Wata Nlaya Nlaya murut rujuka [8] adalah orag yag scara aktf mlakuka kgata magkap ka, bak scara lagsug (sprt para pbar da park jarg), maupu scara tdak lagsug (sprt juru mud prahu layar, ahkoda kapal ka brmotor, ahl ms kapal, juru masak kapal pagkap ka) sbaga mata pcahara. It pgrta batasa myataka bahwa laya adalah orag yag krja utamaya adalah magkap ka. Wata laya adalah suatu stlah utuk wata yag hdup d lgkuga kluarga laya sbaga str. Kaum wata d kluarga laya umumya trlbat dalam aktvtas mcar afkah utuk kluargaya. Murut rujuka [], bkrja adalah kgata koom yag dlakuka ssorag dga maksud mmprolh atau mmbatu mmprolh pdapata atau kutuga palg sdkt (satu) jam scara tdak trputus slama smggu yag lalu. Dfs partspas wata dalam kgata koom adalah str laya yag bkrja Dfs bkrja yag dguaka pada plta mgacu pada rujuka []. Sbalkya bag yag tdak brpartspas dalam kgata koom adalah mrka yag tdak bkrja. Stud partspas prmpua dalam kgata koom mjad stud ptg bag plt bak bdag dmograf maupu sosal. J. Plta Ttag Pratspas Wata Nlaya Plta yag dlakuka olh rujuka [] mjlaska bahwa dga mtod aalss rgrs logstk br bvarat, mmodlka partspas koom prmpua dga lapaga krja da jam krja sbaga varabl rspo srta umur, tgkat pddka, darah tmpat tggal, status prkawa, kga bkrja srta status kaggotaa dalam rumah tagga sbaga varabl prdktor. Stlah dlakuka pguja scara bvarat, haya umur, status prkawa da tgkat pddka yag scara brsama-sama mmpgaruh lapaga krja da jam krja. Hasl plta brdasarka rujuka [] myataka bahwa varabl yag mmpgaruh bu rumah tagga d kluarga laya Kabupat Bagkala utuk bkrja adalah tgkat pddka bu, tgkat pddka trtgg aak, jumlah pgluara da ktahaa paga. Rujuka [] myataka bahwa faktor-faktor yag dduga mmpgaruh wata laya utuk bkrja adalah umur wata laya, pddka wata laya, pdapata β laya, jumlah aak, pddka laya, kods rumah. Hasl aalssyag dprolh myataka bahwa faktor-faktor yag brpgaruh adalah umur wata laya, pddka wata laya, pdapata laya, jumlah aak, da kods rumah laya. III. METODOLOGI PENELITIAN A. Sumbr Data Data yag dguaka dalam plta brasal dar data prmr yag dprolh mlalu surv trhadap rumah tagga laya d 3 wlayah kcamata pssr tmur Surabaya, yatu Kcamata Mulyorjo, Bulak da Kjra. Data skudr brasal dar Das Prtaa Kota Surabaya Tahu, pduduk yag brmata pcahara sbaga laya d Kcamata Bulak sbayak 36 rumah tagga, Kcamata Mulyorjo sbayak rumah tagga da Kcamata Kjra sbayak 8 rumah tagga[3]. Ut samplg adalah rumah tagga laya yag ada d lokas plta. B. Dsa Samplg Mtod pgambla sampl yag dguaka adalah Smpl Radom Samplg dga P, (asums propors wata laya yag bkrja tdak dktahu), srta dttapka α, maka Z -α/,6 [4]. Pgguaa mtod Smpl Radom Samplg dkaraka jumlah populas pada dua kcamata brbda atau htrog. Bsarya batas kklrua samplg B yag dtolrr sbsar,6. Brdasarka hasl prhtuga dprolh ukura sampl sbayak 8 rumah tagga dga ukura sampl utuk Kcamata Bulak rumah tagga, Kcamata Mulyorjo 6 rumah tagga, da Kcamata Kjra 3 rumah tagga. C. Varabl Plta Varabl dpd dalam plta adalah partspas str laya dkatgorka mjad str laya bkrja da str laya tdak bkrja (Y) ; jka str laya tdak bkrja ; jka str laya bkrja Varabl Idpd yag dguaka dalam plta adalah usa suam, usa str, pddka suam, pddka str, jumlah aggota rumah tagga, jumlah aak skolah, kods rumah, kpmlka ast, usa str mkah, pdapata suam, pgluara kosums. ) Lagkah Aalss Brkut mrupaka lagkah-lagkah/tahapa-tahapa plta.. Aalss dskrptf trhadap varabl dmograf dga mamplka dagram batag, tabl atau p cart.. Pguja dpds dar tap-tap varabl prdktor trhadap partspas wata laya (Y). 3. Dlakuka uj srtak utuk mgtahu pgaruh varabl prdktor scara brsamaa, mrgrska sluruh varabl prdktor trhadap varabl rspo partspas wata laya (Y).

4 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D-4 4. Dlakuka rgrs logstk parsal atara varabl-varabl prdktor trhadap varabl rspo (Y) utuk mgtahu sgfkas varabl prdktor scara dvdu. Sgfkas varabl prdktor trhadap varabl rspo dlakuka dga uj dvdu.. Pmodla rgrs logstk br dga sluruh varabl prdktor yag sgfka trhadap varabl rspo. 6. Pguja trhadap kssuaa modl yag trbtuk.. Itrprtas modl da odds raso yag trbtuk dar modl yag tlah ssua. IV. PEMBAHASAN A. Aalss Karaktrstk Rumah Tagga Nlaya Hasl aalss mujukka 6,% str laya tdak bkrja atau sbaga bu rumah tagga, sdagka str laya yag bkrja sbayak 34,3% dar ksluruha sampl. Pkrjaa yag palg bayak dlakuka olh str laya adalah mgolah ka hasl tagkapa suam mjad ka olaha yag mmlk la jual lbh tgg dbadg ka sgar basa, pkrjaa yag dlakuka str laya laya adalah mmbuat brbaga js krupuk dar hasl laut, mgumpulka krag-kraga utuk dbuat mjad akssors yag mmlk la gua lbh, mmbuka warug atau brjuala makaa d sktar pata, srta trdapat bbrapa str laya yag bkrja sbaga pmbatu rumah tagga maupu buruh pabrk. Pmbaga usa brdasarka pskolog prkmbaga [] trbag mjad tga masa dwasa, yatu dwasa d pada usa 8-4 tahu, dwasa madya pada usa 4-6 tahu, da lajut usa pada umur 6 tahu katas. Prostas usa suam atau laya trbayak yatu pada masa dwasa madya atara usa 4 hgga 6 tahu sbsar,6%, sdagka prostas usa str laya trbayak adalah dwasa d sbsar 4% dar total sampl. Hasl tabulas slag atara partspas wata laya da usa laya dktahu bahwa str laya yag bkrja dga suam usa 8-4 tahu sbayak 8,%, da str bkrja saat usa suam 4-6 tahu sbayak 3,%. Istr-str laya muggu kdataga laya d pag har, kmuda saat laya tba d pata str-str laya mmbatu dalam pmbrsha da pmlaha ukura da js hasl tagkapa sblum djual pada tgkulak. Sbaga bsar laya da wata laya mmpuh pddka trakhr sbatas SD, prostas laya yag brpddka SD sbsar 6,6% da 3% pddka wata laya tamata SD. Rdahya pddka dkluarga laya dsbabka kuragya ksadara aka ptgya pddka da faktor baya pddka yag mahal. Prostas aggota kluarga pada rumah tagga laya dga jumlah aggotaya 4 sbsar,%. Bayakya jumlah aggota kluarga brkata dga bayakya pdapata maupu pgluara tapa bulaya. Upah Mmum Kota (UMK) Surabaya sbsar Rp.. [6]. Pdapata kpala rumah tagga yag brada dbawah UMK mcapa,3% sdagka str laya yag bkrja dga kods pdapata suam datas UMK sbsar,%. Sbaga bsar pgluara kosums rumah tagga laya tap bulaya sbsar Rp 6.-Rp.. dga prostas 46% dar ksluruha sampl. Pglura kosums rumah tagga brupa kbutuha utuk maka sluruh aggota kluarga tap bulaya. Prostas rumah tagga yag lbh dar Rp.. sbsar,% da kbayaka dga jumlah aggota kluarga lbh dar mpat orag. Brdasarka tabulas slag atara pgluara kosums da partspas wata laya dktahu bahwa prostas str bkrja palg bayak pada saat pgluara Rp 6.-Rp.. yatu sbsar,%. Hal kara pgluara juga dpgaruh jumlah aggota kluarga, smak bayak aggota kluarga maka smak bsar pula pgluara kosums. Kadaa koom rumah tagga juga dapat dlhat dar kpmlka ast da kods rumah. Rumah tagga laya sbaga bsar tlah mmlk ast lgkap, yatu mmlk saraa trasportas, komukas, da hbura. Prostas kluarga yag mmlk ast lgkap sbsar %, sdagka kluarga yag tdak mmlk ast lgkap sbsar 4%. Kods rumah kluarga trbag mjad dua katgor yatu rumah prma da sm prma. Rumah prma adalah rumah yag atapya trbuat dar bto atau gtg, ddg trbuat dar bata atau batako, lata kramk. Rumah sm prma adalah rumah yag tdak mmuh salah satu atau lbh dar krtra rumah prma, sprt atap trbuat dar asbs, ddg sparuh trbuat dar bata da yag la kayu atau bambu, da lata brupa plstra atau sm. Prostas rumah tmpat tggal kluarga yag prma 6,%, hal mujukka sbaga bsar rumah yag dhu kluarga laya sudah layak hu. Prostas rumah yag sm prma sbsar 34,8% mash dhu olh kluarga laya. Wata laya d pssr tmur Surabaya mkah pada usa dbawah tahu yatu sbsar,3%. Brdasarka plta tdak ada str laya yag bkrja formal da mdapatka gaj ttap, hampr dar sluruh str yag bkrja adalah mmbatu suam mgolah hasl tagkapa da brwrausaha. B. Rgrs Logstk Partspas Wata Dalam Ekoom Rumah Tagga Nlaya Aalss rgrs logstk dguaka utuk mgtahu pola hubuga varabl prdktor dga varabl rspo yag brsfat katgor. Brdasarka hasl uj dpds dprolh bahwa varabl yag mmlk hubuga trhadap partspas wata dalam koom rumah tagga laya adalah usa suam ( ), jumlah aak skolah ( 6 ), usa str mkah ( ), da pgluara kosums rumah tagga ( ). Hasl Pguja trhadap kbrarta paramtr β scara srtak dga mgguaka Lklhood Rato Tst dprolh hasl statstk uj G sbsar 8,3, sdagka la Ch-Squar dga alpha % sbsar,6. Hasl pguja Lklhood Rato Tst dprolh kputusa tolak H kara G > χ,; shgga dsmpulka kofs β brart scara srtak atau palg sdkt ada satu varabl prdktor yag sgfka brpgaruh trhadap partspas wata laya.

5 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Tabl Estmas Paramtr Varabl β S.E Wald Df P-Valu Ψ usa_suam 4,3, usa_suam(),6,3 4,6,4*,48 usa_suam(),44,638,48,488,6 jmlh_aggota_kluarga(),4,336,38,44*,63 kods_rumah() -,488,33,,4*,64 usa_kah_str(),,3,8,4*,683 pdapata_suam() -,4,33 4,,43*,4 pgluara_kosums,4,3 pgluara_kosums(),4,4,6,3,4 pgluara_kosums(),,48 6,3,* 3,66 Costat -,,44,,*,34 *) Sgfka pada α % Sdagka brdasarka hasl uj dvdu dktahu bahwa varabl yag mmlk pgaruh sgfka scara dvdu trhadap varabl rspo adalah usa suam ( ) dga katgor 4-6 tahu, pddka str ( 4 ) dga katgor pddka trakhr SMA, jumlah aak skolah ( 6 ) pada kods jumlah aak skolah lbh dar, usa str mkah ( ) datas tahu, da pgluara kosums ( ) yag datas Rp... Slajutya dlakuka pmodla sampa trbtuk modl yag ssua brdasarka varabl-varabl yag sgfka. Scara umum ktdak sgfkaa varabl prdktor yag la dkaraka dstrbus frkus data yag tdak mybar shgga data cdrug homog. Slajutya adalah uj kssuaa modl yag dprolh Ĉ,4 da la χ ( ) α ; db χ,;,6. Bsarya P- Valu yag dhaslka,. Hasl mujukka ˆ χ,; C < da P-Valu > α. Shgga dprolh kputusa trma H. Hal brart modl tlah ssua mjlaska sbrapa bsar pgaruh varabl prdktor trhadap partspas wata laya atau tdak ada prbdaa atara obsrvas dga kmugka hasl prdks modl. Brkut adalah hasl pmodla yag trlhat pada tabl. Brdasarka pmodla mgguaka mtod backward dprolh varabl prdktor yag sgfka adalah usa suam ( ) dga katgor 4-6 tahu da jumlah aggota kluarga ( ) dga jumlah sama dga atau lbh dar mpat, kods rumah ( ) yag trgolog prma, usa str mkah ( ) datas tahu, pdapata suam ( ) datas UMK yatu datas Rp.., da pgluara kosums ( ) yag datas Rp.. trhadap partspas wata laya utuk bkrja. Ast yag dmlk kluarga laya aka mmrluka baya slama pgguaa da prawata, msalka prahu da spda motor mmrluka baha bakar, tv atau rado butuh baya lstrk, da hadpho sbaga saraa komukas juga mghabska baya utuk pmbla pulsa. Bgtu pula hubuga atara kods rumah dga varabl yag la, pada saat pdapata suam jauh lbh tgg dar UMK maka kluarga juga past mmprhatka klayaka rumah yag dhu. Fugs probabltas yag ddapat dar modl logt yag trbtuk adalah sbaga brkut., +,6 () +,4 (),488 () + xp, (),4 () +, () ˆ( π x), +,6 () +,4 (),488 () + + xp, (),4 () +, () Probabltas utuk str laya bkrja dapat dhtug brdasarka fugs probabltas yag brupa P(Y) da P(Y) maka dprolh probabltas sbaga brkut. P(Y),64 P(Y) -,64,33 Brdasarka prhtuga probabltas dprolh pluag str bkrja sbsar,64 pada kods usa suam datara 4-6 tahu, jumlah aggota kluarga 4, kods rumah prma, usa str mkah datas tahu, pdapata suam datas UMK Surabaya, da pgluara kosums kluarga datas Rp... Bgtu pula sbalkya, str laya yag tdak bkrja mmlk pluag sbayak,33. Hasl prhtuga odds raso pada tabl mujukka bahwa pada saat pgluara kosums rumah tagga datas Rp..,- wata laya cdrug bkrja adalah 3,66 kal darpada pgluara kosums rumah tagga dbawah Rp 6.,-. Odds raso pada varabl usa suam dga la odds raso,48. Hal mjlaska bahwa pada saat usa suam sktar 4-6 tahu kcdruga wata laya bkrja sbsar,48 kal dbadgka usa suam 8-4 tahu. Bgtu pula pada saat usa str saat mkah datas tahu mmlk kcdruga wata laya utuk bkrja sbsar,683 kal dbadg usa str mkah dbawah tahu. Wata laya bkrja pada kods rumah prma adalah,64 kal dbadg kods rumah tdak prma. Saat jumlah aggota kluarga >4 kcdruga wata laya bkrja sbsar,63 kal d badg pada saat jumlah aggota kluarga 4. Pada saat jumlah aak bayak, str laya cdrug bkrja kara str laya turut mmbatu kpala kluarga mcar afkah tambaha. Usa str prtama mkah datas tahu cdrug mmbuat wata laya bkrja,683 kal dbadg wata laya mkah dbawah tahu utuk bkrja. Wata yag bkrja mmlk ktrampla trsdr dalam mgolah hasl tagkapa laut, sprt mmbuat krupuk, brbaga macam masaka laut, akssors dar krag laut, bahka bbrapa wata laya mmlk ktarampla dalam mmbuat jarg. Pada saat pdapata suam datas UMK atau datas Rp.. mmlk kcdruga wta utuk bkrja sbsar,4 kal dbadg pdapata suam dbawah UMK. Tlah jlas duraka bahwa pdapata yag rdah atau dbawah UMK aka mdorog aggota kluarga yag tlah dwasa mmbatu mcar afkah tambaha, trutama wata laya tu sdr. Ktpata klasfkas yag dprolh dar modl logstk yag dhaslka sbsar 68,%, shgga modl rgrs logstk sudah cukup bak.

6 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D-6 V. KESIMPULAN Ksmpula yag dprolh dar aalss adalah baga bsar usa laya atara usa 4-6 tahu da usa str brksar 8-4 tahu, pddka suam maupu str laya mayortas tamata SD, jumlah aggota kluarga laya yag lbh dar 4 orag sbar 48,% dga jumlah tagguga aak skolah lbh dar orag sbsar 4,4%. Pdapata laya d pssr tmur Surabaya,3% brada dbawah UMK Surabaya, dga pgluara datas Rp..,-. Brdasarka kods rumah kluarga laya trdapat 34,8% rumah mash sm prma da 4% rumah tagga mmlk ast tdak lgkap. Sla tu, faktor-faktor yag mmpgaruh partspas wata laya dalam kgata koom adalah usa suam, jumlah aggota kluarga, kods, usa str mkah, pdapata suam, da pgluara kosums dga fugs probabltas dar modl logt yag trbtuk adalah sbag brkut.,668 +,6 (),4 (),488 () + xp, (),4 () +, () ˆ( π x),668 +,6 (),4 (),488 () + + xp, (),4 () +, () Brdasarka aalss dprolh pada saat usa suam datara 4-6 tahu, jumlah aggota kluarga 4, kods rumah prma, usa str mkah datas tahu, pdapata suam datas UMK Surabaya, da pgluara kosums kluarga datas Rp.. la probabltas utuk P(Y) atau pluag str bkrja sbsar,64. Bgtu pula sbalkya, utuk P(Y) atau str laya yag tdak bkrja mmlk pluag sbayak,33. [8] Bada Pusat Statstk. Statstk Prkaa Idosa Dalam Agka. Bada Pusat Statstk Idosa, Jakarta, (). [] Bada Pusat Statstk. Kosp Pddka da Rumah Tagga. [O l] Avalabl (Taggal akss Oktobr, 6:6 WIB), (8) [] Sayyda. Aalss Partspas Ekoom Prmpua Dga Mtod Rgrs Logstk Br Bvarat D Provs Jawa Tmur. Tss Jurusa Statstka ITS. Surabaya, (). [] M. Fauz, Faktor-Faktor yag Mmpgaruh Praa Ibu Rumah Tagga Nlaya Trhadap Pmuha Kbutuha rumah Tagga d Kluraha tbul Bagkala dga Mtod Rgrs Logstk Br. Tugas Akhr Jurusa Statstka ITS. Surabaya, (). [] Vlayat, Aalss Statstk Faktor-Faktor yag Brpgaruh trhadap Partspas Wata dalam Kgata Ekoom Rumah Tagga d Pssr tmur Surabaya. Tugas Akhr Jurusa Statstka ITS. Surabaya, (). [3] Das Prtaa, RTP Nlaya Surabaya, Das Prtaa Provs Jawa Tmur,Surabaya, (). [4] M. Schaaffr. Elmtary Survy Samplg, 3 d d. Wadsworth, Ic. USA, (86). [] E. Hurlock, Pskolog Prkmbaga Suatu Pdkata Spajag Rtag Khdupa, Eds Klma. Prbt : Arlagga. Jakarta, (). [6] Bada Pmrta Darah. Upah Mmum Kota Surabaya. [O-l] Avalabl (). UCAPAN TERIMA KASIH Puls I.H. mgucapka trmakash kpada phak Jurusa Statstka ITS, dos pmbmbg, dos pguj yag tlah mmbrka dukuga da batua kpada puls utuk mylsaka plta. Puls I.H. juga myampaka ucapa trmakash kpada tma-tma yag turut mdoaka, mymagat da mmbatu dalam pylsaa plta. DAFTAR PUSTAKA [] Aom. Jumlah Pduduk Surabaya. ( Oktobr, :3 WIB). [] P., Har, Pgaruh Stratg Pymbaga Ataraaktvtas Pkrjaa Da Kluarga Trhadap Ksjahtraa Kluarga Subjktf Pada Prmpua Bkrja D Bogor. Aalss Structural Equato Modllg. Jural Ilmah Kluarga da Kosum. Bogor. Vol., No., () -. [3] Ra. Iva, Stratg Pmbrdayaa Masyarakat Pssr da Laut. Jural Ilmu Ksjahtraa Sosal. Mda Vol. 3, No., (4) 6-8. [4] I. Abdullah, Rproduks Ktmpaga Gdr: Praa Wata dalam Kgata Ekoom dalam Sks da Rproduks Kkuasaa. Tarawag Prss, Yogyakarta, ()3-. [] R.E. Walpol, Pgatar Statstka Eds Ktga. PT Garamda Pustaka Utama. Jakarta, (). [6] A. Ala, Catgorcal Data Aalyss. Nw York : Joh Wly ad Sos. USA, (). [] D.W. Hosmr ad S. Lmshow. Appld Logstc Rgrsso, d d. Nw York : Wly, ( ).

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volum 4, Nomor 4, Tahu 015, Halama 97-936 Ol d: http://joural-s1.udp.ac.d/dx.php/gaussa ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM MENGGUNAKAN MODEL REGRESI

Lebih terperinci

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

Faktor- Faktor yang Mempengaruhi Siswa Usia Wajib Belajar Putus Sekolah (Studi Kasus di Surabaya Utara)

Faktor- Faktor yang Mempengaruhi Siswa Usia Wajib Belajar Putus Sekolah (Studi Kasus di Surabaya Utara) Smar Nasoal Statstka IX Susat Luwh, Mutah Salamah da Wbawat Isttut Tkolog Suluh Nombr, 7 Novmbr 9 Faktor- Faktor ag Mmgaruh Sswa Usa Wab Blaar Putus Skolah Stud Kasus d Surabaa Utara Susat Luwh, Mutah

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Prt) D-140 Faktor-Faktor yag Mmgaruh Pyakt Malara ada Ibu Haml d Provs Nusa Tggara Barat, Nusa Tggara Tmur, Maluku, Maluku Utara, Paua,

Lebih terperinci

BAB I PENDAHULUAN. ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr.

BAB I PENDAHULUAN. ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr. BAB I PENDAHULUAN ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Stud Kasus Pas Kakr Paru RSUD Dr. Sotomo Nama Mahasswa : N matus Solkhah NRP : 35 9 5 Jurusa : Statstka FMIPA-ITS

Lebih terperinci

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner Pgklasfkasa Pyakt Jatug D RSUD Abdul Wahab Sjahra Samarda Dga Mgguaka Rgrs Logstk Br Classfcato of Hart Dsas RSUD Abdul Wahab Sjahra Samarda Usg Bary Logstk Rgrsso Adras Sutato 1, Darah A. Noh, Syarudd

Lebih terperinci

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT (Kasus pada Estmas Huja d Karagploso, Malag) SKRIPSI olh: FARIDA KARUNIAWATI NIM. 0650028 JURUSAN MATEMATIKA FAKULTAS SAIN DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon JURNL SINS DN SENI IS Vol., No., (Spt. ) ISSN: -98X D-4 Prapa Pdkata Gabuga Gry Rlatoal alyss (GR) da Prcpal Compot alyss (PC) Pada Mtod aguch Multrspo Nur prla Rahmada, Soy Suaryo da Muhammad Sahd kbar

Lebih terperinci

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat . Hubuga Dasar rbabltas rbabltas adalah harga prbadga jumlah kjada A yag mugk dapat trjad trhadap jumlah ksluruha kjada yag mugk trjad dalam sbuah prstwa. Cth:. luag utuk mdapatka agka gap dar lmpara sbuah

Lebih terperinci

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM STIMASI RGRSI MODL LOGIT DNGAN MTOD MAKSIMUM LIKLIHOOD SKRIPSI Olh: DINUL WAFA NIM. 5548 JURUSAN MATMATIKA FAKULTAS SAINS DAN TKNOLOGI UNIVRSITAS ISLAM NGRI MAULANA MALIK IBRAHIM MALANG 9 STIMASI RGRSI

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus Jural EKSPONENSIAL Volum 3, Nomor, M 22 ISSN 285-7829 Itrprtas Paramtr dalam Modl Rgrs Logst utu Varabl Bbas Dotomus Paramtr Itrprtato Logstc Rgrsso Modls for Dcotomus Idpdt Varabl Darah A. Noh Program

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Bult Ilmah Mat. Stat. a Trapaya (Bmastr) Volum, No. (3), hal. 5 56. PRBANDINGAN MTOD MAXIMUM LIKLIHOOD STIMATION (ML) DAN MTOD BAYS DALAM PNDUGAAN PARAMTR DISTRIBUSI KSPONNSIAL Dw Nurlala, Daa Kusaar,

Lebih terperinci

Kata kunci : Regresi logistik, Susenas, menikah muda

Kata kunci : Regresi logistik, Susenas, menikah muda ANALISIS REGRESI LOGISTIK BINER PADA FAKTOR-FAKTOR YANG MEMPENGARUHI WANITA MENIKAH MUDA DI PROVINSI JAWA TIMUR Stud Kasus d Kabuat Probolggo, Bodowoso, Stubodo da Sum Aula Imawat, Ar Ksmato Mahasswa S

Lebih terperinci

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function Prsatua ktuars Idosa Dasar-dasar Matmatka suras Jwa 8 Nombr 00 Utuk soal o s/d 3 d bawah, dktahu suatu sural fucto 00 s ( ) utuk 0 00 0 Htuglah F (75) X 0,0 B 0,30 C 0,40 D 0,50 E 0,0 Htuglah f (75) X

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

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES PENGOPTIMUMAN PADA FUNGSI PRODUSI CROPPES NURJANAH G5404008 DEPARTEMEN MATEMATIA FAUTAS MATEMATIA DAN IMU PENGETAHUAN AAM INSTITUT PERTANIAN BOGOR 008 ABSTRACT NURJANAH Optmzato Cropps producto ucto Suprvsd

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

PROSIDING ISBN :

PROSIDING ISBN : PROSIDING ISBN : 978 979 6353 3 METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya

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 LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA Citra Elok Mgahardiyai, da Dstri Susilaigrum Mahasiswa Jurusa Statistika

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

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

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

Lebih terperinci

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila

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

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA Dlta-P: Jural Matmatka da Pddka Matmatka ISSN 89-855X Vol., No., Oktobr 3 ALJABAR LINTASAN LAVITT SDRHANA Ida Kura Walyat Program Stud Pddka Matmatka FKIP Urstas Kharu, Trat mal: adhku@gmal.com ABSTRAK

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

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

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG Sudaro Jurusa Matatka FMIPA UNDIP Jl Prof H Sodarto SH Tbalag Sarag 575 Abstract Coutg probablty a two-tald hypothss dtr lvl of th

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

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

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

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

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

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

Lebih terperinci

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

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 II LANDASAN TEORI

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

Lebih terperinci

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

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

Anggita Dyan Kusumadety¹, Dhinta Darmantoro², Kiki Maulana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom

Anggita Dyan Kusumadety¹, Dhinta Darmantoro², Kiki Maulana³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom ANALISIS BOOSTING PADA DECISION TREE DENGAN STUDI KASUS KLASIFIKASI DAERAH PELANGGAN TELEKOMUNIKASI BERDASAR DATA CALLING DETAIL RECORD (CDR) BOOSTING ANALYSIS IN DECISION TREE WITH CASE STUDY CLASSIFICATION

Lebih terperinci

Analisis Pemodelan berdasarkan karakteristik dinamik

Analisis Pemodelan berdasarkan karakteristik dinamik Aalss Pmdla brdasarka karaktrstk damk DISUSUN OLEH: Dr. Yffry Hadk Putra, ST., M.T Karaktrstk damk suatu sstm atau strum myataka prlaku rsps sstm saat tras (utuk put stp) da prlaku sstm jka mdapatka put

Lebih terperinci

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

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

Lebih terperinci

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

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

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

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB.

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB. 4 tp R= tp + f...(3 tp = tp + fp...(4 Evalua dlakuka dga 2 paag ku da dkum lva yag dbuat khuu utuk plta. Dafta paaga ku uj da dkum lva dapat dlhat pada Lampa 2, dagka Lampa 3 bka dkp da ku uj. Nla all

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

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

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

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

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73 67, 1/ (16), 67-73 STUDI OPARASI IPLEENTASI URIULU PADA PEBELAJARAN ASELERASI DAN PEBELAJARAN REGULER (ajia pada las XI CI+BI IPA da las XI IPA di SAN 1 Padag) Yssi Rifmasari STIP Adzkia Padag Email :

Lebih terperinci

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN

PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 8 PERNYATAAN MENGENAI

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bbrapa tor yag dprlua utu mduug pmbahasa dataraya adalah rgrs lar brgada, mtod uadrat trcl (MKT), pguja asums aalss rgrs, outlr, rgrs robust, ofs dtrmas, bradow pot. A. Rgrs Lar Brgada

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

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

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N TURI Mota Dwya ), N Wahyu Utam, M. Pd. ) Program Stud Pdda Matmata Faultas

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

PENERBITAN IJAZAH UNIVERSITAS RIAU

PENERBITAN IJAZAH UNIVERSITAS RIAU STANDARD OPERASIONAL PROSEDUR (SOP) PENERBITAN IJAZAH UNIVERSITAS RIAU Idas Pmbuaa Taggal Trb Eds I : 1 Dsmbr 2017 Taggal Trb Eds II : - Saus Rvs : 00 Dsusu Olh : Tm BAK UNRI Dprksa da dsuju olh : Kpala

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

Lebih terperinci

Abstract. Keywords: The Selection Of Laptop Brand, Product, Price, Promotion, Multinomial Logistic Regression

Abstract. Keywords: The Selection Of Laptop Brand, Product, Price, Promotion, Multinomial Logistic Regression Aalss Paruh Faqotul Hah ANAISIS PENGARUH STRATEGI BAURAN PEMASARAN TERHADAP PEMIIHAN MEREK APTOP MENGGUNAKAN REGRESI OGISTIK MUTINOMIA Stud Kasus Mahasswa Uvrstas Dpooro Faqotul Hah, Trastut Wuradar, Abdul

Lebih terperinci

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria

BAB II LANDASAN TEORI. kesetimbangan, linearisasi, bilangan reproduksi dasar, analisa kestabilan, kriteria BAB II LANDASAN EORI Pada bab ii aka dibahas tori tori pdukug yag aka diguaka pada bab slajutya, atara lai modl matmatika, modl pidmik SIR klasik, ilai ig, prsamaaa difrsial, sistm prsamaa difrsial, titik

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN Jural EKSPONENSIAL Volum 7, Nomor, Nombr 06 ISSN 085-789 Prbadga Hasl Klasfas Mgguaa Rgrs logst da Aalss Dsrma Kuadrat Pada Kasus Pglasfasa Jurusa D SMA Ngr 8 Samarda Tahu Aara 04/05 Comarso of Classfcato

Lebih terperinci

Statistika ITS Surabaya

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

Lebih terperinci

PEMBAURAN dan PERULANGAN FRAKSIONAL DALAM RANCANGAN PERCOBAAN FAKTORIAL 2 k SKRIPSI

PEMBAURAN dan PERULANGAN FRAKSIONAL DALAM RANCANGAN PERCOBAAN FAKTORIAL 2 k SKRIPSI PEMBAURAN da PERULANGAN FRAKSIONAL DALAM RANCANGAN PERCOBAAN FAKTORIAL k SKRIPSI Dajka tk Mmh Salah Sat Syarat Mmprolh Glar Sarjaa Sas (S.s) Program Std Matmatka Dss olh : C. Btart No Srya NIM : 003409

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

PEMODELAN REGRESI ZERO INFLATED POISSON (APLIKASI PADA DATA PEKERJA SEKS KOMERSIAL DI KLINIK REPRODUKSI PUTAT JAYA SURABAYA) Abstrak

PEMODELAN REGRESI ZERO INFLATED POISSON (APLIKASI PADA DATA PEKERJA SEKS KOMERSIAL DI KLINIK REPRODUKSI PUTAT JAYA SURABAYA) Abstrak Pmodla Rgrs Zro Ilatd Posso... Ala star PEMODEAN REGRESI ZERO INFAED POISSON APIKASI PADA DAA PEKERJA SEKS KOMERSIA DI KINIK REPRODUKSI PUA JAYA SURABAYA Ala star Purhad Madu Rata Jurusa Spl Uvrstas Ad

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

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

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

Lebih terperinci

(1) dengan yi = 0,1. Kata Kunci regresi logistik biner, model logit dan probit, orientasi pasar, usaha kecil menengah, industri produk kulit.

(1) dengan yi = 0,1. Kata Kunci regresi logistik biner, model logit dan probit, orientasi pasar, usaha kecil menengah, industri produk kulit. Prbadga Modl Logt da Probt Utu Mgaalss Fator-Fator yag Mmgaruh Draat Ortas Pasar Usaha Kcl Mgah (Stud Kasus d Stra Idustr Produ Kult d Kabuat Sdoaro Ryo Fbrawa, Luca Ardat da Wbawat Jurusa Statsta, Faultas

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso

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

Model Regresi Logistik pada Kelulusan Ujian Sertifikasi Pengadaan Barang dan Jasa Pemerintah

Model Regresi Logistik pada Kelulusan Ujian Sertifikasi Pengadaan Barang dan Jasa Pemerintah JEKT JURNAL EKONOMI 9 [] : 80 KUANTITATIF - 84 TERAPAN Vol. 9 No. FEBRUARI 06 ISSN : 30-8968 Modl Rrs Lost pada Klulusa Uja Srtfas Padaa Bara da Jasa Pmrtah Ru *) ABSTRAK Modl rrs mrupaa alat utu maalss

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

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di: JURNAL GAUSSIAN, Volum, Nomo, Tahu 0, Halama 35-46 Ol d: http://joual-s.udp.ac.d/d.php/gaussa PEMBANGKITAN SAMPEL RANDOM MENGGUNAKAN ALGORITMA METROPOLIS- HASTINGS Ls Kua Iwat, Moch. Abdul Mukd, Rta Rahmawat

Lebih terperinci

JIIA, VOLUME 3 No. 2, APRIL 2015

JIIA, VOLUME 3 No. 2, APRIL 2015 DETERMINAN KEPUTUSAN PETANI TERHADAP KONVERSI LAHAN SAWAH MENJADI PERMUKIMAN (Determats of Farmers Decso for Rce-Feld Coverso to Housg) Umyat Kulsum, Bustaul Arf, Zaal Abd Jurusa Agrbss, Fakultas Pertaa,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

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

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

Lebih terperinci