e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

Ukuran: px
Mulai penontonan dengan halaman:

Download "e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e"

Transkripsi

1 ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Insttut Tenolog Sepuluh Nopember (ITS Jl. Aref Rahman Ham, Surabaya 6 E-mal: maduratna9@yahoo.com, maduratna9@me.com Abstra Kaner adalah suatu penyat yang dsebaban oleh pertumbuhan sel-sel arngan tubuh yang tda normal. D Indonesa,aner payudara merupaan pembunuh nomor dua bag wanta setelah aner servs. Ada beberapa ens pengobatan pada pasen aner payudara salah satunya yatu emoterap. Kemoterap sendr ada beberapa ens yang basanya dgunaan pada pasen aner payudara yatu Kemoterap Neoauvant, Kemoterap Auvant, dan emoterap Palatf. Adapun ens emoterap yang dlauan pasen aner payudara d Rumah Sat X Surabaya adalah Kemoterap Auvant. Jens Kemoterap yang dgunaan dduga dpengaruh oleh usa, hormon ER, PR, HER, Grade serta stadum. Dan untu mengetahu hubungan antara ens emoterap yang dlauan oleh pasen aner payudara dengan fator-fator dugaan yang berpengaruh dapat menggunaan metode regres logst multnomal. Pemodelan regres logst multnomal secara ndvdu terhadap ens emoterap ddapatan bahwa hanya varabel stadum yang berpengaruh secara sgnfan. Begtu uga pada pemodelan regres logst multnomal secara serenta menunuan bahwa hanya varabel stadum yang berpengaruh terhadap ens emoterap Auvant, sedangan pada ens emoterap Palatf tda ada satupun varabel penduga yang berpengaruh sgnfan. Kata unc : ens emoterap, aner, pasen, regres logst multnomal. I. PENDAHULUAN A. Latar Belaang Kaner adalah suatu penyat yang dsebaban oleh pertumbuhan sel-sel arngan tubuh yang tda normal. Sel-sel aner aan berembang dengan cepat, tda terendal, dan aan terus membelah dr, selanutnya menyusup e arngan setarnya (nvasve dan terus menyebar melalu arngan at, darah, dan menyerang organ-organ pentng serta syaraf tulang belaang (Anonm,. Pengobatan aner sangat tergantung pada ens, loas dan tngat penyebarannya. Kesehatan umum dan preferens pasen uga menad bahan pertmbangan. Ada beberapa ens pengobatan pada pasen aner payudara salah satunya yatu emoterap. Kemoterap adalah penggunaan obat-obatan husus untu mematan selsel aner. Obat-obatan tersebut dapat dberan melalu nes, pl atau srup yang dmnum, dan rm yang dolesan pada ult (Anonm, 9. Adapun ens-ens emoterap yang basanya dgunaan pada aner payudara yatu Kemoterap Neoauvant, Kemoterap Auvant, dan emoterap Palatf. (Azwar,. Untu menentuan seberapa besar peluang seorang pasen menggunaan emoterap untu mencegah maupun membunuh sel aner maa perlu suatu model yang merupaan hubungan dar varabel emoterap dengan beberapa fator emoterap. Salah satu metode untu mengetahu adanya hubungan antara varabel respon dan predtor adalah regres logst, yang merupaan sebuah metode untu mengetahu hubungan antara varabel respon bersfat ategor (nomnal atau ordnal dengan varabel-varabel predtor ontnu maupun ategor (Agrest, 99. II. TINJAUAN PUSTAKA A. Analss Regres Logst Bner (Bnary Logstc Regresson Dalam model statsta dengan dua ategor, dengan varabel respon mengandung unsur suses atau gagal. Data bner n merupaan bentu palng sederhana dar data ategor. Model yang palng serng dgunaan untu data dua ategor adalah regres logst bner (Agrest, 99. B. Model Regres Logst Bner (Dotomos Regres logst merupaan suatu metode regres yang menggambaran hubungan antara suatu varabel respon (dependent dan satu atau lebh varabel predtor (ndependent. Perbedaan antara model regres logst dengan model regres lnear adalah varabel respon dar regres logst bersfat dotomus. Untu varbel respon Y dua ategor, perlu dngat bahwa π(x merupaan peluang nla suses dar varabel predtor X. Peluang n merupaan parameter dar dstrbus bnomal. Bentu model regres logst dengan varabel predtor adalah sebaga berut. ( β+ βx βx βx π(x e ( β+ βx βx +... βx ( e + Dengan menggunaan transformas logt dar π(x, maa model regres fungs logt dapat ddefnsan sebaga berut g(x β + β x + β x... + β ( x

2 Bentu logt g(x n merupaan model logt, fungs lnear dalam parameter-parameternya, dan berada dalam ara antara - sampa + tergantung dar varabel X (Hosmer dan Lemeshow,. C. Regres Logst Multnomal Regres logst multnomal merupaan regres logst yang dgunaan saat varabel dependen mempunya sala yang bersfat polchotomous atau multnomal. Sala multnomal adalah suatu penguuran yang dategoran menad lebh dar dua ategor. Metode yang dgunaan dalam peneltan n adalah regres logst dengan varabel dependen bersala nomnal dengan tga ategor. Mengacu pada regres logst trchotomous (Hosmer dan Lemeshow, untu model regres dengan varabel dependen bersala nomnal tga ategor dgunaan ategor varabel hasl Y dodng,, dan. Varabel Y terparametersas menad dua fungs logt. Sebelumnya perlu dtentuan ategor hasl mana yang dgunaan untu membandngan. Pada umumnya dgunaan Y sebaga pembandng. Untu membentu fungs logt, aan dbandngan Y dan Y, terhadap Y. Bentu model regres logst dengan p varabel predtor sepert pada persamaan 3. ( β + βx + β x β p x p ( β + β x + β x β x exp π ( x (3 exp p p Dengan menggunaan transformas logt aan ddapatan dua fungs logt, P( Y x g (x ln P( Y x β + β x + β x βp x p x β P( Y x g (x ln P( Y x β + β x + β x β p x p x β (4 Berdasaran edua fungs logt tersebut maa ddapatan model regres logst trchotomous sebaga berut : π (x exp g ( x + exp g ( x exp g( x π (x exp g( x + exp g ( x exp g ( x π (x exp g( x + exp g ( x dengan P(Y x π (x untu,,. (5 D. Penguan Parameter Untu mengu sgnfans oefsen β dar model yang telah dperoleh, maa dlauan u parsal dan u serenta.. U Parsal Penguan n dlauan untu mengetahu sgnfans parameter terhadap varabel respon. Penguan sgnfans parameter menggunaan u Wald (Hosmer dan Lemeshow, dengan hpotess sepert berut. H : β H : β, dengan,,...p Perhtungan statst u Wald adalah sepert persamaan 6. ˆ β W (6 SE( ˆ β Daerah penolaan H adalah a W > Z α / atau W > χ ( v, α dengan deraat bebas v.. U serenta Penguan n dlauan untu mengetahu apaah model telah tepat (sgnfan dan untu memersa emanaan oefsen β secara eseluruhan dengan hpotess sebaga berut. H : β β... β p H : palng sedt ada satu β, dengan,,..., p Statst u yang dgunaan adalah statst u G atau lelhood rato test. p G [ y ln( π + ( y ln( π ] [ n ln( n + n ln( n n ( n ] (7 dengan n banyanya observas yang berategor dan n banyanya observas yang berategor. Daerah penolaan H adalah a G > χ ( α, v dengan dbv (Hosmer dan Lemeshow,. E. U Kesesuaan Model (5 Untu mengetahu apaah model dengan varabel dependen tersebut merupaan model yang sesua, maa perlu dlauan suatu u esesuaan model dengan menggunaan statst u Ch-square. g ( o π χ π ( π (8 dengan : H H o y m πˆ π rata-rata tasran probabltas (7 ln umlah varabel respon pada grup e- m banyanya observas yang meml nla πˆ banyanya observas pada grup e- Statst u datas untu mengu hpotess sebaga berut. : model sesua (tda ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model : model tda sesua (ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model

3 3 Pengamblan eputusan ddasaran pada tola H a χ htung χ (db,α F. Kemoterap dengan dbg-. Kemoterap (serng dsebut hanya "emo" adalah penggunaan obat pembunuh aner. Obat n bsa dmasuan melalu nfuse vena, suntan, dalam bentu pl atau caran. Merea dmasuan e alran darah dan mengalr e seluruh tubuh, membuat perawatan n berguna untu aner yang sudah menyebar e organ yang auh. Mespun obat n membunuh sel-sel aner, merea uga merusa beberapa sel normal, yang dapat menyebaban efe sampng (Anonm,. Adapun cara emoterap yang basa dgunaan pada pasen aner payudara yatu : a. Kemoterap Auvant Pengobatan yang dberan epada pasen pasa operas yang tampanya tda meml penyebaran aner dsebut terap auvant. Kemoterap ens n dtuuan untu mengurang rso tmbulnya embal aner payudara. Bahan pada tahap awal penyat n, sel-sel aner dapat melepasan dr dar tumor payudara asal dan menyebar melalu alran darah. b. Kemoterap Neoauvant Kemoterap yang dberan sebelum operas dsebut terap neo-auvant. Manfaat utama dar pendeatan n adalah bahwa hal tu dapat mengeclan aner yang beruuran besar sehngga merea cuup ecl untu dangat oleh lumpetom, buan mastetom. Seauh n, tda elas bahwa emoterap neo-auvant menngatan elangsungan hdup, tetap setdanya beera uga sebaga terap auvant pasa operas. c. Kemoterap Palatf Kemoterap palatf basanya dutamaan dberan pada penderta aner stadum lanut yang tuuannya buan penyembuhan melanan untu penngatan ualtas hdup. Oleh arenanya dalam memberan emoterap palatf harus dpran benarbenar dengan mempertmbangan Respect for outonomy (segala eputusan terleta pada penderta, Benefcal (yang ta beran yan bermanfaat, Non malfcent (yang ta beran tda membahayaan dan Justce (basana (Azwar,. III. METODOLOGI PENELITIAN A. Sumber Data Data yang dgunaan dalam peneltan n adalah data seunder dar ream meds pasen aner payudara yang melauan emoterap d Rumah Sat X Surabaya yatu data pada tahun 7-. B. Varabel Peneltan Varabel-varabel yang dgunaan pada peneltan n adalah sebaga berut. Adapun varabel respon dalam pencaran model regres logst bner adalah varabel stadum (y dengan ategor ode untu Stadum III dan ode untu stadum IV. Dan dar model atau fungs yang ddapatan pada regres logst bner ( dengan varabel respon stadum maa dapat dgunaan atau dlanutan untu menentuan fungs atau model regres logst multnomal dengan varabel respon (y * yatu ens emoterap yang dgunaan oleh pasen aner payudara. Kemoterap Neoauvant, dber ode Kemoterap Auvant, dber ode Kemoterap Palatf, dber ode Varabel predtor yang dgunaan pada pemodelan dalam peneltan n adalah araterst pasen aner payudara yang melauan emoterap d Rumah Sat X Surabaya yang melput varabel-varabel d bawah n. X : Usa Pasen Kaner Payudara yang melauan emoterap X : Estrogen Reseptor (ER dengan ode untu yang negatf dan untu yang postf X3 : Progesteron Reseptor (PR dengan ode untu yang negatf dan untu yang postf X4 : HER dengan ode untu Lumnal A, ode untu Lumnal B, dan 3 untu Her over expressng X5 : Grade dengan ode untu Grade (rendah, ode untu Grade (sedang, dan ode 3 untu Grade3 (tngg IV. ANALISIS DAN PEMBAHASAN A. Analss Desrptf Adapun araterst pasen aner payudara d rumah sat X Surabaya yang melauan emoterap 77 persen dantaranya menggunaan emoterap Auvant, dan 5 persen pasen aner payudara melauan emoterap Neoauvant sedangan ssanya 8 persen dantaranya menggunaan emoterap Palatf. Dan dar seg fator-fator yang dduga mempengaruh perbedaan cara emoterap pada pasen aner payudara d Rumah Sat X Surabaya dar varabel umur pasen aner payudara rata-rata berusa >5 tahun ba yang melauan emoterap Neoauvant,Auvant, maupun Palatf. Dan pasen aner payudara yang berusa <4 tahun yang melaua n emoterap ens Palatf meml prosentase sebesar 3 persen. Dtnau dar fator hormon ER maupun PR ddapatan bahwa prosentase terbesar terdapat pada pasen aner payudara dengan hormone ER dan PRnya postf, dengan prosentase pada emoterap Auvant sebesar 68, persen dan pada emoterap Neoauvant sebesar 6,8 persen. Dan pada hormon ER prosentase terecl terdapat pada pasen aner payudara yang melauan emoterap Auvant dengan hormon ER negatf yatu sebesar 3,9 persen, sedangan pada hormone PR prosentase terecl terdapat pada pasen aner payudara melauan emoterap Palatf dan PR postf dengan prosentase sebesar 34,8 persen. Dtnau dar hormon HER, 43,5 persen pasen aner payudara melauan emoterap Palatf dengan hormon Lumnal A, dan pasen aner payudara melauan

4 4 emoterap Auvant 35,9 hormon Her Over-expressng, dan 5,6 persen pasen aner payudara meml hormon Lumnal B pada ens emoterap Neoauvant. Dtnau dar varabel Grade ddapatan bahwa prosentase terbesar terdapat pada pasen aner payudara yang melauan emoterap Auvant dengan Grade III (Tngg yatu sebesar 7,3 persen. Dan pada pasen aner payudara yang melauan emoterap Neoauvant dengan grade (Rendah meml prosentase terendah yatu sebesar,3 persen. Sedangan dtnau dar seg Stadum, dperoleh bahwa pasen aner payudara yang melaua n emoterap Auvant pada stadum IIIA meml prosentase terbesar yatu 5,3 persen. Dan untu pasen aner payudara dengan Stadum IIIC yang melauan emoterap Palatf meml prosentase sebesar 4,3 persen. B. U Multolnertas Tabel. U ndependens Varabel Predtor Varabel Ch- Square Kesmpulan Varabel Ch- Square Kesmpulan XX 3.76 Independen XX6.5 Independen XX dependen X3X4.44 dependen XX4.38 Independen X3X5.753 dependen XX5.97 Independen X3X Independen XX6.67 Independen X4X dependen XX dependen X4X Independen XX dependen X5X dependen XX dependen Berdasaran Tabel dapat detahu bahwa varabel yang salng dependen adalah X X 3, X X 3, X X 4, X X 5, X 3 X 4, X 3 X 5, X 4 X 5 dan X 5 X 6. Hal n dapat dataan bahwa terdapat asus multolnertas pada varabel predtor. Sehngga pada u bacward elmnaton hanya satu saa varabel yang sgnfan. Adapun hasl u bacward elmnaton dapat dlhat pada Tabel. melauan emoterap Neoauvant. Selan tu peluang pasen aner payudara Stadum IIIB mempunya peluang melauan emoterap Auvant 9, al dbandng pasen aner payudara Stadum Palatf melauan emoterap Neoauvant, dan peluang pasen aner payudara Stadum IIIC mempunya peluang melauan emoterap Auvant 47,74 al dbandng pasen aner payudara Stadum Palatf melauan emoterap Neoauvant. Dar dua fungs logt d atas uga dapat dtuls model peluang pemaaan emoterap untu masng-masng ens adalah sebaga berut : π (x exp(-,35 + 4,79 Stadum( + exp(,499 +,499 Stadum( π (x exp(,35 +,945Stadum( exp(-,35 +,945Stadum( + exp(,499 -,5Stadum( π (x exp(,499 -,6 Stadum(3 exp(-,35 + 3,865Stadum(3 + exp(,499 -,6 Stadum(3 Keterangan : π (x untu emoterap Neoauvant π (x untu emoterap Auvant (x untu emoterap Palatf π C. Ketepatan Klasfas Model Adapun penguuran etepatan lasfas model regres logst multnomal dapat dlhat pada Tabel 3. Tabel 3 Ketepatan Klasfas Model Observas Kemoterap Neoauvant Kemoterap Auvant Kemoterap Palatf Persentase Total Kemoterap Neoauvant Kemoterap Auvant Preds Kemoterap Palatf Ketepatan Klasfas , % , % 7 6 % 8,5 % 8,5 % % 83,9 % Tabel U Bacward Elmnaton Logt Varabel B Wald P-value Exp (B Stadum Konstanta -,35 8,774,3. Stadum 4,79 46,94.*,96 Auvant Stadum,945 3,4.* 9, Stadum 3 3,865 9,764.* 47,74. Palatf Konstanta -,499,634,5 Stadum,499,37,567,647 Stadum -,5,43,3,366 Stadum 3 -,6,5,66,549 Berdasaran Tabel ddapatan bahwa varabel yang berpengaruh sgnfan terhadap ens emoterap yatu varabel Stadum. Adapun fungs logt untu varabel stadum adalah : g (x -,35 + 4,79 Stadum( +,945 Stadum( + 3,.865 Stadum(3 g(x -,499 +,499 Stadum ( -,5 Stadum( -,6 Stadum(3 Berdasaran nla odds rato pada model Logt, dapat dataan bahwa pasen aner payudara Stadum IIIA mempunya peluang melauan emoterap Auvant,96 al dbandng pasen aner payudara Stadum Palatf Berdasaran Tabel 3 ddapatan bahwa dar 43 pasen aner payudara yang melauan emoterap Neoauvant, 8 atau 65, persen pasen sudah tepat terlasfas berdasaran model regres logst yang ddapatan. Sedangan dar 6 pasen aner payudara yang melauan emoterap Auvant, 96, persen sudah terlasfas secara tepat berdasaran model. Sehngga secara eseluruhan etepatan lasfas yang ddapatan dar model n yatu 83,9 persen. Adapun pemsalan a varabel stadum sebaga varabel respon dengan varabel predtornya yatu varabel Umur, Estrogen Reseptor (ER, Progesteron Reseptor (PR, Her, serta Grade. Dan ddapatan regres logst secara serenta sebaga berut : D. Regres Logst Bner Secara Serenta Hpotess : H : β β β 5

5 5 H : mnmal ada satu β Statst u : G ln n n n πˆ y n, dengan,,..., 5 n n ( ( y πˆ Daerah Krts:Tola H a nla G > ( α, df atau P-value< α n χ Berdasaran hasl lelhood rato test ddapatan nla G sebesar 59,97 sedangan nla χ ( α, df sebesar,7. Sehngga ddapatan eputusan tola H, berart secara serenta oefsen yang ddapatan sgnfan terhadap model regres logst. Adapun hasl regres logst secara serenta dapat dlhat pada Tabel 4 sebaga berut : Tabel 4 Regres Logst Bner Secara Serenta Varabel B Wald P-value Exp (B Konstanta,58 59,435,,49 Umur -,,,963,999 ER -,86,336,56,75 PR -, 8,776,3*,36 HER -,7,3,86,93 HER,37,8,93,38 Grade -,439 3,649,56*,37 Grade -,353 4,67,*,59 Keterangan : * sgnfan pada α persen Berdasaran Tabel 4 ddapatan bahwa varabel yang berpengaruh sgnfan terhadap ens Stadum secara serenta yatu varabel Progesteron Reseptor (PR dan Grade. Adapun fungs logt untu varabel Progesteron Reseptor (PR adalah : g(x,58-,pr(-,439grade(-,353grade( serta model regres logst yang dperoleh adalah exp(,58,pr(,439grade(,353grade( π ( x + exp(,58,pr(,439grade(,353grade( E. Regres Logst Bner Secara Indvdu Pembentuan model regres logst dengan satu varabel predtor atau unvarat bertuuan untu mengetahu varabel predtor mana yang berpengaruh secara ndvdu terhadap varabel respon. : β H H β : dengan,,, 5 βˆ Statst U : Wald (W SE(βˆ Daerah rts, tola H a W > Z,96 Z α/.5 Tabel 5 Regres Logst Bner Secara Indvdu Varabel β Wald P-value Exp(B Umur,4,6,83,4 Konstanta -,674 4,587,3,87 ER(,86,84,359,33 Konstanta -,585 68,79,,5 PR(,569 3,487,6*,767 Konstanta -,77 6,55,,7 HER(,44,47,5,556 HER(,4,,749,3 Konstanta -,68 38,54,,86 Grade(,6,989,58*,76 Grade(,998 9,77,*,73 Konstanta -,863 8,4,,55 Keterangan : * sgnfan pada α persen Berdasaran Tabel 5 ddapatan bahwa varabel yang berpengaruh sgnfan terhadap ens Stadum pasen aner payudara d Rumah Sat X sama dengan varabel yang sgnfan pada u regres logst secara ndvdu yatu varabel Progesteron Reseptor (PR dan Grade. F. U Kesesuaan Model U esesuaan model n dgunaan untu mengetahu apaah model yang terbentu sudah sesua. Hpotess : H : Model sesua (tda ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model H : Model tda sesua (ada perbedaan yang nyata antara hasl observas dengan emungnan hasl preds model Statst u : Cˆ g ( o n ' π n ' π ( π 5,999 Berdasaran hasl penguan ddapatan nla Ĉ sebesar 5,999 sedangan nla χ ( α, g sebesar 7,85 yang berart gagal tola H, sehngga dapat dsmpulan bahwa model yang terbentu sudah sesua, tda ada perbedaan yang nyata antara hasl observas dengan emungnan preds model. G. Ketepatan Klasfas Model Setelah dlauan u esesuaan terhadap model yang telah ddapatan, maa emudan dlauan penguuran etepatan lasfas model regres logst multnomal tersebut. Hasl etepatan lasfas dapat dlhat pada Tabel 6. Preds Observas Stadum III Stadum IV Ketepatan Klasfas Stadum III 38 % Stadum IV 54, % Persentase Total 8,5 % Berdasaran Tabel 6 tersebut, dapat dlhat bahwa dar 38 pasen aner payudara Stadum III, secara eseluruhan sudah tepat terlasfas berdasaran model regres logst yang ddapatan. Sedangan dar 54 pasen aner payudara Stadum IV, tda ada satupun pasen tepat terlasfas

6 6 berdasaran model regres logst yang ddapatan. Secara eseluruhan etepatan lasfas yang dhaslan oleh model adalah 8,5 %. Dar model stadum datas dapat dlanutan untu menentuan regres logst multnomal dengan varabel responnya yatu emoterap dan varabel predtornya yatu stadum. Adapun hasl regres logstnya dapat dlhat pada Tabel 7. Tabel 7 Regres Logst Kemoterap dengan Stadum Logt (Kemoterap Varabel B Wald. Auvant P- value Konstanta -,35 8,774,3 Exp (B Stadum 3,87 66,446,* 45,7 Konstanta -,499,634,5. Palatf Stadum -,47,53,466,659 Dar model regres logst multnomal ddapatan fungs logt : g (x -,35+ 3,87Stadum( g(x -,499-,47 Stadum( Nla odds rato pada Tabel 7 dapat dnterpretasan dengan cara yang sama sepert pada pemodelan regres logst sebelum-sebelumnya. Msalan sebaga contoh adalah Stadum III yang sgnfan pada logt (Kemoterap Auvant meml nla odds rato sebesar 45,7, hal n dapat dartan bahwa pasen aner payudara dengan Stadum III meml peluang melauan emoterap Auvant 45,7 al pasen aner payudara dengan Stadum IV meml peluang melauan emoterap Neoauvant.. Dar etepatan penglasfasan ddapatan bahwa 83,9 persen pasen aner payudara yang melauan emoterap secara eseluruhan sudah tepat terlasfas berdasaran model regres logst bacward elmnaton yang ddapatan. B. Saran Berdasaran hasl peneltan ddapatan bahwa pasen aner payudara d Rumah Sat X Surabaya sebagan besar melauan emoterap Auvant. Dan mash ada beberapa varabel penduga yang mash belum berpengaruh secara sgnfan terhadap ens emoterap. Oleh arena tu apabla aan dlauan peneltan selanutnya dapat dtambahan atau dgant varabel yang dduga sepert usa menstruas maupun rwayat eluarga atau dator genet yang mungn mempengaruh ens emoterap. Karena pada peneltan n hanya varabel stadum yang berpengaruh secara sgnfan terhadap ens emoterap. DAFTAR PUSTAKA [] Agrest, A. (99. Categorcal Data Analyss. John Wley and Sons, New Yor [] Anonm. (9. Mengenal Jens-Jens Pengobatan Kaner. [3] Anonm. (. Defns Penyat Kaner. [4] Anonm. (. Kemoterap. [5] Azwar, B. (. Kemoterap untu aner payudara. [6] Hosmer, D.W., and Lemenshow. (. Appled Logstc Regresson. John Wley and Sons. USA V. KESIMPULAN DAN SARAN A. Kesmpulan Berdasaran hasl analss dan pembahasan dapat dambl esmpulan sebaga berut, Pasen aner payudara d rumah sat X Surabaya sebagan besar melauan emoterap Auvant yatu sebesar 77 persen. Dan untu usa pasen aner payudara yang melauan emoterap ebanyaan berusa datas 5 tahun. Untu hormon Estrogen Reseptor dan Progesteron reseptor pasen d rumah sat X Surabaya cenderung postf. Sedangan pada varabel Grade dan Stadum ebanyaan pasen aner payudara meml grade 3 (tngg dmana sel aner berembang lebh cepat dan cenderung menyebar, untu stadum pasen aner payudara sebagan besar pada stadum IIIA.. Dar pemodelan menggunaan bacward elmnaton ddapatan bahwa varabel yang berpengaruh terhadap ens emoterap detahu bahwa dar 6 varabel predtor yang dduga berpengaruh hanya terdapat varabel yang sgnfan yatu varabel stadum. Dan pada u regres logst multnomal dengan menggunaan stadum sebaga predtor ddapatan varabel yang berpengaruh yatu varabel Progesteron Reseptor dan varabel Grade.

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si

SEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305 JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

ANALISIS PEUBAH RESPON BINER

ANALISIS PEUBAH RESPON BINER Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER

FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik Prosdng Statsta ISSN: 2460-6456 Dagram Kontrol Fuzzy Multnomal Untu Data ngust 1 Amy Amallya Azzah, 2 Suwanda Idrs, 3 snur Wachdah 1,2,3 Prod Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Analss Model Loglner Untu data yang bersfat ategor dan dapat dbentu pada suatu tabel ontngens, dapat danalss dengan analss odel loglner. Model loglner dgunaan untu enganalss eungnan

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND Rully Soelaman, Suc Hatnng Rn dan Dana Purwtasar Faultas Tenolog Informas, Insttut Tenolog Sepuluh Nopember (ITS), Surabaya, 60, Indonesa

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3) Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

PENERAPAN MODEL LOGIT DALAM PEMETAAN POTENSI PENGEMBANGAN BANK SYARIAH 1)

PENERAPAN MODEL LOGIT DALAM PEMETAAN POTENSI PENGEMBANGAN BANK SYARIAH 1) , Oktober 2006, p: 2-27 Vol. No. 2 ISSN : 0853-85 PENERAPAN MODEL LOGIT DALAM PEMETAAN POTENSI PENGEMBANGAN BANK SYARIAH ) Har Wayanto Departemen Statstka Insttut Pertanan Bogor, Bogor Abstrak Penerapan

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN SISFO-Jurnal Sstem Informas IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN Fazal Mahananto 1), Mahendrawath ER 2), Rully Soelaman 3) Jurusan Sstem Informas,

Lebih terperinci

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT Ngarap Im Man Jurusan Matemata FST BINUS Unversty, Jln.Kebon Jeru Raya no.27 Jaarta Barat 11480, Indonesa

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci