KERNEL ORDER TINGGI UNTUK ESTIMASI VALUE AT RISK (VaR) MANAJEMEN RESIKO TENAGA KERJA
|
|
- Hadi Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KERNEL ORDER TINGGI UNTUK ESTIMASI VALUE AT RISK (VaR) MANAJEMEN RESIKO TENAGA KERJA Zulfkar Sstem Ifromas da Tekk Iformatka STMIK Bahrul Ulum Jombag Emal: ABSTRAK Implkas dar maeeme resko teaga kera adalah pegelolaa maaeme operasoal dar pembayaa yag meghaslka retur asset, yatu yag dperoleh dar kegata vestas berupa kembal modal, utug atau rug. Pada kasus data baya teaga kera yag cukup besar, megestmas dstrbus cukup sult sehgga aka memberka efek serus pada estmas resko baya. Utuk tu perlu dlakuka estmas parameter sehgga la VaR bsa dukur. Peulsa megguaka metode pegukura VaR dar hasl estmas parameter baya dega estmator kerel order tgg sehgga bsa memberka alteratve solus yag tepat pada pegelolaa resko baya teaga kera. Dasar pegukura VaR dega melhat Volatltas data fasal yag dtuukka pada besarya Stadar Devas atau varace dar hasl estmas data baya teaga kera dega megguaka estmator kerel Nadaraya-Watso order, 4, 6, 8 da 10. Metode peelta merupaka smulas data Caada Males tahu 1990 pada fugs hubuga atara usa teaga kera da baya teaga kera. Hasl smulas pada data Caada Males terlhat bahwa fluktuas la VaR tertgg terad pada usa muda da usa tua, da VaR yag redah terad pada usa produktf. Nla VaR teredah pada usa teaga kera tahu sebesar 0,43 utuk estmas order da 0,45 pada order 4 da 0,49 pada order 6 sampa order 10. Kata kuc: Value at Rsk (VaR), Estmator Kerel Nadaraya -Watso, Stadart Devas, da Varace. PENDAHULUAN Latar Belakag Teor facal telah lama dkeal teraksya atara resko da keutuga, sehgga dalam dua usaha pegelolaa keuaga utuk vestas dperluka maaeme operasoal yag dapat meaga kemugka resko teaga kera yag tmbul. Maaeme tersebut harus mampu megeluarka kosep-kosep yag dapat meeka resko da mampu megkatka keutuga yag dkeal dega maaeme resko teaga kera. Meurut Husa, S., (1994), maaeme rsko adalah cara-cara yag dguaka maaeme utuk meaga berbaga permasalaha yag dsebabka oleh adaya rsko. Maaeme Rsko, merupaka pegelolaa resko utuk memperkecl dampak yag dtmbulka melalu tdaka tdaka prevetf, bsa mecakup detfkas resko, kuattas resko, pegembaga respos resko da pegedala respos resko. Permasalaha yag mucul bahwa para ahl facal kadag kala serg drepotka dalam meetuka dstrbus retur asset pada baya teaga kera. Dega
2 adaya kemugka berbaga betuk dstrbus retur asset aka memberka devas yag sagat sgfka yag merupaka dasar dalam membetuk volatltas. Butler, Cormac, (1999) meyataka bahwa Quatle sebaga dasar ukura resko aka memberka perbedaa la yag sagat drastc ka dtelt dega dstrbus yag berbeda. Asums betuk Dstrbus retur asset semak sult pada data yag cukup besar pada terval waktu yag sempt sehgga kadag kala pada perode yag pedek ddapatka keada restur asset yag cukup besar. Utuk tu perlu dkembagka metode pegukura resko VaR pada retur asset tapa melhat betuk dstrbusya sebaga betuk estmas resko baya. Ukura perhtuga resko facal VaR yag dkembagka berupa VaR estmator kerel. Metode meerapka pegukura VaR pada data retur asset yag terlebh dahulu destmas dega megguaka estmator kerel order tgg. Keputusa megguaka estmator kerel dharapka ddapatka model estmas yag vald dega la Mea Square Error (MSE) yag semak kecl. Dharapka metode memberka solus yag prakts terhadap peyelesaa masalah perhtuga resko retur asset bag kebaka maaeme resko pada perusahaa. METODOLOGI PENELITIAN Peelta g membadgka la VaR yag dbetuk dar estmator kerel Nadaraya-Watso order, 4, 6, 8 da 10. VaR yag dhaslka dar asums retur asset hasl estmas dar berbaga order estmator tersebut akakah berpegaruh terhadap besarya la VaR dega korelas data baya portofolo dar peggologa usa teaga kera (1):1-5, ():6-30, (3):31-35, (4):36-40, (5):41-45, (6):46-50, (7):51-55, (8):56-60, da (9):61-65 tahu. Metode aalss dega megguaka smulas data Caada Males tetag usa teaga kera terhadap besarya peghasla yag dambl dar peelta yag dlakuka oleh Murphy da Welch tahu Olah data megguaka software S-Plus 000 da Mtab 14. HASIL PENELITIAN DAN PEMBAHASAN ESTIMASI PARAMETER Msalka dberka data x da y da hubuga atara x da y megkut model regres : Y m( x ), 1,,..., (1) dmaa ~ N (0, ) da m( x ) kurva regres yag betukya tdak dketahu. Fugs regres m( x ) pada model regres oparametrk dapat destmas dega pedekata kerel yag ddasarka pada fugs destas kerel (Hardle (1991). Race (1998) meyebutka bahwa mea bersyarat destmas dega estmator kerel Nadaraya-Watso, dlambagka dega m ˆ ( w ) da dberka oleh persamaa: K( z ) mˆ w ( x ) y 1 K( z ) 1 1 y W w ( x ), = 1,,. () ISBN : C-1-
3 Dega megguaka regres oparametrk, khususya estmator Nadaraya- Watso order, 4, 6, 8 da 10 utuk megestmas m. Estmas kerel Nadaraya- Watso dberka oleh: K h ( x x) y 1 mˆ ( x,0, h) (3) K ( x x) 1 Betuk kerel Gaussa order, 4, 6, 8, da 10 dperoleh dega mesubsttuska fugs kerel: K( z) 1/ exp( z / ) (4) ke dalam persamaa (3). Selautya dberka pemlha badwdth optmal utuk masg-masg kerel dega megguaka metode GCV. Fugs GCV adalah sebaga berkut: 1 y mˆ ( x ) GCV(h) = tr( A( h), (5) Dega A(h) dperoleh dar persamaa : m ˆ ( x, p 0, h) A( h) y (6) Zulfkar (005) meyataka bahwa dar fugs GCV dperoleh la badwdth optmum sebesar 7,. Setelah la badwth optmum dperoleh maka dlakuka estmas kerel da dperoleh kurva estmas kerel sepert pada gambar berkut: h y order order 4 order 6 order 8 order x Gambar 1. Kerel Nadaraya-Watso Order Tgg PERHITUNGAN VaR DENGAN METODE VARIAN-KOVARIAN Meurut Best (1998) Value at Rsk atau VaR adalah suatu metode pegukura rsko secara statstk yag memperkraka keruga maksmum yag mugk terad atas suatu portofolo pada tgkat kepercayaa (level of cofdece) tertetu. Nla VaR selalu dserta dega probabltas yag meuukka seberapa mugk keruga yag terad aka lebh kecl dar la VaR tersebut. VaR adalah suatu la keruga moeter yag mugk dalam dalam agka waktu yag telah dtetuka (Sartoo, R.A da Setawa, A.A (006)). ISBN : C-1-3
4 Rumus perhtuga la VaR dega metode vara-kovara adalah: VaR = ασ w (7) 1 D maa α adalah stadard ormal devate, σ adalah stadar devas dar asset dvdual tersebut da W adalah la dar aset tersebut. Nla α adalah sebesar 1 bla dguaka cofdece level sebesar 84%. Utuk cofdece level sebesar 95% dguaka la α sebesar (Husa, S., (1994)). HASIL ANALISIS DAN PEMBAHASAN Berdasarka hasl estmas kurva regres maka dperoleh la bas, varace da MSE sebaga berkut. Tabel 1. Ketepata Model Estmas Data Fasal dar Nla Bas, Varas da MSE pada Estmator Kerel Nadaraya-Watso Kerel Bas Varas MSE NW Order dua 0, , , NW Order empat 0, , , NM Order eam 0, , , NM Order delapa 0, , , NM Order sepuluh 0, , , Pada Tabel 1 terlhat bahwa megkatya order dar hasl estmas kerel aka meurka bas, varas da MSE sehgga ddapatka la yag stabl. Kods uga dtuukka pada hubuga Usa Kera terhadap la Stadar Devas da VaR sepert terlhat pada Tabel da Tabel 3 berkut. Tabel. Hubuga atara Usa Kera dega Stadar Devas Estmas Kerel Order, 4, 6, 8 da 10. Usa No Order Order 4 Order 6 Order 8 Order 10 kera (tahu) Sd1 R1 Sd R Sd3 R3 Sd4 R4 Sd5 R ,09 13,0 0,011 13,03 0,010 13,03 0,010 13,03 0,009 13, ,137 13,47 0,1 13,44 0,1 13,44 0,1 13,44 0,1 13, ,04 13,67 0,05 13,67 0,05 13,67 0,05 13,67 0,05 13, ,019 13,68 0,0 13,67 0,0 13,67 0,0 13,67 0,0 13, ,50 0,053 13,51 0,053 13,51 0,053 13,51 0,053 13, ,084 13,5 0,084 13,5 0,084 13,5 0,084 13, ,055 13,71 0,017 13,70 0,017 13,70 0,017 13,70 0,017 13, ,13 13,41 0,070 13,45 0,070 13,45 0,070 13,45 0,070 13, ,100 13,18 0,046 13,4 0,046 13,4 0,046 13,4 0,046 13,4 Pada Tabel d atas terlhat bahwa la stadart devas porto polo usa teaga kera dar estmas kerel semak tgg order yag dguaka megarah pada la yag stabl. Hal yag sam uga dtuukka pada hasl perhtuga la VaR sepert terlhat pada Tabel 3 berkut. ISBN : C-1-4
5 Tabel 3. Hubuga atara Usa Kera dega VaR Estmas Kerel Order, 4, 6, 8, da 10. Usa Order Order 4 Order 6 Order 8 Order 10 No Kera (tahu Sd1 VaR1 Sd VaR Sd3 VaR3 Sd4 VaR4 Sd5 VaR5 ) ,09 1,93 0,01,75 0, ,01,4 0,01, ,137 3,04 0,1,98 0,1,70 0,1,70 0,1, ,04 0,94 0,05 1,03 0,05 1,03 0,05 1,03 0,05 1, ,019 0,43 0,0 0,45 0,0 0,49 0,0 0,49 0,0 0, ,084 0,87 0,053 1,1 0,05 1,18 0,05 1,18 0,05 1, ,085 0,90 0,084 1,88 0,08 1,87 0,08 1,87 0,08 1, ,055 1,4 0,017 1,38 0,01 1,38 0,01 1,30 0,01 1, ,13,71 0,070,54 0,07 1,974 0,07 1,94 0,07 1, ,100,17 0,046 1,8 0,04 1,8 0,04 1,8 0,04 1,8 Utuk melhat hubuga usa kera dega la VaR dapat delaska pada gambar hstogram berkut. 3,5 Hubuga Usa Teaga Kera dega VaR 3 VaR,5 1,5 1 0,5 Seres1 Seres Seres3 Seres4 Seres Gambar. Grafk Hubuga atara Usa Kera dega VaR Pada Gambar d atas terlhat bahwa la VaR tgg dar hasl estmas kerel pada kelompok usa muda atara 1 ( 1 5 tahu) da (6 30 tahu) da usa tua atara 8 (56 60 tahu) da 9 (61-65 tahu), da la VaR redah pada kelompok usa 3 sampa 7 (31 55 tahu). Hasl aalss data VaR d atas terlhat bahwa fluktuas la VaR secara taam terad pada kelompok usa produktf, atara usa 31 tahu sampa dega usa 55 tahu dbadgka dega usa muda (1-30 tahu) da usa tua (56 65 tahu).. Dega demka perubaha resko terbesar pada pembayaa teaga kera terad pada usa muda da dkut oleh usa tua sehgga harus medapat perhata serus terhadap kemugka resko keuaga teaga kera. ISBN : C-1-5
6 KESIMPULAN DAN SARAN Kesmpula Implemetas da strateg megatas resko keuaga teaga kera pada data teaga kera yag cukup besar bsa dukur dega megguaka metode VaR estmas kerel Order Tgg. Metode meggabugka pemecaha masalah estmas data besar da pestabla la estmas dega kerel order tgg. Hasl smulas pada data Caada Males terlhat bahwa fluktuas la VaR tertgg terad pada usa muda da usa tua, da VaR yag redah terad pada usa produktf. Nla VaR teredah pada usa teaga kera tahu sebesar 0,43 utuk estmas order da 0,45 pada order 4 da 0,49 pada order 6 sampa order 10. Sara Perlu dlakuka aalss lebh laut terkat dega besarya porto folo utuk meghtug VaR data besar da megguaka betuk estmator kerel laya. DAFTAR PUSTAKA Best, Phlp, (1998). Implemetg Value at Rsk, Joh Wley & Sos Ltd, Eglad. Butler, Cormac, (1999). Masterg Value at Rsk, Pearso Educato Lmted, Great Brta. Husa, S., (1994). Dasar-dasar Teor Portofolo da Aalss Sekurtas, Eds Kedua, Ut Peerbt da Percetaka AMP YKPN, Yogyakarta. Hardle, W. ad Maro, S. (1991), Bootstrappg Smultaeous Error Bar for Noparametrc regresso. Aals of Statstcs 19, Murphy, K. M. ad Weclh, F. (1990). Emprcal Age-Earg Profle, Joural of labour Ecoomcs 8(), 0-9 Sartoo, R.A da Setawa, A.A (006). Var Portfolo Optmal: Perbadga Atara Metode Markowtz Da Mea Absolute Devato, Jural Sasat Bss 11(1), pp Race, J. (1998), Bas-Corrected Kerel Regresso, Departmet of Ecoomcs, Uversty of South Florda, Tampa, FL., USA Zulfkar. (005). Kompoe Bas, Varas da MSE Estmator Kerel pada Regres Noparametrk, Tess, Magster Statstka ITS, Surabaya, 66 hal. ISBN : C-1-6
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 terperinciANALISIS 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciMuniya 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 terperinciREGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan
JMP : Volume 7 Nomor, Ju 05, hal. - 0 REGRESI NONPARAMETRIK KERNEL ADJUSTED Novta Eka Chadra Uverstas Islam Darul Ulum Lamoga ovtaekachadra@gmal.com Sr Haryatm da Zulaela Jurusa Matematka FMIPA UGM ABSTRACT.
Lebih terperinciPENGGUNAAN VALUE AT RISK DALAM ANALISIS RISIKO PADA PORTOFOLIO SINGLE INDEX MODEL (Studi Kasus Data Saham LQ 45) Intisari
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 3 (014), hal 15. PENGGUNAAN VALUE AT ISK DALAM ANALISIS ISIKO PADA POTOFOLIO SINGLE INDEX MODEL (Stud Kasus Data Saham LQ 45) Ed Saputra, Neva
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER
Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag
Lebih terperinci11/10/2010 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 terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinciBAB 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 terperinciESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI
Lebih terperinciS2 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 terperinciJMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.
JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciBAB 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 terperinciWAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST
Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.
Lebih terperinciANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciUji 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 terperinciBAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.
BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah
Lebih terperinciBAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.
BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah
Lebih terperinciX 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciBAB 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 terperinci8. 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 terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciPENAKSIR 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu da tempat peelta Dalam upaya pelaksaaa peelta,maka peelt melakukaya pada : 1. Tempat Peelta Gua memperoleh data yag dperluka dalam peulsa Skrps yag berjudul Pembetuka
Lebih terperinciBAB 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 terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciIII. 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 terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciBAB 1 ERROR PERHITUNGAN NUMERIK
BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software
Lebih terperinciKARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT
Prosdg Semar Nasoal Sas da Peddka Sas I, Fakultas Sas da Matematka, UKSW Salatga, 2 Ju 204, Vol 5, No., ISSN :2087-0922 KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Ad Setawa Program Stud
Lebih terperinciPOLIGON TERBUKA TERIKAT SEMPURNA
MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode
BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciBAB 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 terperinciSTUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc
STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas
Lebih terperinciBAB 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 terperinciPERTEMUAN 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 terperinciREGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010
REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha
Lebih terperinciBAB III ESTIMASI MODEL PROBIT TERURUT
BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode
Lebih terperinciREGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa
Lebih terperinciANALISIS 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 terperinciJawablah 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 terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinciPROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE
PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciUKURAN 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 terperinciSUM 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 terperinciRegresi 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 terperinciDi 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 terperinciEstimator Imputasi Regresi Untuk Mengestimasi Model Regresi Semiparametrik Dengan Respon Hilang
SEMNAR NASONAL MAEMAKA DAN PENDDKAN MAEMAKA UNY 05-3 Estmator mputas Regres Utuk Megestmas Model Regres Semparametrk Dega Respo Hlag Nur Salam Matematka, FMPA Uverstas Lambug Magkurat. ursalam0@gmal.com.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinciBAB 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 terperinciIII 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 terperinci2.2.3 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 terperinciPRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS
LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed
Lebih terperinciBAB 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 terperinciANALISIS PERBANDINGAN ARUS KAS PT DUTA PERTIWI TBK DAN PT KAWASAN INDUSTRI JABABEKA TBK
ANALISIS PRBANDINGAN ARUS KAS PT DUTA PRTIWI TBK DAN PT KAWASAN INDUSTRI JABABKA TBK (Rsk ad Cash Flow Aalyss) Oleh/By: Sutart da Sr Bawoo Dose Akadem Maajeme Kesatua da STI Kesatua ABSTRAK Perusahaa megguaka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciKARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN
KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN 009 03 S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com
Lebih terperinci*Corresponding Author:
Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,
Lebih terperinciBAB 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 terperinciIII. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam
III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciLANGKAH-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 terperinciEstimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)
Supart da Subaar Estmas Destas Mulus dega Metode Wavelet (Wavelet Method Smooth Desty Estmato) Oleh Supart ) da Subaar ) Let X Abstract =,,, be depedet observato data from a dstrbuto wth a ukow desty fucto
Lebih terperinciPemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka
Lebih terperinciTATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.
TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar
Lebih terperinciANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON
ANALISIS REGRESI SEMIPARAMERIK PADA KASUS HILANGNA RESPON Irma ahya ), I Nyoma Budatara ), da Kartka Ftrasar ) ) Jurusa Matematka FMIPA, Uverstas Haluoleo Kedar ) Jurusa Statstka FMIPA, IS Sukollo Surabaya
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak
BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta
Lebih terperinciPenarikan 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 terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciKOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI
KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com
Lebih terperinciPRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciPEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING
Jural Tekk da Ilmu Komputer PEMECAHAN MASALAH OPTIMASI BERSIFAT PROBABILISTIK MENGGUNAKAN CHANGE- CONSTRAINED PROGRAMMING (Soluto of Probablstcally Optmzato Problems Usg Chage-Costraed Programmg) Bud Marpaug
Lebih terperinciREGRESI SEDERHANA Regresi
P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag
Lebih terperinciSTATISTIKA 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 terperinciI adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu
METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut
Lebih terperinciIII. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang
37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)
Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug
Lebih terperinci