Prosiding Seminar Nasional Hasil-Hasil PPM IPB 2016 Hal : 1 7 ISBN :
|
|
- Handoko Kurniawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Hal : 1 7 ISBN : MODEL LINIER BERDASARKAN SEBARAN GAMMA DENGAN REGULARISASI PERSENTIL L1 DAN L2 UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (Linear Model based on Gamma Distribution with Percentile L1and L2 Regularizationfor Extreme Rainfall Prediction) Aji Hamim Wigena, Anik Djuraidah, Agus Mohamad Soleh, Akbar Rizki Dep. Statistika, Fakultas Matematika dan IPA, Institut Pertanian Bogor ABSTRAK Pemodelan linier menggunakan regresi respons sebaran Gamma dengan metode statistical downscaling. Regularisasi persentil L1 (Lasso-least absolute shrinkage and selection operator) dan L2 (Ridge-gulud) digunakan untuk mengatasi masalah multikolinieritas. Data yang digunakan adalah curah hujan bulanan di Indramayu dan presipitasi luaran GCM (Global Circulation Model) Komputasi menggunakan program R paket h2o sesuai dengan algoritme untuk model regresi respons sebaran Gamma. Hasil penelitian menunjukkan bahwa regularisasi dengan persentil L1 dan L2 pada model regresi respons Gamma dapat memprediksi curah hujan ekstrim lebih baik daripada model regresi respons Normal, terutama curah hujan ekstrim pada Januari dan Desember 213. Kata kunci: ekstrim, persentil L1, persentil L2, sebaran gamma, statistical downscaling. ABSTRACT Linear modeling uses regression with Gamma distributed response based on statistical downscaling method. Regularization percentile L1 (Lasso-least absolute shrinkage and selection operator) and L2 (Ridge) are used to overcome multicolinearity problem. Data are monthly rainfall in at Indramayu and precipitation of GCM (Global Circulation Model) output in The computation uses package h2 in R corresponding to the algorithm to develop regression model with Gamma distributed response. The result shows that percentile L1 and L2 in regression model with Gamma distributed response can predict extreme rainfall better than those with Normal distributed response, especially the extreme rainfall in January and December 213. Keywords: extreme, gamma distribution, percentile L1, percentile L2, statistical downscaling. PENDAHULUAN Perubahan iklim global sering menimbulkan kejadian curah hujan ekstrim, yang berdampak kerugian berupa produksi tanaman menurun atau bahkan gagal panen. Pada tahun 21 produksi padi mengalami penurunan akibat iklim ekstrim, yaitu dari 1,58 juta ton di tahun sebelumnya menjadi sebesar 1,55 juta ton di tahun 21 (BPS 211). 1
2 Dalam usaha mengantisipasi akibat buruk tersebut dibutuhkan informasi mengenai kemungkinan terjadinya curah hujan ekstrim. Informasi berupa ramalan curah hujan yang akurat dan cepat sangat berguna bagi petani. Peningkatan ketepatan prediksi (ramalan) merupakan salah satu upaya untuk mengurangi dampak kejadian iklim ekstrim (Boer 26). Hal ini sangat strategis dalam mengatasi atau mengurangi kerugian sebagai akibat kejadian ekstrim. Teknik statistical downscaling (SD) yang selama ini berkembang menggunakan model statistik dengan memanfaatkan data luaran GCM (Global Circulation Model) yang dihubungkan secara fungsional dengan data lokal seperti curah hujan. Selaras dengan perkembangan ilmu pemodelan statistik, teknik SD dapat dikembangkan untuk memprediksi curah hujan ekstrim. Beberapa pemodelan telah menggunakan teknik SD untuk pendugaan curah hujan ekstrim. Mondiana (212) menggunakan regresi kuantil, Soleh et al. (215) memodelkan SD dengan model linier terampat sebaran Gamma, Santri et al. (216) mengkaji pemodelan SD dengan regresi kuantil dengan L1, Utami et al. (216) membahas model VGAM, dan Kinanti et al. (216) menggunakan teknik SD berdasarkan sebaran generalized pareto. Pemodelan SD terkendala dengan kovariat yang saling berkorelasi (multikolinier). Permasalahan ini dapat diatasi antara lain dengan regularisasi L1 (Lasso-least absolute shrinkage and selection operator), dan L2 (Ridge-gulud). Penelitian ini mengkaji pemodelan SD berdasarkan sebaran Gamma dengan regularisasi persentil L1 dan L2. METODE PENELITIAN Penelitian ini mencakup pengembangan model SD dengan regularisasi persentil L1 dan L2. Tahapan penelitiannya adalah sebagai berikut: 1. Penyiapan data curah hujan bulanan tahun di Kabupaten Indramayu dan data presipitasi dari luaran GCM CMIP5 (multi-model ensemble Phase 5 Couple Model Intercomparisson Project). 2. Identifikasi multikolinier dengan nilai korelasi antar kovariat dalam data luaran GCM atau berdasarkan nilai VIF (variation inflation factor). 2
3 3. Identifikasi metode persentil L1dan L2. a. Pemodelan Regresi Sebaran Normal dan Gamma dengan L1 dan L2 Pada model linier dengan peubah respons y menyebar Normal dan vektor kovariat X = (X 1,, X p ) dimodelkan sebagai berikut: p y i = β + j=1 X ij β j + ε i untuk i = 1, 2,, n Penduga parameternya adalah sebagai berikut: β = (X T X) 1 X T y Jika X T X adalah matriks tidak berpangkat penuh, maka pendugaan β dilakukan dengan model regresi gulud (L2) berdasarkan persamaan Lagrange berikut: argmin {(y X T β) T (y X T β) + λ gulud β T β} β Penduga parameternya adalah sebagai berikut: β gulud = (X T X + λi) 1 X T y. Model regresi gulud tidak dapat melakukan seleksi peubah secara otomatis karena secara simultan koefisien yang diduga mungkin tidak bernilai nol. Thibsirani (1996) mengembangkan metode L1 (lasso) dengan penalti berikut: p j=1 β j k dengan k Pendugaan koefisi enregresi lasso dilakukan berdasarkan persamaan Lagrange berikut: argmin β {(y X T β) T (y X T β) + λ lasso β j } Penduga koefisien regresi lasso tidak dalam bentuk tertutup, tetapi harus menggunakan pemrograman kuadratik (Tibshirani 1996). Algoritmanya adalah sebagai berikut: 1. Bakukan X 2. Ambil i =, β = 3. Untuk λ = sampai λ = 2 max ( x j t y ) a. i = i+1 b. Untuk j = 1 sampai p i. Hitung r j = y β (i 1) k j k x k p j=1 3
4 ii. Duga β j (i) menggunakan persamaan (3) c. Ulangi (a) dan (b) sampai (β (i) j β (i 1) j ) < 1e-6 4. Penduga akhir β ditentukan dengan pendekatan validasi silang Model regresi dengan regularisasi L1 dapat melakukan seleksi kovariat yang berkorelasi (Hastie et al. 28). b. Pemodelan Regresi dengan Persentil L1 Algoritma pemodelan ini adalah sebagai berikut: 1. Untuk m = 1 sampai dengan M a) Secara acak masukkan data observasi berukuan n ke dalam K- grup untuk proses VS. b) Pengepasan model regresi dengan penalti L1. c) Diperoleh λ m sebagai lambda optimal dengan nilai CVE minimum. 2. Lakukan langkah 1 sebanyak M kali. Sehingga diperoleh lambda sebanyak M, Λ(M) = (λ 1, λ 2,, λ M) dengan masing-masing λ memiliki nilai CVE. 3. Tentukan θ, yaitu persentil dari Λ(M). Nilai λ terpilih merupakan λ (θ) dengan θ adalah persentil dari Λ(M). 4. Lambda optimum metode persentil adalah λ (θ). Implementasi pemodelan sebaran Gamma persentil L1 dengan program R paket h2o dan pemodelan sebaran Gamma persentil L2. 4. Hasilnya dibandingkan dengan model sebaran Normal yang diimplementasi dengan paket glmnet. Pembandingan dilakukan berdasarkan RMSEP (Root Mean Square of Prediction) dan korelasi antara curah hujan aktual dan curah hujan prediksi. HASIL DAN PEMBAHASAN Pemodelan ini mengasumsikan bahwa responsnya sebaran Normal. Ada dua model yang dikembangkan, yaitu 1) Model dengan regularisasi persentil L1 dan 4
5 Curah hujan (mm) Curah hujan (mm) Prosiding Seminar Nasional Hasil-Hasil PPM IPB 216 2) Model dengan persentil L2. Keduanya dibangun untuk pendugaan curah hujan. Pemodelan kedua model ini menggunakan program R paket glmnet. Nilai RMSEP dari model SD dengan persentil L1 dan L2 relatif sama (sekitar 46 74) dan korelasi sekitar,7,95. Gambar 1 memperlihatkan pola curah prediksi dan aktualnya pada tahun 213. Prediksi curah hujan yang lebih rendah pada periode Februari, Maret, Agustus, September, Oktober, dan November, sedangkan pada bulan Januari, Juni, Juli, dan Desember, dugaan curah hujan lebih tinggi. Model SD regularisasi persentil L1 dan L2 tidak mampu menangkap pola curah hujan dengan baik, khususnya periode Januari, Februari, Maret, Juni, Juli dan Desember. Model SD regularisasi persentil L1 melakukan pendugaan curah hujan yang relatif sama dengan model SD regularisasi persentil L2. Walaupun demikian, kedua model SD ini menghasilkan pola curah hujan dengan baik pada musim hujan (April, Mei, Agustus, September, Oktober, dan November). Pemodelan ini mengasumsikan bahwa responsnya menyebar Gamma. Ada dua model juga yang dikembangkan, yaitu 1) Model dengan regularisasi persentil L1, dan 2) Model dengan persentil L2. Keduanya dibangun untuk pendugaan curah hujan ekstrim. Pemodelan kedua model ini menggunakan program R paket h2o Bulan (tahun 213) Bulan (tahun 213) (a) (b) Gambar 1 Pola curah hujan prediksi dan aktual dengan regresi sebaran Normal persentil L1 (a) dan persentil L2 (b). Pemodelan SD menghasilkan pola prediksi curah hujan dengan regularisasi persentil L1 dan L2 pada tahun 213 (Gambar 1). Pada Gambar 1 dapat dilihat bahwa curah hujan ekstrim bulan Januari dan Desember dapat dijelaskan dengan baik oleh kedua model. Curah hujan bulan April dan Mei tepat diprediksi oleh model persentil L2. Demikian juga model L1 memprediksi dengan tepat untuk 5
6 Curah hujan (mm) Curah hujan (mm) Prosiding Seminar Nasional Hasil-Hasil PPM IPB 216 bulan Mei. Berdasarkan nilai RMSEP (sekitar 5 7) dan korelasi (sekitar,65,95) tahun 213, kedua metode menghasilkan pola curah hujan prediksi dan aktual yang hampir sama Bulan (tahun 213) (a) Gambar 2 Pola curah hujan prediksi dan aktual dengan regresi sebaran Gamma persentil L1 (a) dan persentil L2 (b) Bulan (tahun 213) (b) Pemodelan berdasarkan sebaran Gamma menghasilkan pola prediksi curah hujan ekstrim yang lebih baik daripada pemodelan berdasarkan sebaran Normal. Gambar 2 menunjukkan bahwa prediksi curah hujan ekstrim pada bulan Januari dan Desember lebih mendekati curah hujan aktualnya. Sedangkan pada Gambar 1 hal ini tidak terjadi, di mana pada bulan Januari dan Desember prediksi curah hujan jauh lebih rendah daripada curah hujan aktualnya. Dengan demikian pemodelan berdasarkan sebaran Gamma lebih tepat dalam pendugaan curah hujan ekstrim. KESIMPULAN Penggunaan regularisasi dengan persentil L1 dan L2 pada model regresi respons Gamma dapat memprediksi curah hujan ekstrim lebih baik daripada kedua regularisasi itu pada model regresi respons Normal. Hasil prediksi dengan persentil L1 dan L2 baik pada model regresi respons sebaran Normal maupun Gamma tidak berbeda. UCAPAN TERIMA KASIH Terima kasih disampaikan kepada Direktorat Riset dan Pengabdian Masyarakat, Direktorat Jenderal Penguatan Riset dan Pengembangan, Kementerian Riset, 6
7 Teknologi, dan Pendidikan Tinggi atas bantuan dana penelitian ini, sesuai dengan Surat Perjanjian Penugasan Pelaksanaan Program Penelitian, Nomor: 79/SP2H/ LT/DRPM/II/216, Tanggal 17 Februari 216. DAFTAR PUSTAKA [BPS]. Badan Pusat Statistik Indramayu dalam Angka 211. Indramayu (ID): BPS Kabupaten Indramayu. Boer R. 26. Pendekatan dalam Mengelola Resiko Iklim. Makalah dalam Pelatihan Dosen Bidang Pemodelan dan Simulasi Komputer untuk Pertanian. Cisarua Bogor, 7 2 September 26. Hastie T, Tibshirani R, Friedman J. 28. The Elements of Statistical Learning. Data Mining, Interfere, and Prediction. Second Edition. Stanford (US): Springer. Kinanti SL, Wigena AH, Djuraidah A Statistical downscaling with generalized Pareto distribution (Study case: Extreme rainfall estimation). AIP Conference Proceedings 177, 811; doi: 1.163/ Mondiana QM Pemodelan Statistical Downscaling dengan Regresi Kuantil untuk Pendugaan Curah Hujan Ekstrim. [Tesis]. Bogor (ID): Institut Pertanian Bogor. Santri D, Wigena AH, Djuraidah A Statistical downscaling modeling with quantile regression using lasso to estimate extreme rainfall. AIP Conference Proceedings 177, 811; doi: 1.163/ Soleh AM, Wigena AH, Djuraidah A, Saefudin A Pemodelan Statistical Downscaling untuk Menduga Curah Hujan Bulanan menggunakan Model Linier Terampat Sebaran Gamma. Jurnal Informatika Pertanian. 24(2): Tibshirani R Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistics Society: Series B. 58: Utami EPN, Wigena AH, Djuraidah A Vector generalized additive models for extreme rainfall data analysis (study case rainfall data in Indramayu). AIP Conference Proceedings 177, 811; doi: 1.163/
Prosiding Seminar Hasil-Hasil PPM IPB 2015 Vol. I : ISBN :
Prosiding Seminar Hasil-Hasil PPM IPB 2015 Vol. I : 15 25 ISBN : 978-602-8853-27-9 PENGEMBANGAN METODE KOMPUTASI STATISTIK PADA MODEL LINIER NILAI EKSTRIM DENGAN REGULARISASI L1 DAN L2 (Development of
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING MENGGUNAKAN REGRESI LINIER DENGAN PERSENTIL L1 DAN PERSENTIL L2 UNTUK PENDUGAAN CURAH HUJAN MOH.
PEMODELAN STATISTICAL DOWNSCALING MENGGUNAKAN REGRESI LINIER DENGAN PERSENTIL L1 DAN PERSENTIL L2 UNTUK PENDUGAAN CURAH HUJAN MOH. IRVAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2017 PERNYATAAN
Lebih terperinciAlgoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Algoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator S-20 Yuliana 1, Dewi Retno Sari
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL SPLINE UNTUK PREDIKSI CURAH HUJAN EKSTRIM DI KABUPATEN INDRAMAYU NOOR ELL GOLDAMEIR
PEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL SPLINE UNTUK PREDIKSI CURAH HUJAN EKSTRIM DI KABUPATEN INDRAMAYU NOOR ELL GOLDAMEIR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
Lebih terperinciREGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING
REGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING Aji Hamim Wigena Departemen Statistika, FMIPA Institut Pertanian Bogor Jakarta, 23 Juni 2011 Pendahuluan GCM (General Circulation Model) model
Lebih terperinciMODEL REGRESI MENGGUNAKAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) PADA DATA BANYAKNYA GIZI BURUK KABUPATEN/KOTA DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 21-30 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI MENGGUNAKAN LEAST ABSOLUTE SHRINKAGE AND SELECTION
Lebih terperinciMODEL ADITIF TERAMPAT VEKTOR DENGAN KOMPONEN UTAMA UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (STUDI KASUS: INDRAMAYU) EKA PUTRI NUR UTAMI
MODEL ADITIF TERAMPAT VEKTOR DENGAN KOMPONEN UTAMA UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (STUDI KASUS: INDRAMAYU) EKA PUTRI NUR UTAMI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI
Lebih terperinciPENERAPAN REGRESI GULUD DAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) DALAM PENYUSUTAN KOEFISIEN REGRESI ARUM PUSPORINI
PENERAPAN REGRESI GULUD DAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) DALAM PENYUSUTAN KOEFISIEN REGRESI ARUM PUSPORINI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinciAgus M Soleh, Aji H Wigena, Anik Djuraidah, Asep Saefuddin
PEMODELAN STATISTICAL DOWNSCALING UNTUK MENDUGA CURAH HUJAN BULANAN MENGGUNAKAN MODEL LINIER TERAMPAT SEBARAN GAMMA Statistical Downscaling to Predict Monthly Rainfall Using Generalized Linear Model with
Lebih terperinciMETODE REGRESI KOMPONEN UTAMA, REGRESI KUADRAT TERKECIL PARSIAL, DAN LASSO PADA DATA KEMISKINAN HASIL OLAHAN SUSENAS 2012 NURHAYATI
METODE REGRESI KOMPONEN UTAMA, REGRESI KUADRAT TERKECIL PARSIAL, DAN LASSO PADA DATA KEMISKINAN HASIL OLAHAN SUSENAS 2012 NURHAYATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinci3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN MODEL STATISTICAL DOWNSCALING
3. PENENTUAN DOMAIN GCM DALAM PENYUSUNAN MODEL STATISTICAL DOWNSCALING 3.1. Pendahuluan Domain GCM berperan penting dalam pemodelan SD. Data pada domain ini dijadikan sebagai faktor yang menentukan pendugaan
Lebih terperinciPRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT
TUGAS AKHIR - ST 1325 PRA-PEMPROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DISKRIT ANGGREINI SUPRAPTI NRP 1305 100 005 Dosen Pembimbing Dr. Sutikno, S.Si, M.Si JURUSAN STATISTIKA
Lebih terperinciREGRESI KUANTIL DENGAN KUADRAT TERKECIL PARSIAL DALAM STATISTICAL DOWNSCALING UNTUK PENDUGAAN CURAH HUJAN EKSTRIM ESTHER RIA MATULESSY
REGRESI KUANTIL DENGAN KUADRAT TERKECIL PARSIAL DALAM STATISTICAL DOWNSCALING UNTUK PENDUGAAN CURAH HUJAN EKSTRIM ESTHER RIA MATULESSY SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu usaha pemerintah dalam meningkatkan taraf hidup masyarakat adalah memberdayakan peranan jasa perbankan. Bank memiliki peranan yang sangat penting dalam menunjang
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciPEMODELAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PANJANG MUSIM HUJAN BERDASAR SEA SURFACE TEMPERATURE
PEMODELAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI PANJANG MUSIM HUJAN BERDASAR SEA SURFACE TEMPERATURE Agus Buono 1, M. Mukhlis 1, Akhmad Faqih 2, Rizaldi Boer 2 1 Departemen Ilmu Komputer, Fakultas Matematika
Lebih terperinciKAJIAN METODE LEAST ABSOLUTE SELECTION AND SHRINKAGE OPERATOR (LASSO) PADA DATA YANG MENGANDUNG HETEROSKEDASTISITAS MEIRA MAWATI
KAJIAN METODE LEAST ABSOLUTE SELECTION AND SHRINKAGE OPERATOR (LASSO) PADA DATA YANG MENGANDUNG HETEROSKEDASTISITAS MEIRA MAWATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPERBANDINGAN ANALISIS LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR DAN PARTIAL LEAST SQUARES (Studi Kasus: Data Microarray)
PERBANDINGAN ANALISIS LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR DAN PARTIAL LEAST SQUARES (Studi Kasus: Data Microarray) KADEK DWI FARMANI 1, I PUTU EKA NILA KENCANA 2, KOMANG GDE SUKARSA 3 1,2,3,
Lebih terperinciKLASIFIKASI DATA CURAH HUJAN MENGGUNAKAN REGRESI LOGISTIK DENGAN TEKNIK LASSO, STEPWISE DAN ANALISIS KOMPONEN UTAMA NOFALDI PUTRANTO
1 KLASIFIKASI DATA CURAH HUJAN MENGGUNAKAN REGRESI LOGISTIK DENGAN TEKNIK LASSO, STEPWISE DAN ANALISIS KOMPONEN UTAMA NOFALDI PUTRANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciMODEL REGRESI MENGGUNAKAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) PADA DATA BANYAKNYA PENDERITA GIZI BURUK
MODEL REGRESI MENGGUNAKAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) PADA DATA BANYAKNYA PENDERITA GIZI BURUK KABUPATEN/KOTA DI JAWA TENGAH SKRIPSI Disusun Oleh: AULIA PUTRI ANDANA 24010212140067
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)
II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciPEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
Xplore, 2013, Vol. 1(1):e3(1-7) c 2013 Departemen Statistika FMIPA IPB PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten
Lebih terperinciPEMBAHASAN ... (3) RMSE =
7 kemampuan untuk mengikuti variasi hujan permukaan. Keterandalan model dapat dilihat dari beberapa parameter, antara lain : Koefisien korelasi Korelasi dinyatakan dengan suatu koefisien yang menunjukkan
Lebih terperinciSTATISTICAL DOWNSCALING
STATISTICAL DOWNSCALING DENGAN SEBARAN PARETO TERAMPAT UNTUK PREDIKSI CURAH HUJAN EKSTRIM (Studi kasus curah hujan kabupaten Indramayu tahun 1979-2008) SHYNDE LIMAR KINANTI SEKOLAH PASCASARJANA INSTITUT
Lebih terperinciPERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS
E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani 1, I Gusti
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (Studi Kasus Stasiun Bangkir Kabupaten Indramayu)
PEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL UNTUK PENDUGAAN CURAH HUJAN EKSTRIM (Studi Kasus Stasiun Bangkir Kabupaten Indramayu) YANI QUARTA MONDIANA SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciTEKNIK STATISTICAL DOWNSCALING DENGAN REGRESI KOMPONEN UTAMA DAN REGRESI KUADRAT TERKECIL PARSIAL UNTUK PREDIKSI CURAH HUJAN PADA KONDISI EL NINO, LA NINA, DAN NORMAL 1 2 Woro Estiningtyas, Aji Hamim Wigena
Lebih terperinci1. PENDAHULUAN. [8 Januari 2006] 1 ( )
1. PENDAHULUAN 1.1. Latar Belakang Informasi ramalan curah hujan sangat berguna bagi petani dalam mengantisipasi kemungkinan kejadian-kejadian ekstrim (kekeringan akibat El- Nino dan kebanjiran akibat
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciPEMODELAN PERTUMBUHAN EKONOMI JAWA TENGAH MENGGUNAKAN PENDEKATAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 855-864 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PERTUMBUHAN EKONOMI JAWA TENGAH MENGGUNAKAN PENDEKATAN
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciPEMODELAN KLASIFIKASI CURAH HUJAN BULANAN DI KABUPATEN INDRAMAYU DENGAN METODE RANDOM FOREST DAN ROTATION FOREST MUTHIA KHANZA SANRANG
1 PEMODELAN KLASIFIKASI CURAH HUJAN BULANAN DI KABUPATEN INDRAMAYU DENGAN METODE RANDOM FOREST DAN ROTATION FOREST MUTHIA KHANZA SANRANG DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL KOMPONEN UTAMA FUNGSIONAL UNTUK PREDIKSI CURAH HUJAN EKSTRIM WIRNANCY JULIA SARI
i PEMODELAN STATISTICAL DOWNSCALING DENGAN REGRESI KUANTIL KOMPONEN UTAMA FUNGSIONAL UNTUK PREDIKSI CURAH HUJAN EKSTRIM WIRNANCY JULIA SARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 ii PERNYATAAN
Lebih terperinciSKRIPSI. Disusun Oleh : TYAS ESTININGRUM
APLIKASI METODE PUNCAK AMBANG BATAS MENGGUNAKAN PENDEKATAN DISTRIBUSI PARETO TERAMPAT DAN ESTIMASI PARAMETER MOMEN-L PADA DATA CURAH HUJAN (Studi Kasus : Data Curah Hujan Kota Semarang Tahun 2004-2013)
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Populasi dalam penelitian ini adalah PT. Bank Syariah Mandiri dan Bank
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Sampel Penelitian Populasi dalam penelitian ini adalah PT. Bank Syariah Mandiri dan Bank Indonesia. Sampel adalah wakil dari populasi yang diteliti. Dalam
Lebih terperinciPENERAPAN ALGORITME GENETIKA UNTUK PENDUGAAN PARAMETER PADA METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS ADAM MUHAMMAD RIDWAN
PENERAPAN ALGORITME GENETIKA UNTUK PENDUGAAN PARAMETER PADA METODE PEMULUSAN EKSPONENSIAL HOLT-WINTERS ADAM MUHAMMAD RIDWAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENDUGAAN NILAI EKSTRIM MENGGUNAKAN SEBARAN CHAMPERNOWNE TERMODIFIKASI, SEBARAN PARETO TERAMPAT, DAN NILAI GABUNGAN
PENDUGAAN NILAI EKSTRIM MENGGUNAKAN SEBARAN CHAMPERNOWNE TERMODIFIKASI, SEBARAN PARETO TERAMPAT, DAN NILAI GABUNGAN (Studi Kasus Curah Hujan Harian Darmaga Bogor) MUHAMMAD HAFID DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciKOREKSI DATA HUJAN DASARIAN TRMM DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA
KOREKSI DATA HUJAN DASARIAN DI STASIUN KLIMATOLOGI KAIRATU MENGGUNAKAN REGRESI LINEAR SEDERHANA Steven Cahya Andika Sekolah Tinggi Meteorologi Klimatologi dan Geofisika (STMKG), Tangerang Selatan Email
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciLEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK ( ) = ( + ) Kata kunci: regresi linear ganda, multikolinearitas, regresi gulud.
1 LEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK Metode kuadrat terkecil atau Ordinary Least Square (OLS) merupakan suatu metode penaksiran koefisien regresi yang paling sederhana. Jika diantara
Lebih terperinciRegresi Kuantil untuk Eksplorasi Pola Curah Hujan di Kabupaten Indramayu. Regression for Exploring Rainfall Pattern in Indramayu Regency
Regresi Kuantil (Anik D. & Aji Hamim Regresi Kuantil untuk Eksplorasi Pola Curah Hujan di Kabupaten Indramayu Regression for Exploring Rainfall Pattern in Indramayu Regency Anik Djuraidah & Aji Hamim Wigena
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciMODEL STATISTICAL DOWNSCALING DENGAN TIME LAG DATA GLOBAL CIRCULATION MODEL UNTUK PERAMALAN CURAH HUJAN SITTI SAHRIMAN
MODEL STATISTICAL DOWNSCALING DENGAN TIME LAG DATA GLOBAL CIRCULATION MODEL UNTUK PERAMALAN CURAH HUJAN SITTI SAHRIMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 214 PERNYATAAN MENGENAI TESIS
Lebih terperinciDISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN
DISAIN AWAL PROTOTYPE G2A UNTUK ANALISA DATA PERTANIAN DAN PEDESAAN Hanna Arini Parhusip 1 dan Ramos Somnya 2 Pusat Studi Simitro, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana ABSTRAK.
Lebih terperinci6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM
6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM 6.1 Pendahuluan Model regresi SD dinyatakan y = f(x) ε dimana y adalah peubah respon (curah hujan observasi, beresolusi
Lebih terperinciTeknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih
Lebih terperinciJUDUL KARYA ILMIAH MAKSIMUM TIGA BARIS, LIMA BELAS KATA TIDAK TERMASUK KATA DEPAN DAN KATA SAMBUNG AGUS MOHAMAD SOLEH
JUDUL KARYA ILMIAH MAKSIMUM TIGA BARIS, LIMA BELAS KATA TIDAK TERMASUK KATA DEPAN DAN KATA SAMBUNG AGUS MOHAMAD SOLEH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI DISERTASI
Lebih terperinciPEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R
PEMODELAN PRINCIPAL COMPONENT REGRESSION DENGAN SOFTWARE R Margaretha Ohyver Mathematics & Statistics Department, School of Computer Science, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciPERBANDINGAN LUARAN MODEL GCM, TRMM DAN OBSERVASI DALAM MENENTUKAN VARIABILITAS CURAH HUJAN DI ZONA PREDIKSI IKLIM JAWA BARAT
Prosiding Seminar Nasional Sains Atmosfer I 21, 16 Juni 21, Bandung PERBANDINGAN LUARAN MODEL GCM, TRMM DAN OBSERVASI DALAM MENENTUKAN VARIABILITAS CURAH HUJAN DI ZONA PREDIKSI IKLIM JAWA BARAT Sinta Berliana
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperincioleh DIAN BELLY YANI M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PEMODELAN BANYAKNYA KUNJUNGAN WISATAWAN PADA EMPAT LOKASI WISATA DKI JAKARTA DENGAN MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE SEEMINGLY UNRELATED REGRESSION (GSTAR-SUR) oleh DIAN BELLY YANI M0111020
Lebih terperinciLampiran 1. Data Produksi Tandan Buah Segar (ton/bulan) Kebun Huta Padang pada Tanaman Berumur 7, 10, dan 13 Tahun Selama 3 Tahun ( )
Lampiran 1. Data Produksi Tandan Buah Segar (ton/bulan) Kebun Huta Padang pada Tanaman Berumur 7, 10, dan 13 Tahun Selama 3 Tahun (2013-2015) BULAN Tahun Tahun Tahun Umur (Tahun) Umur (Tahun) Umur (Tahun)
Lebih terperinciPENDUGAAN CURAH HUJAN BULANAN STATISTICAL DOWNSCALING DENGAN JARINGAN SYARAF TIRUAN SEBARAN GAMMA ELA KODARSIH
PENDUGAAN CURAH HUJAN BULANAN STATISTICAL DOWNSCALING DENGAN JARINGAN SYARAF TIRUAN SEBARAN GAMMA ELA KODARSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciJurnal Fisika Unand Vol. 2, No. 4, Oktober 2013 ISSN
PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN BEBERAPA FUNGSI PELATIHAN BACKPROPAGATION (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012) Cici Oktaviani, Afdal
Lebih terperinciTUGAS AKHIR. Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3
TUGAS AKHIR Metode Regresi Kuadrat Terkecil Parsial Untuk Pra-Pemrosesan Data Luaran GCM CSIRO Mk-3 Oleh: Alin Fitriani 1306 100 066 Pembimbing: Dr.Ir. Setiawan, M.S NIP 198701 1 001 JURUSAN STATISTIKA
Lebih terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciPERBANDINGAN METODE MKT, LTS, WIN, DAN THEIL PADA PENDUGAAN PARAMETER REGRESI APABILA GALATNYA MENYEBAR EKSPONENSIAL HELGA ARINA PRAMUDITYA
PERBANDINGAN METODE MKT, LTS, WIN, DAN THEIL PADA PENDUGAAN PARAMETER REGRESI APABILA GALATNYA MENYEBAR EKSPONENSIAL HELGA ARINA PRAMUDITYA STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciEstimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama
Estimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama Shinta Anisa Putri Y 1, Raupong 2, Sri Astuti Thamrin 3 1 Program Studi Statistika, Jurusan Matematika, Fakultas Matematika
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Hasil Penelitian Penelitian ini dilakukan pada perusahaan yang telah go public dan terdaftar di Bursa Efek Indonesia periode 2010-2013. Pengolahan data dalam
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 11-16 ISSN: 2303-1751 PENERAPAN REGRESI ZERO-INFLATED NEGATIVE BINOMIAL (ZINB) UNTUK PENDUGAAN KEMATIAN ANAK BALITA NI MADE SEKARMINI 1, I KOMANG GDE SUKARSA
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan
Lebih terperinciTINJAUAN PUSTAKA Profil Kabupaten Jember Pengeluaran Per kapita
TINJAUAN PUSTAKA Profil Kabupaten Jember Berdasarkan data BPS (2009), Kabupaten Jember secara geografis terletak pada 113 0 30-113 0 45 Bujur Timur dan 8 0 00-8 0 30 Lintang Selatan. Wilayah Kabupaten
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciPENERAPAN GROUP LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR SEBAGAI METODE ALTERNATIF DALAM MENANGANI DATA BERDIMENSI TINGGI HAIFA MARDHOTILLAH
PENERAPAN GROUP LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR SEBAGAI METODE ALTERNATIF DALAM MENANGANI DATA BERDIMENSI TINGGI HAIFA MARDHOTILLAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPermodelan Proporsi Pengeluaran Makanan Rumah Tangga di Kota Jayapura
Permodelan Proporsi Pengeluaran Makanan Rumah Tangga di Kota Jayapura Pendekatan Regresi Kuantil Aditif Doni Hermawan 1, Yudhie Andriyana 2, Sri Winarni 3 Prodi Magister Statistik UNPAD 1 Prodi Magister
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciPERBANDINGAN MODEL ADITIF TERAMPAT DAN REGRESI SPLINE ADAPTIF BERGANDA
PERBANDINGAN MODEL ADITIF TERAMPAT DAN REGRESI SPLINE ADAPTIF BERGANDA (Studi kasus: Pemodelan Indeks Prestasi Kumulatif Mahasiswa IPB dan STAIN Purwokerto) MARIA ULPAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciANALISA VARIABILITAS CURAH HUJAN DI PALU BERDASARKAN DATA PENGAMATAN TAHUN
ANALISA VARIABILITAS CURAH HUJAN DI PALU BERDASARKAN DATA PENGAMATAN TAHUN 1981-2010 Wenas Ganda Kurnia Stasiun Pemantan Atmosfer Global Lore Lindu Bariri Palu Email: wenasbmkg@gmail.com ABSTRAK Curah
Lebih terperinciMODEL STATISTICAL DOWNSCALING DENGAN DOMAIN HASIL ANALISIS VARIOGRAM YUAN ASTIKA MILLAFANTI
MODEL STATISTICAL DOWNSCALING DENGAN DOMAIN HASIL ANALISIS VARIOGRAM YUAN ASTIKA MILLAFANTI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 005 ABSTRAK YUAN
Lebih terperinciKOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK. Iqbal Kharisudin. Jurusan Matematika FMIPA Universitas Negeri Semarang
KOEFISIEN DETERMINASI REGRESI FUZZY SIMETRIS UNTUK PEMILIHAN MODEL TERBAIK S-33 Iqbal Kharisudin Jurusan Matematika FMIPA Universitas Negeri Semarang Email: iqbal_kh@staff.unnes.ac.id Abstrak: Dalam analisis
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperincidari tahun pada stasiun pengamat yang berada di daerah Darmaga, Bogor.
Jika plot peluang dan plot kuantil-kuantil membentuk garis lurus atau linier maka dapat disimpulkan bahwa model telah memenuhi asumsi (Mallor et al. 2009). Tingkat Pengembalian Dalam praktik, besaran atau
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. DESKRIPSI DATA Data hasil penelitian terdiri dari dua variabel bebas yaitu variabel gaya belajar siswa (X1) dan variabel minat belajar siswa (X2) serta satu variabel terikat
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciReduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama
Reduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama Ferry Kondo Lembang Jurusan Matematika FMIPA UNPATTI ferrykondolembang@yahoo.co.id Abstrak Reduksi dimensi adalah bagian
Lebih terperinciLampiran 1. Data Produksi Karet (kg/bulan) Kebun Sei Baleh Estate pada Tanaman Berumur 7, 10 dan 13 Tahun Selama 3 Tahun ( )
79 Lampiran 1. Data Produksi Karet (kg/bulan) Kebun Sei Baleh Estate pada Tanaman Berumur 7, 10 dan 13 Tahun Selama 3 Tahun (2012-2014) Tahun 2012 Tahun 2013 Tahun 2014 Bulan Umur (tahun) Umur (tahun)
Lebih terperinciANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG. Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan
Saintia Matematika Vol. 2, No. 1 (2014), pp. 71 83. ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI PADI DI DELI SERDANG Riang Enjelita Ndruru,Marihat Situmorang,Gim Tarigan Abstrak. Penyediaan
Lebih terperinci5. UJI KONSISTENSI MODEL STATISTICAL DOWNSCALING BERBASIS PROJECTION PURSUIT DALAM PREDIKSI CURAH HUJAN
5. UJI KONSISTENSI MODEL STATISTICAL DOWNSCALING BERBASIS PROJECTION PURSUIT DALAM PREDIKSI CURAH HUJAN 5.1. Pendahuluan Model SD dengan metode PPR memberikan hasil pendugaan yang lebih akurat atau perbedaan
Lebih terperinciBAB III OBJEK DAN DESAIN PENELITIAN. hubungan antar variabel tersebut dirumuskan dalam hipotesis penelitian, yang akan diuji
BAB III OBJEK DAN DESAIN PENELITIAN III.1 Objek Penelitian Penelitian ini termasuk dalam jenis penelitian eksplanatif asosiatif, di mana hubungan antar variabel tersebut dirumuskan dalam hipotesis penelitian,
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) SKRIPSI Oleh : VICA NURANI 24010211130033 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciSELEKSI PEUBAH DALAM PEMODELAN PDRB SEKTOR PERTANIAN DENGAN METODE REGRESI KUADRAT TERKECIL PARSIAL ASTUTI DEWI WARAWATI
SELEKSI PEUBAH DALAM PEMODELAN PDRB SEKTOR PERTANIAN DENGAN METODE REGRESI KUADRAT TERKECIL PARSIAL ASTUTI DEWI WARAWATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2017 PERNYATAAN MENGENAI TESIS
Lebih terperinciMETODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK
METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciMETODE KEMUNGKINAN MAKSIMUM UNTUK KOREKSI SEBARAN BERSYARAT PADA ANALISIS KORELASI
METODE KEMUNGKINAN MAKSIMUM UNTUK KOREKSI SEBARAN BERSYARAT PADA ANALISIS KORELASI Restu Arisanti Departemen Statistika FMIPA Universitas Padjadjaran restu.arisanti@unpad.ac.id ABSTRAK. Masalah umum pada
Lebih terperinciBAB IV STUDI KASUS. Indeks merupakan daftar harga sekarang dibandingkan dengan
BAB IV STUDI KASUS 4.1 Indeks Harga Konsumen Indeks merupakan daftar harga sekarang dibandingkan dengan sebelumnya menurut persentase untuk mengetahui turun naiknya harga barang. Indeks Harga Konsumen
Lebih terperinciBAB IV HASIL ANALISIS DAN PEMBAHASAN. membuat kesimpulan yang berlaku untuk umum.
A. Uji Statistik Deskriptif BAB IV HASIL ANALISIS DAN PEMBAHASAN Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data
Lebih terperinci