Penerapan Prosedur Firth untuk Mengatasi Pemisahan (Separation) pada Model Regresi Probit Biner
|
|
- Sucianty Darmadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Vol.1, No.1, Jul 017, Hal p-issn: ; e-issn: X Halaman 18 Penerapan Prosedur Frth untuk Mengatas Pemsahan (Separaton) pada Model Regres Probt Bner Evelln Dew Lusana 1, Luthfatul Amalana 1 Jurusan Manaemen Sumberdaya Peraran, Unverstas Brawaya Malang Jurusan Matematka, Unverstas Brawaya Malang emal: evellnlusana@ub.ac.d, luthfatul@ub.ac.d Info Artkel Rwayat Artkel: Dterma: 15 Me 017 Drevs: 1 Jun 017 Dterbtkan: 31 Jul 017 Kata Kunc: Maxmum Lkelhood Estmaton Prosedur Frth Pemsahan sempurna Pemsahan kurang sempurna Regres probt bner ABSTRAK Estmas parameter model regres probt dapat dlakukan dengan menggunakan metode Maxmum Lkelhood Estmaton (MLE). Namun, metode MLE tdak dapat dpaka apabla dalam data mengandung pemsahan (separaton) bak pemsahan sempurna (complete separaton) maupun pemsahan tdak sempurna (quas-complete separaton) karena mengakbatkan hasl estmas dengan metode MLE tdak konvergen. Salah satu upaya yang dapat dlakukan untuk mengatas hal n adalah dengan menggunakan pendekatan prosedur Frth yang pertama kal dusulkan oleh Frth (1993). Peneltan n menggunakan data sekunder pemberan kredt oleh pemerntah terhadap petan rumput laut d Kabupaten Kupang dengan tuuh varabel ndependen. Pada pemerksaan awal dtemukan bahwa data tersebut mengandung pemsahan kurang sempurna yang mengakbatkan estmas parameter bersfat dvergen. Setelah dtangan dengan pendekatan prosedur Frth, dperoleh estmas parameter yang bersfat konvergen Copyrght 017 SIMANIS. All rghts reserved. Korespondens: Evelln Dew Lusana, Jurusan Manaemen Sumberdaya Peraran, Unverstas Brawaya Malang, Jl. Veteran Malang, Jawa Tmur, Indonesa Emal: evellnlusana@ub.ac.d 1. PENDAHULUAN Analss regres probt bner adalah ens analss statstka yang dgunakan untuk mengetahu pengaruh satu/atau beberapa varabel dependen terhadap satu varabel dependen yang bersfat kualtatf bner. Umumnya parameter model n destmas dengan menggunakan metode Maxmum Lkelhood Estmaton (MLE) dengan bantuan metodeteratf Newton Raphson. Namun, penggunaan metode MLE memlk kelemahan yakn ka dalam data mengandung pemsahan (separaton) maka akan mengakbatkan hasl estmas parameter dan standar error menad tdak konvergen, sehngga hasl penguan hpotess cenderung akan menerma Ho. Pada konds sepert n, maka hasl estmas parameter dengan metode MLE tdak dapat dgunakan. Pemsahan dsebabkan oleh adanya satu atau kombnas lner beberapa varabel ndependen yang mengakbatkan nla-nla varabel ndependen dan dependen terpsah secara sempurna. Konds n sreng terad pada kasus yang melbatkan ukuran sampel kecl (small/sparse dataset). Istlah pemsahan atau separaton pertama kal dcetuskan oleh Albert and Anderson (1). Contoh sederhana pemsahan adalah tabel kontngens x yang memlk mnmal satu sel bernla nol. Pemsahan dapat dbedakan menad pemsahan sempurna (complete separaton) dan pemsahan kurang sempurna (quas-complete separaton). Pemsahan sempurna terad ka vektor koefsen dar fungs lner varabel ndependen sama dengan nol yang mengakbatkan pengamatan terbag ke dalam setap varabel dependen secara sempurna. Adapun pemsahan kurang sempurna terad ka vektor koefsen dar fungs lner Laman Prosdng:
2 Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Halaman 19 varabel ndependen melewat palng sedkt satu pengamatan pada setap kategor dependen (). Secara lustratf, keadaan pemsahan sempurna dan kurang sempurna dalam data dengan respon bner dtamplkan dalam Gambar 1 dan Gambar. Gambar 1. Pemsahan Sempurna (Complete Separaton) Gambar. Pemsahan Kurang Sempurna (Quas-Complete Separaton) Pada penerapan prakts, pemsahan merupakan suatu konds d mana terdapat salah satu kategor dar suatu varabel ndependen yang tdak terwakl oleh semua kategor varabel dependen, atau ka varabel ndependen bersfat kontnu, maka terdapat suatu nla msal x, d mana untuk X x dan/atau X x yang hanya berpasangan dengan salah satu kategor varabel dependen. Keberadaan pemsahan dalam data dengan respon bner perlu mendapatkan perhatan serus karena menghambat proses analss data. Cara konvensonal untuk mengatas hal n bsa dengan mengeluarkan varabel yang menad penyebab pemsahan atau menambah ukuran sampel. Namun menurut Zorn (3), mengeluarkan varabel ndependen yang menad penyebab pemsahan bsa menad kerugan karena ada kemungknan ustru varabel tersebut yang memlk pengaruh terbesar terhadap varabel dependen. D ss lan, menambah ukuran sampel uga bukan plhan yang tepat karena akan menghabskan sumberdaya bak baya, tenaga maupun waktu. Salah satu metode alternatf yang dtawarkan Frth (4) untuk mengatas pemsahan adalah dengan melakukan modfkas terhadap fungs lkelhood model regres respon bner. Modfkas yang dlakukan adalah dengan menambah penalty pada fungs skor lkelhood, sehngga metode n dkenal sebaga metode Penalzed Maxmum Lkelhood Estmaton (PMLE) atau dsebut uga dengan Pendekatan Frth. Metode n sudah pernah dgunakan oleh Henze and Schemper (5) untuk mengatas pemsahan pada model regres logstk bner. Dengan demkan, permasalahan yang dangkat dalam peneltan n adalah bagamana cara mengatas pemsahan pada model regres probt bner dengan pendekatan Frth. Sealan dengan permasalahan tersebut, maka tuuan peneltan n adalah untuk memberkan penerapan pendekatan Frth dalam mengatas pemsahan yang daplkaskan pada data pemberkan bantuan kredt petan rumput laut d Kab. Kupang. Penerapan Prosedur Frth Untuk Mengatas Pemsahan (Separaton) Pada Model Regres Probt Bner (Evelln Lusana)
3 Halaman 130 p-issn: ; e-issn: X. METODE PENELITIAN Pada peneltan n menggunakan data sekunder pemberan kredt oleh pemerntah kepada petan rumput laut d Kabupaten Kupang bersumber pada hasl peneltan Sunad (6) tentang model pengembangan buddaya rumput laut d Kabupaten Kupang d mana salah satu respon (varabel dependen) yang damat adalah penermaan kredt (Y), sedangkan varabel ndependen yang dgunakan adalah X1 : Pengalaman (tahun) X : Lama penddkan formal (tahun) X3 : Curahan tenaga kera (setara HOK=7 am kera) X4 : Usa (tahun) X5 :Tngkat kebershan rumput laut (%) X6 : Kadar ar rumput laut (%) X7 : Produktvtas (kg/m ) Prosedur analss yang dterapkan pada peneltan n delaskan sebaga berkut (1) Estmas parameter model regres probt bner dengan metode MLE Menurut Wooldrdge (7), model umum regres probt bner dbentuk dar proses berkut: msal terdapat varabel laten y e y d mana x β (1) Dalam hal n, varabel yang terobservas bukan arah/tanda bag y y yatu 1 ka y 0 0 ka y 0 sehngga nla peluang setap kemungknan y dnyatakan dengan P y P y P e ( 1 x ) ( 0 x) ( xβ 0 x) Py ( 0 x ) 1 xβ Pe ( x β x ) 1 x β x β Dengan demkan, fungs regres probt bner menad y 1 y y melankan varabel bner yang menunukkan f( y x ) xβ 1 x β (5) Berdasarkan fungs tersebut, maka fungs log-lkelhood dar regres probt bner adalah l β y ln xβ 1 y ln 1 xβ (6) Fungs n yang dmaksmumkan menggunakan metode MLE dan bantuan metode numerk Newton- Raphson, d mana setap teras Newton-Raphson berlaku ketentuan β β H g (t 1) (t) D mana: t T β (t) 1 ( t) ( t) = 1,,..., T = banyaknya teras yang dbutuhkan mencapa krtera konvergen = estmas parameter pada teras ke-t l H = β a b () (3) (4) (7) Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Vol.1, No.1, Jul 017:
4 Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Halaman 131 g = 1 t y xβ xβ xβ xβ xx = 1 t + (1 y ) 1 1 x β x β x β x β x β xx l β 1 (1 y ) 1 1 y x β x β x β x β x (9) Krtera kekonvergenan tercapa ka memenuh syarat ( t1) ( t) c (10) () Pemerksaan keberadaan pemsahan berdasarkan hasl (1) Berdasarkan hasl estmas parameter yang dhaslkan pada langkah pertama, kemudan dlakukan pemerksaan pemsahan dalam model. Teknk yang dgunakan mengadops Lessafre and Albert (8), d mana pemsahan terad ka perbandngan antara standar error estmator d setap estmator dengan nla standar error pada teras pertama. Apabla raso yang dperoleh bersfat dvergen, maka menunukkan terad pemsahan. Standar error estmator dhtung menggunakan rumus 1 ( t) ( t) SE( β Η( β (11) (3) Estmas parameter model regres probt bner dengan Pendekatan Frth Selanutnya, bla dalam data terad pemerksaan, maka hasl estmas parameter tdak dapat dgunakan. Dengan demkan, metode lan yang dgunakan adalah modfkas metode MLE dengan pendekatan Frth, atau dsebut uga metode PMLE. Modfkas yang dlakukan adalah dengan menambahkan unsur penalty/penalzed dalam fungs log-lkelhood 1 l ( β l( β ln I( β (1) D mana: l ( β l( β I( β = fungs log-lkelhood modfkas dengan Pendekatan Frth = fungs log-lkelhood regres probt bner = matrks nformas Fsher = β x β l E 1 a b x β x β (4) Pemerksaan keberadaan pemsahan berdasarkan hasl (3) Pemerksaan pemsahan yang dlakukan sama sepert pada langkah (). Prosedur-prosedur analss tersebut dalankan dengan bantuan software R vers yang dalankan pada sstem operas Wndows bt. xx t (8) (13) 3. HASIL DAN ANALISIS Hasl analss terhadap data sekunder yang dgunakan dabarkan dalam sub-sub bab sebaga berkut Hasl Estmas Parameter Model Probt Bner dengan Metode MLE Estmas parameter model probt bner menggunakan metode MLE untuk data pemberan kredt kepada petan rumput laut d Kabupaten Kupang dengan 7 varabel ndependen dtamplkan pada Tabel 1. Penerapan Prosedur Frth Untuk Mengatas Pemsahan (Separaton) Pada Model Regres Probt Bner (Evelln Lusana)
5 Halaman 13 p-issn: ; e-issn: X Tabel 1. Estmas Parameter Model Probt Bner dengan Metode MLE Parameter Estmate Standar Error Z-value Pr(> z ) β β β β β β β β Berdasarkan Tabel 1, dapat dlhat bahwa dar 7 parameter yang menunukkan koefsen regres dar varabel ndependen yang dgunakan, tdak ada satu pun varabel yang berpengaruh sgnfkan terhadap varabel dependen (pemberan kredt). Hal n dkarenakan ketuuh parameter tersebut memlk Pr(> z ) > α=0.05. Suatu varabel ndependen dkatakan berpengaruh sgnfkan ka memlk Pr(> z ) < α. Selan tu, dlhat berdasarkan nla standar error yang dhaslkan, tampak bahwa standar error bag β 0 dan β 6 tergolong cukup besar bla dbandngkan secara relatf terhadap nla estmas parameternya. Dua keadaan n, merupakan snyal awal adanya pemsahan dalam data atau model yang dgunakan. Oleh karena tu, perlu dlakukan pemerksaan terhadap keberadaan pemsahan dalam model. 3.. Pemerksaan Pemsahan Dalam Model Probt Bner MLE Pemerksaan keberadaan pemsahan dalam model regres probt bner MLE menerapkan teknk Lessafre and Albert (8), yakn dengan membandngkan standar error estmas parameter setap teras terhadap nla standar error d teras pertama. Hasl perbandngan standar error tersebut dsakan dalam Tabel. Tabel. Perbandngan Standar Error Estmas Parameter Probt Bner MLE Setap Iteras Iteras β 0 β 1 β β 3 β 4 β 5 β 6 β Dar Tabel tampak bahwa nla perbandngan standar error bag β 0 dan β 6 sampa dengan teras ke 15 semakn lama semakn besar, atau dengan kata lan standar error yang dhaslkan bersfat dvergen. Hal n elas menunukkan adanya pemsahan dalam model regres probt bner dengan Metode MLE. Dengan demkan, hasl estmas parameter probt bner dengan metode MLE yang dhaslkan sebelumnya tdak dapat dgunakan, sehngga dcoba alternatf metode MLE dengan Pendekatan Frth. 3.3 Hasl Estmas Parameter Model Probt Bner dengan Pendekatan Frth Karena pada pembahasan sebelumnya dtemukan bahwa terad pemsahan dalam data yang dgunakan, maka hasl estmas parameter dengan metode MLE menad tdak dapat dgunakan. Oleh karena tu salah satu alternatf yang dapat dadkan solus adalah menggunakan metode MLE dengan pendekatan Frth. Hasl estmas parameter model regres probt bner dengan pendekatan Frth dapat dlhat pada Tabel 3. Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Vol.1, No.1, Jul 017:
6 Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Halaman 133 Tabel 1. Estmas Parameter Model Probt Bner dengan Metode MLE Pendekatan Frth Parameter Estmate Standar Error Z-value Pr(> z ) β β β β β β β β Tabel 3 memperlhatkan bahwa dar tuuh varabel ndependen yang dgunakan terdapat satu varabel yang berpengaruh sgnfkan terhadap pemberan kredt, yatu varabel X6 atau kadar ar rumput laut karena estmas parameter bag varabel tersebut memlk Pr(> z ) < α=0.05. D ss lan, bla dlhat berdasarkan nla standar error masng-masng estmas parameter, maka tampak bahwa nla standar error yang dhaslkan dengan pendekatan Frth n cukup logs artnya bla dbandngkan relatf terhadap estmas parameter yang dperoleh, nla standar error tdak terlampau besar. Konds n berbeda dengan hasl estmas parameter dengan metode MLE sebelumnya, d mana tdak ada varabel ndependen yang berpengaruh sgnfkan terhadap varabel dependen, dan terdapat nla standar error yang sangat besar Pemerksaan Pemsahan Dalam Model Probt Bner MLE dengan Pendekatan Frth Pemerksaan keberadaan pemsahan dalam model regres probt bner MLE dengan pendekatan Frth dlakukan melalu perbandngan standar error estmas parameter setap teras terhadap nla standar error d teras pertama. Hasl perbandngan standar error n dtamplkan dalam Tabel 4. Tabel 4. Perbandngan Standar Error Estmas Parameter Probt Bner MLE dengan Pendekatan Frth Setap Iteras Iteras β 0 β 1 β β 3 β 4 β 5 β 6 β Berdasarkan Tabel 4 dapat dketahu bahwa perbandngan standar error estmas parameter yang dhaslkan menggunakan metode MLE dengan pendekatan Frth sampa pada teras ke 15 mampu mencapa kekonvergenan. Hal n bsa dlhat pada nla-nla perbandngan pada teras ke 8-15 yang bersfat konstan. Keadaan n menunukkan bahwa estmas parameter dengan pendekatan Frth bersfat konvergen, atau dengan kata lan berhasl mengatas pemsahan yang menad permasalahan dalam estmas parameter dengan metode MLE. Secara rngkas, perbandngan konvergens estmas parameter antara MLE dan pendekatan Frth yang dtanda oleh raso standar error estmator β 0 dan β 6 setap tera terhadap teras pertama dtamplkan dalam Gambar 3 berkut. Penerapan Prosedur Frth Untuk Mengatas Pemsahan (Separaton) Pada Model Regres Probt Bner (Evelln Lusana)
7 Halaman 134 p-issn: ; e-issn: X (a) (b) Gambar 3. Perbandngan Konvergens Estmator MLE dan Frth (a) Estmator β 0 (b) Estmator β 6 Berdasarkan Gambar 3 dapat dketahu bahwa estmator β 0 dan β 6 pada MLE cenderung memlk raso standar error yang semakn bertambah teras bernla semakn besar. Hal n menunukkan bahwa kedua estmator tersebut tdak mampu mencapa konvergens (dvergen). D ss lan, raso standar error bag estmator yang sama dengan pendekatan Frth memlk nla yang konstan sepanang teras. Konds n mengndkas bahwa estmator-estmator tersebut berhasl mencapa kekonvergenan. Dar hasl n, maka dapat dkatakan bahwa estmator MLE tdak mencapa konvergens, sedangkan estmator Frth berhasl mencapa konvergens. 4. KESIMPULAN Dar hasl analss dan pembahasan yang telah dsampakan, maka dapat dsmpulkan bahwa data sekunder pemberan kredt terhadap petan rumput laut d Kabupaten Kupang mengandung pemsahan atau separaton. Hal n terlhat dar hasl pemerksaan terhadap nla perbandngan standar error estmas parameter metode MLE setap teras yang dvergen, sehngga mengakbatkan hasl estmas yang dperoleh tdak dapat dgunakan. Oleh karena tu, dgunakan metode MLE dengan pendekatan Frth yang menghaslkan estmas parameter yang bersfat konvergen. Setelah dlakukan pemerksaan pemsahan dalam hasl estmas yang dperoleh uga tdak menunukkan adanya pemsahan. Dengan demkan, penggunaan pendekatan Frth pada metode MLE mampu mengatas masalah pemsahan dalam data. REFERENSI 1. Albert A, Anderson JA. On the Exstence of Maxmum Lkelhood Estmates n Logstc Regresson Model. Bometrka. 1984;71: So Y. A Tutoral on Logstc Regresson Avalable from: 3. Zorn C. A Soluton to Separaton n Bnary Response Models. Poltcal Analyss. 005;13: Frth D. Bas Reducton of Maxmum Lkelhood Estmates. Bometrka. 1993;80: Henze G, Schemper M. A Soluton to The Problem of Separaton n Logstc Regresson. Statstcs n Medcne 00;1: Sunad. Model Pengembangan Buddaya Rumput Laut d Kabupaten Kupang Provns NTT (Smulas Kebakan dengan Pendekatan Ekonom Rumah Tangga).. Malang: Unverstas Brawaya; Wooldrdge JM. Econometrc Analyss of Cross Secton and Panel Data. Massachusets: MIT Press; Lessafre E, Albert A. Partal Separaton n Logstc Dscrmnaton. Journal of the Royal Statstcal Socety B 1989;51(1): Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Vol.1, No.1, Jul 017:
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB 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 terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciBAB 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 terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciFAKTOR-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 terperinciBAB 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 terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciMetode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural
Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas
Lebih terperinciBAB 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 terperinciBAB 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 terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciRahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson.
Jurnal Sans Matematka dan Statstka, Vol. No. Jul 16 ISSN 46-454 Perbandngan Model Regres Generalzed Posson Dan Bnomal Negatf Untuk Mengatas Overdspers Pada Regres Posson (Stud Kasus: Penderta Flarass d
Lebih terperinciANALISIS 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciV ANALISIS VARIABEL MODERASI DAN MEDIASI
Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB 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 terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBab 4. ANACOVA Analysis Of Covariance
Bab 4 ANACOVA Analss Of Covarance ANAVA vs ANREG ANAVA?? dgunakan untuk mengu perbandngan varabel tergantung () dtnau dar varabel bebas ANREG?? Dgunakan untuk mempredks varabel tergantung () melalu varabel
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciBAB 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 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 terperinciBAB 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 terperinciTIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN
Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB 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 terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciPENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP
PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciPENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciBAB 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 terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
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 terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciANALISIS PERMINTAAN PANGAN HEWANI INDONESIA DENGAN GENERALIZED METHOD OF MOMENTS PADA MODEL QUADRATIC ALMOST IDEAL DEMAND SYSTEM
ANALISIS PERMINTAAN PANGAN HEWANI INDONESIA DENGAN GENERALIZED METHOD OF MOMENTS PADA MODEL QUADRATIC ALMOST IDEAL DEMAND SYSTEM Wahyu Dw Lesmono, Ftra Vrgantar, Hagn Wjayant Program Stud Matematka Fakultas
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmah Wdya Teknk Volume 16 Nomor 1 2017 ISSN 1412-7350 PEMODELAN MATEMATIKA UNTUK PERANCANGAN PRODUK LEMARI KABINET Rcky Yulanton Prhandaa, Dan Retno Sar Dew * Jurusan Teknk Industr, Fakultas Teknk,
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Jun MAJALAH ILMIAH Matematka dan Statstka DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Maalah Ilmah Matematka dan Statstka Volume, Jun MODEL UNTUK DATA BERDISTRIBUSI
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciANALISIS 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 terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB 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 terperinciJURNAL 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 terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciPENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER
Penerapan Program Lner Kabur dalam Analss.. Elfranto PENERAPAN PROGRAM LINIER KABUR DALAM ANALISIS SENSITIVITAS PROGRAM LINIER Elfranto Dosen Unverstas Muhammadyah Sumatera Utara Abstrak: Salah satu kaan
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciBAB IV HASIL PENELITIAN
6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka
Lebih terperinciPengelompokan Daerah Rawan Kriminalitas di Indonesia Menggunakan Analisis K-Means Clustering
Prosdng SI MaNIs (Semnar Nasonal Integras Matematka dan Nla Islam) Vol.1, No.1, Jul 2017, Hal. 147-153 p-issn: 2580-4596; e-issn: 2580-460X Halaman 147 Pengelompokan Daerah Rawan Krmnaltas d Indonesa Menggunakan
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB III SKEMA NUMERIK
BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,
Lebih terperinciPemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)
Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan
Lebih terperinciANALISIS KOVARIANSI part 2
ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciBAB III METODE PENELITIAN. problems. Cresswell (2012: 533) beranggapan bahwa dengan
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan kombnas atau mxed methods. Cresswell (2012: 533) A mxed methods research desgn s a procedure for collectng, analyzng and mxng
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag
BAB IV APLIKASI Pada bagan n akan dbahas bagamana contoh mengestmas parameter model yang dasumskan memlk karaterstk spasal lag sekalgus spasal error. Estmas dlakukan dengan menggunakan software Evews 3
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinci