Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) ( X Prn) D151 Analss Survval pada Pasen Pendera Sndrom Koroner Aku d RSUD Dr. Soeomo Surabaya Tahun 213 Menggunakan Regres Cox Proporonal Hazard Aloysus Audy Wjaya dan Sr Png Wulandar Jurusan Saska, Fakulas Maemaka dan Ilmu Pengeahuan Alam, Insu Teknolog Sepuluh Nopember (ITS) Jalan Aref Rahman Hakm, Surabaya 6111 Indonesa e-mal: sr_png@saska.s.ac.d Absrak Berdasarkan dagnoss dan gejala, esmas jumlah pendera Penyak Janung Koroner (PJK) erbanyak d Indonesa adalah Provns Jawa Tmur sebanyak orang (1,3%). Danara beberapa dagnoss, jens PJK yang palng berbahaya adalah Sndrom Koroner Aku (SKA) karena dapa menyebabkan kemaan dalam waku 15 hngga 3 men sejak serangan nyer perama. Oleh sebab u, penanganan pasen SKA harus secepa mungkn dengan selalu memperhakan laju perbakan klns pasen. Dengan demkan, perlu dlakukan penelan mengena fakor-fakor yang mempengaruh laju perbakan klns pasen SKA d RSUD Dr. Soeomo Surabaya. Salah sau analss saska yang dapa dgunakan unuk menjawab ujuan ersebu adalah analss survval dengan model regres Cox Proporonal Hazard. Analss survval merupakan suau meode sask dmana oucome varabel yang dperhakan adalah waku hngga erjadnya suau kejadan (even) aau serng dsebu waku survval, sedangkan regres Cox Proporonal Hazard merupakan salah sau regres semparamerk dmana varabel responnya berupa waku survval. Seelah dlakukan analss, dperoleh kesmpulan pada har ke-5 hngga har ke-1 peluang pasen dak mengalam perbakan klns cukup kecl. Beberapa fakor yang mempengaruh laju perbakan klns pasen SKA adalah saus penyak dslpdema, dabees melus, hperens dan profl hemodnamk. Dan laju perbakan klns pasen SKA semakn menngka dar har ke- hngga har ke- 8, kemudan konsan pada har ke-8 hngga har ke-11, lalu urun seelah har ke-11. Kaa Kunc Analss Survval, Laju Perbakan Klns, Sndrom Koroner Aku, Regres Cox Proporonal Hazard P I. PENDAHULUAN ENYAKIT Janung Koroner (PJK) merupakan suau konds dmana janung dak dapa bekerja sebagamana mesnya karena oo janung mengalam kerusakan akba kekurangan oksgen [1]. D Indonesa, PJK merupakan penyak penyebab kemaan nomor sau sejak ahun Berdasarkan dagnoss aau gejala, esmas jumlah pendera penyak janung koroner erbanyak erdapa d Provns Jawa Tmur sebanyak orang (1,3%) [2]. D anara beberapa dagnoss PJK, Sndrom Koroner Aku (SKA) merupakan yang palng berbahaya karena dapa menyebabkan kemaan dalam waku 15 hngga 3 men sejak serangan nyer perama. Pada ahun 28, penelan Nababan menghaslkan kesmpulan bahwa fakor resko pasen PJK anara lan: hperens, akfas fsk, kebasaan merokok, pola perlaku Rosenman, sres, dan rwaya keluarga erkena PJK [3]. D ahun yang sama, penelan Supryono juga menympulkan bahwa fakor resko yang berpengaruh erhadap kejadan PJK adalah: dslpdema, kebasaan merokok, penyak Dabees Melus dan penyak Dabees Melus dalam keluarga [4]. Penelan mengena PJK selama n hanya unuk mengeahu fakor resko, sedangkan d ss lan perlu juga unuk mengeahu laju perbakan klns pasen PJK mengnga beapa cepanya ngka kemaan PJK, khususnya dagnoss SKA. Berdasarkan esmas jumlah pendera PJK erbanyak berada d Provns Jawa Tmur, maka dlakukan penelan mengena fakor-fakor yang mempengaruh laju perbakan klns pasen PJK d RSUD Dr. Soeomo Surabaya. Salah sau meode saska yang dapa dgunakan unuk mengeahu fakor-fakor yang mempengaruh laju perbakan klns pasen adalah analss survval dengan model regres Cox Proporonal Hazard. Analss survval merupakan suau meode sask dmana oucome varabel yang dperhakan adalah waku hngga erjadnya suau kejadan (even) aau serng dsebu waku survval [5]. Sedangkan regres Cox Proporonal Hazard merupakan salah sau regres semparamerk yang berujuan mengeahu kombnas fakor-fakor yang berpengaruh erhadap responnya yang berupa waku survval. Dar hasl penelan n dharapkan dapa membanu phak RSUD Dr. Soeomo Surabaya unuk mengeahu laju kesembuhan pasen SKA yang drawa d rumah sak ersebu sera fakor-fakor yang mempengaruhnya, sehngga dapa mengevaluas apakah pengobaan yang dberkan pada pasen SKA sudah bak aau perlu dngkakan lag.

2 152 II. TINJAUAN PUSTAKA A. Analss Survval Analss survval merupakan suau meode sask dmana oucome varabel yang dperhakan adalah waku hngga erjadnya suau kejadan (even) aau serng dsebu waku survval [5]. Ada ga fakor yang harus dperhakan dalam menenukan waku survval menuru [6], yakn: 1. waku awal (me orgn/sarng pon), 2. even dar keseluruhan kejadan harus jelas, dan 3. skala pengukuran waku survval. B Fungs Survval dan Fungs Hazard Pada analss survval erdapa dua macam fungs uama yau fungs survval dan fungs hazard. Msal T merupakan varabel random yang melambangkan waku survval dan memlk fungs dsrbus peluang f(). Fungs survval S() ddefnskan sebaga probablas suau objek berahan lebh dar waku [5]. S( ) P( T ) 1 F( ) 1 P( T ) (1) Fungs hazard merupakan suau laju kegagalan/falure sesaa dengan asums bahwa suau objek mencapa even sampa waku ke-, dengan syara elah berahan sampa waku ersebu [5]. P( T T h ( ) lm (2) Sehngga hubungan anara fungs survval dan fungs hazard adalah sebaga berku. f() h () (3) S () C. Kurva Survval Kaplan-Meer Kurva survval Kaplan-Meer adalah suau kurva yang menggambarkan hubungan anara esmas fungs survval pada waku dengan waku survvalnya [5]. Esmas fungs survval dperoleh dar persamaan. S ( ( f ) ) = S( ( f 1) ) Pr T ( f ) T ( f ) (4) Selanjunya dlakukan perbandngan apakah ada perbedaan anara kurva survval KM menggunakan Uj Log- Rank dengan hpoess. H : Tdak ada perbedaan anara kurva survval KM H 1 : Ada perbedaan anara kurva survval KM Sask uj: Log-rank sasc = O E ; = 1,2,...G (5) # jumlah grup 2 dengan: O : nla observas ke- E : nla ekspekas ke- Hpoess H akan dolak jka Log-rank sasc lebh besar dar χ 2 (α,g-1) D. Regres Cox Proporonal Hazard Regres Cox Proporonal Hazard dgunakan unuk mengeahu efek dar beberapa varabel predkor erhadap varabel respon. Varabel respon dalam regres Cox adalah waku survval suau objek erhadap suau perswa erenu [6]. Regres n dak memlk asums mengena sfa dan benuk sesua dengan dsrbus seper asums pada regres E yang lan, sehngga bak dgunakan bla dsrbus dar waku survval dak dkeahu secara pas sehngga hasl esmas parameer regres mash dapa dpercaya [7]. Berku adalah model Cox Proporonal Hazard h( ) h ( ) exp( β'x ) (6) Marks X merupakan varabel predkor sebanyak p dan h () adalah baselne hazard funcon [8]. Vekor β merupakan parameer yang desmas menggunakan meode paral Maxmum Lkelhood. Langkah perama membua lnlkelhood dar fungs lkelhood es exac margnal (dgunakan bla erdapa banyak waku survval yang bernla sama) berku [9]. ( ) k L 1 exp( ) 1 j exp( ) d (7) jd Selanjunya mencar urunan perama dan kedua. Oleh karena urunan perama mpls maka dlanjukan dengan eras Newon-Raphson. Seleks model erbak dgunakan unuk mendapakan model erbak yang dapa menggambarkan hubungan anara waku survval dengan beberapa varabel predkor secara epa. Meode yang dapa dgunakan alah elmnas backward dan AIC. Langkah-langkah elmnas backward adalah sebaga berku [1]. 1) Membua model regres semua varabel predkor. 2) Memlh sau varabel predkor berdasarkan krera pemlhan merupakan varabel erakhr unuk dmasukkan dalam model. 3) Melakukan pengujan pada varabel predkor yang erplh pada langkah 2 dan memuuskan unuk menghlangkan aau dak varabel ersebu. 4) Mengulang langkah 2 dan 3 unuk seap varabel pada model. Apabla dak ada krera yang sesua berdasarkan langkah 3 maka proses elah selesa. Cara unuk membandngkan sejumlah kemungknan model dengan berdasarkan AIC [8] berku. AIC 2ln Lˆ 2k (8) L adalah nla lkelhood dan k adalah jumlah parameer β. Model erbak adalah model yang memlk nla AIC palng rendah. Seelah mendapakan varabel predkor yang ermasuk ke dalam model, maka langkah selanjunya adalah uj sgnfkans parameer model, menggunakan uj serenak dan uj ndvdu. 1. Uj Serenak Hpoess : H : β 1 = β 2 =... = β p = H 1: mnmal ada sau β k ; k=1,2,...,p Sask uj : LR = -2 ln L( ) L( ) dmana: L(ω ) : lkelhood anpa varabel predkor. L(Ω ) : lkelhood semua varabel predkor. k : banyak parameer dalam model. Tolak H bla LR > χ 2 p,α (9)

3 JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) ( X Prn) D Uj Parsal Hpoess : H : β k = H 1 : β k dengan k=1,2,...,p 2 β k Sask uj : W 2 = (SE(β k)) 2 (1) Tolak H bla W 2 > χ 2 1,α Model Cox Proporonal Hazard dapa dnerpreaskan dengan Hazard Rao (HR). HR adalah suau ukuran yang dgunakan unuk mengeahu ngka resko (kecenderungan) yang dapa dlha dar perbandngan anara ndvdu dengan konds varabel predkor X pada kaegor sukses dengan kaegor gagal [11]. Nla esmas dar HR dperoleh dengan rumus. h ( x ) h ( ) e HR e (11) h ( x 1) h ( ) E. Asums Proporonal Hazard Dalam model Cox Proporonal Hazard ada sebuah asums yang harus erpenuh, yakn asums Proporonal Hazard (PH). Asums PH dapa darkan sebaga suau keadaan HR bersfa konsan erhadap waku [5]. Ada 3 cara unuk menguj asums PH, anara lan. 1. Grafs Suau model Cox Proporonal Hazard dkaakan memenuh asums PH jka plo log-log anara masng-masng kaegor varabel predkor sejajar dan aau plo observed versus expeced anara masng-masng kaegor varabel predkor salng berdekaan [5]. 2. Goodness-of-f Pengujan korelas anara resdual Schoenfeld dan waku survval yang elah durukan, dengan langkah-langkah. a. Memperoleh resdual Schoenfeld dar hasl meregreskan daa waku survval dengan varabel predkor menggunakan rumus p xr exp x 1 r rr e c x p (12) exp x r R 1 r = 1,2,..., N dmana: N : jumlah objek R : jumlah objek yang memlk resko c : bernla jka ersensor, dan 1 jka even b. Mengurukan waku survval dar yang erkecl hngga erbesar. c. Menghung korelas anara resdual Schoenfeld dan waku survval yang elah durukan dengan rumus r e e y y 2 2 e e y y dmana: e : resdual Schoenfeld (13) y : rank waku survval (mean) d. Menguj korelas anara resdual Schoenfeld dan waku survval yang elah durukan dengan hpoess (Ender, 21) Hpoess : H : ρ = H 1 : ρ Sask uj : F h = (n 2)r2 (14) 1 r 2 Tolak H bla F h > F (1,n-2),α aau Pvalue < α [12]. Model Cox Proporonal Hazard dkaakan memenuh asums PH jka uj korelas dak sgnfkan [13]. 3. Varabel me-dependen Varabel me-dependen alah varabel predkor model Cox Proporonal Hazard yang dnerakskan dengan fungs waku (g()). Model Cox Proporonal Hazard dkaakan memenuh asums PH jka parameer varabel medependen dak sgnfkan [5]. F. Kurva Adjused Survval Kurva Adjused Survval merupakan kurva yang menggambarkan daa survval per sau predkor dengan memperhakan seluruh kovara dalam model. Berku esmas fungs survval pada kurva Adjused Survval. S(, X ) [ S ( )] p x e 1 (15) S () adalah fungs baselne survval. D dalam perhungannya, nla kovara yang dmasukkan dalam rumus adalah mean aau medan [5]. G. Sndrom Koroner Aku Sndrom Koroner Aku (SKA) merupakan salah sau jens dagnoss PJK dmana erjad gangguan alran darah ke janung yang menyebabkan sel oo janung ma. Penyebab uama SKA adalah proses aeroromboss. Aeroromboss erdr dar aeroskleross dan romboss. Aeroskleross adalah proses erbenuknya plak pada dndng pembuluh darah janung secara progresf. Sedangkan romboss merupakan proses pembenukan aau adanya darah beku yang erdapa d dalam kavas janung [14]. Dampak dar proses ersebu pasen akan mengalam angna pekors (nyer yang ak erahankan). SKA dapa dbag menjad 3 sub bagan berdasarkan dagnossnya [15], anara lan. 1. Unsable Angna (UA), adalah suau keadaan dmana pembuluh darah dak mengalam penyumbaan oal. 2. Non-ST Elevaon Myocardal Infracon (NSTEMI), adalah sejens UA namun erjad nekross pada mokard. 3. ST Elevaon Myocardal Infracon (STEMI), adalah keadaan dmana pembuluh darah elah mengalam oklus (penyumbaan) oal. Adapun ahapan-ahapan yang dlakukan oleh seorang doker dalam mendagnoss apakah pasen erkena SKA [14], anara lan. 1. Anamnesa (wawancara klns). 2. Pemerksaan Fsk, dlakukan dengan mengkaj gejala lan dar angna pekors, seper bera dan ngg badan, denyu nad, ekanan darah, sera frekuens janung [17].

4 Pemerksaan Dagnosk, anara lan dengan pemerksaan elekrokardograf, laboraorum darah, dan profl hemodnamk. Pemerksaan profl hemodnamk berujuan unuk mengeahu konds ssem srkulas pasen. Hasl dar pemerksaan n, pasen akan dbag menjad 4 kaegor, yakn. a. Konds kerng-hanga b. Konds basah-hanga c. Konds kerng-dngn d. Konds basah-dngn Jens sraeg erap yang derapkan pada pasen SKA ada bermacam-macam, anara lan erap konservaf, rombolk, aau erap nvasf (operas). Menuru jensnya, ada 2 macam fakor resko penyebab erjadnya SKA, yakn: fakor resko yang dak dapa dubah dan dapa dubah [18]. Fakor resko yang dak dapa dubah conohnya usa, jens kelamn, dan rwaya keluarga, sedangkan fakor resko yang dapa dubah conohnya kebasaan merokok, dabees melus, hperens, dslpdema, dan obesas. 2. Menenukan fakor-fakor yang mempengaruh laju perbakan klns pasen SKA berdasarkan model Cox Proporonal Hazard. Langkah-langkah melpu menguj asums PH, menghung esmas parameer model, mennyeleks model erbak dengan elmnas Backward dan AIC, menguj sgnfkans parameer model, sera menghung nla hazard rao. 3. Mengesmas laju perbakan klns pasen SKA menggunakan kurva Adjused Survval dar model Cox Proporonal Hazard yang elah erbenuk. IV. ANALISIS DAN PEMBAHASAN A. Karakersk Waku Survval Pasen Sndrom Koroner Aku Karakersk waku survval pasen SKA RSUD Dr. Soeomo Surabaya dapa ddeskrpskan melalu kurva survval Kaplan-Meer sebaga berku III. METODOLOGI PENELITIAN A. Sumber Daa Penelan n menggunakan desan penelan rerospekf, d mana daa yang dgunakan adalah daa sekunder, yau daa rekam meds mengena waku survval yang dperoleh dar pasen pendera SKA rawa nap pada Januar 213 hngga Desember 213 yang drawa d Rumah Sak Dr. Soeomo Surabaya. Dar 271 pasen yang drawa, hanya 7 pasen yang dapa del karena keerbaasan berkas dan dagnoss uama. Dar 7 pasen erdapa 2 daa ersensor (17 mennggal, 3 dak mengalam even selama masa penelan berlangsung) sehngga ada 5 pasen yang mengalam even. B. Varabel Penelan Varabel respon dalam penelan n adalah waku survval pasen pendera SKA. Waku survval dhung mula dar pasen masuk drawa nap d RSUD Dr. Soeomo Surabaya hngga keluar rumah sak dalam keadaan membak (dalam har). Varabel lan yang perlu dperhakan berkenaan dengan waku survval adalah ersensor aau daknya waku survval. Sedangkan varabel predkor dalam penelan n adalah dagnoss (X1), usa (X2), jens kelamn (X3), rwaya keluarga (X4), kebasaan merokok (X5), dslpdema (X6), dabees melus (X7), hperens (X8), profl hemodnamk (X9), dan sraeg erap (X1). Varabel X2 bersfa konnu. Varabel X1, X3 hngga X8 bersfa kaegork 2 kaegor, sedangkan X9 dan X1 bersfa kaegork dengan masngmasng 4 dan 3 kaegor. C Langkah Analss Langkah analss yang dlakukan unuk mencapa ujuan dar penelan n adalah sebaga berku. 1. Mendeskrpskan karakersk waku survval pasen PJK dengan kurva Survval Kaplan-Meer sebanyak varabel predkor sera melakukan Uj Log-Rank pada kurva Survval Kaplan-Meer Legend: P r o d u c - L m E s ma e Cu r v e Ce n s o r e d Ob s e r v a o n s Gambar 1. Kurva Survval Kaplan-Meer Pasen SKA Berdasarkan Gambar 1, dapa dlha bahwa pada har ke- hngga har ke-5, kurva survval urun lamba dengan peluang anara 1 hngga,8. In berar peluang pasen dak mengalam perbakan klns besar. Berbeda halnya dengan pada har ke-5 hngga har ke-1 dmana kurva survval urun cepa dengan peluang anara,8 hngga,1. Arnya peluang pasen dak mengalam perbakan klns mengecl, sehngga banyak pasen yang dapa keluar dar rumah sak. Begupun pada renang waku har ke-1 hngga seerusnya dmana erlha kurva urun secara lamba kembal dengan peluang dbawah,1. In menunjukkan bahwa seelah har ke-1, elah banyak pasen yang mengalam perbakan klns sera hanya beberapa saja yang mash drawa d rumah sak. Dar kurva ersebu dperoleh mean waku survval sebesar 7,679 har dan medan sebesar 7 har. Selanjunya, unuk mengeahu apakah erdapa perbedaan waku survval pasen SKA RSUD Dr. Soeomo anar kaegor masng-masng varabel menggunakan Uj Log-Rank sebaga berku. Tabel 1. Uj Log-Rank Berdasarkan Varabel Varabel P-value Varabel P-value X1,436 X6,128 X2,66 X7,23 X3,118 X8,44 X4,827 X9,59 X5,443 X1,82 Dar hasl Uj Log-Rank dkeahu bahwa waku survval pasen dagnoss UA-NSTEMI dan STEMI, usa < 65 dan 65 ahun, lak-lak dan perempuan, rwaya bukan pendera dan rwaya pendera, bukan perokok dan perokok, anpa dslpdema dan dengan dslpdema dak berbeda, 4 pe profl hemodnamk pasen, sera 3 sraeg erap pasen dak berbeda karena P-value > α(,5). Sedangkan waku

5 JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215) ( X Prn) D155 survval pasen anpa dabees melus dan dengan dabees melus sera anpa hperens dan dengan hperens berbeda karena P-value < α(,5). B. Uj Asums Proporonal Hazard Sebelum melakukan pemodelan regres Cox Proporonal Hazard ada sau asums yang harus erpenuh yau asums Proporonal Hazard (PH).. Berku uj asums PH secara uj goodness-of-f. Tabel 2 Uj Goodness-of-f Varabel Predkor Varabel P-value Varabel P-value X1,61 X6,366 X2,898 X7,17 X3,155 X8,579 X4,925 X9,333 X5,152 X1,376 Berdasarkan Tabel 2 dkeahu bahwa seluruh varabel menghaslkan P-value uj lebh besar dar α (,5). In berar kesepuluh varabel predkor elah memenuh asums PH secara uj goodness-of-f. C. Fakor-Fakor yang Mempengaruh Waku Survval Pasen Sndrom Koroner Aku Penenuan fakor-fakor yang mempengaruh laju perbakan klns pasen SKA dlakukan dengan pemodelan regres Cox Proporonal Hazard. Varabel respon yang dgunakan adalah waku survval pasen pendera SKA, sedangkan varabel predkornya adalah varabel dagnoss hngga varabel sraeg erap. Berku hasl esmas parameer model Cox Proporonal Hazard menggunakan es exac margnal. Tabel 3. Esmas Parameer Model Cox PH Varabel df esmas parameer ( ) Ch- Square P-value X1 1,367,854,356* X2 1 -,15,636,425* X3 1,5,686,47* X4 1,217,19,663* X5 1 -,534 1,226,268* X6 1-1,41 6,458,11* X7 1-1,492 8,988,3* X8 1 -,58 1,376,241* X9 (2) 1,116,92,762* X9 (3) 1-3,164 5,31,21* X9 (4) 1 1,437 2,6147,16* X1 (2) 1 -,513,926,336* X1 (3) 1,79,31,86* Varabel df Wald P-value X9 3 1,175,17* X1 2,9377,626* LR 13 26,119,16* * sgnfkan pada araf nyaa α =,5 Dar model Cox Proporonal Hazard dlakukan uj serenak Lkelhood Rao dan dperoleh kesmpulan bahwa model ersebu memlk sedaknya sau varabel yang sgnfkan. Namun keka dlakukan uj parsal, banyak varabel yang dak sgnfkan, sehngga perlu dlakukan elmnas Backward unuk menenukan model Cox Proporonal Hazard erbak. Tabel 4. Rngkasan Elmnas Backward Sep Varabel AIC Seluruh Varabel 195,421 1 Tanpa X4 193,65 2 Tanpa X4 dan X1 19,478 3 Tanpa X4, X1, dan X1 188,897 4 Tanpa X4, X1, X1, dan X5 187,6 5 Tanpa X4, X1, X1, X5, dan X2 186,473 6 Tanpa X4, X1, X1, X5, X2, dan X3 186,66 Prosedur elmnas Backward berhen pada langkah ke- 6. Dlha dar nla AIC, model dengan nla AIC erendah adalah model pada langkah ke-6. Dengan demkan, model Cox Proporonal Hazard erbak unuk menggambarkan pasen SKA adalah model anpa varabel rwaya keluarga, sraeg erap, dagnoss, kebasaan merokok, usa, dan jens kelamn. Berku adalah model Cox Proporonal Hazard erbak. Tabel 5. Esmas Parameer Model Cox PH Terbak Varabel df esmas parameer ( ) Ch- Square P-value Hazard Rao X6 1 -,672 4,134,42*,511 X7 1 -,815 6,511,11*,443 X8 1 -,721 4,38,36*,486 X9 (2) 1,93,68,795* 1,98 X9 (3) 1-2,551 4,944,26*,78 X9 (4) 1 1,21 2,635,15* 3,354 Varabel df Wald P-value X9 3 8,951,3* LR 13 21,475,3* * sgnfkan pada araf nyaa α =,5 Berdasarkan hasl esmas parameer, dperoleh model Cox Proporonal Hazard erbak sebaga berku. h( ) h ( ) exp(,672 dslpdema -,815 dabees melus -,721 hperens +,93 profl hemodnamk(2) - 2,551 profl hemodnamk(3) + 1,21 profl hemodnamk(4)) Dar model Cox Proporonal Hazard erbak dlakukan pengujan serenak dengan melha Lkelhood Rao dan dperoleh kesmpulan bahwa mnmal erdapa 1 varabel yang sgnfkan dalam model. Seelah pengujan serenak, model Cox Proporonal Hazard erbak perlu dlakukan uj parsal unuk mengeahu varabel mana saja yang sgnfkan. Pada uj parsal dperoleh kesmpulan bahwa varabel dslpdema, dabees melus, hperens, dan profl hemodnamk berpengaruh pada laju perbakan klns pasen SKA yang drawa nap d RSUD Dr. Soeomo Surabaya. Unuk melha besar pengaruh ap kaegor masngmasng varabel dapa dlha melalu Hazard Rao (HR). Pada varabel dslpdema, HR bernla,511. Nla n bermakna pasen anpa dslpdema memlk resko mengalam perbakan klns dua kal (1/,511) lebh besar darpada pasen dengan dslpdema. Pada varabel dabees melus, HR pada bernla,443. Nla n bermakna pasen anpa dabees melus memlk resko mengalam perbakan klns dua seperempa kal (1/,443) lebh besar darpada pasen dengan dabees melus. Pada varabel hperens, HR bernla,486. Nla n bermakna pasen anpa hperens memlk resko mengalam perbakan klns dua kal (1/,486) lebh besar darpada pasen dengan hperens. Pada

6 S u r v v o r F u n c o n E s ma e S u r v v o r F u n c o n E s ma e d s l p d e m a h p e r e n s 1 S u r v v o r F u n c o n E s ma e S u r v v o r F u n c o n E s ma e d a b e e s h e mo d n a m k varabel hemodnamk(3), HR bernla,78. Nla n bermakna pasen hemodnamk pe-1 (kerng-hanga) memlk resko mengalam perbakan klns ga belas kal lebh besar darpada pasen hemodnamk pe-3 (kerngdngn). D. Laju Perbakan Klns Pasen Sndrom Koroner Aku Seelah dlakukan pemodelan menggunakan regres Cox Proporonal Hazard, maka fungs survval pasen SKA yang drawa nap d RSUD Dr. Soeomo Surabaya dapa desmas menggunakan kurva Adjused Survval sebaga berku. S u r v v o r F u n c o n E s ma e V. KESIMPULAN DAN SARAN A. Kesmpulan Pada har ke-5 hngga har ke-1 peluang pasen unuk dak mengalam perbakan klns cukup kecl. Selan u, dperoleh raa-raa waku survval pasen adalah 8 har sedangkan medan 7 har. Dar hasl pemodelan regres Cox Proporonal Hazard dperoleh kesmpulan bahwa fakor yang mempengaruh laju perbakan klns pasen SKA adalah saus penyak dslpdema, dabees melus, hperens dan profl hemodnamk secara sgnfkan. B. Saran Beberapa saran yang dapa dberkan kepada phak enaga meds yang ada d RSUD Dr. Soeomo Surabaya, adalah memperhakan fakor-fakor yang berpengaruh sgnfkan erhadap laju perbakan klns pasen SKA dalam pengobaan pasen Gambar 2. Kurva Adjused Survval Pasen SKA Gambar 2 adalah gambaran peluang pasen dak mengalam perbakan klns dmana pasen ersebu dak mendera dslpdema, dak mendera dabees melus, mendera hperens, dan profl hemodnamk pe-1. Pada kurva ersebu erlha bahwa pada har ke- hngga har ke- 5, kurva survval urun lamba. Pada renang waku n, peluang pasen SKA dak mengalam perbakan klns berksar anara 1 hngga,9. Sedangkan pada renang waku har ke-1 hngga seerusnya dmana erlha kurva urun secara lamba kembal dengan peluang dak mengalam perbakan klns dbawah,1. Gambar 3. Kurva Adjused Survval Pasen SKA Berdasarkan Varabel Sgnfkan Gambar 3 menunjukkan bahwa peluang dak mengalam perbakan klns pada pasen dengan dslpdema, dabees melus, dan hperens lebh besar darpada pasen anpa dslpdema, anpa dabees melus, dan anpa hperens, unuk pasen dengan profl hemodnamk pe-3 memlk peluang dak mengalam perbakan klns palng besar danara pe lannya. DAFTAR PUSTAKA [1] Proda. (211). Dpek Sepember 19, 214, dar hp://proda.co.d/penyak-dan-dagnosa/penyak-janungkoroner [2] Kemenkes. (214). Info Dan. Suas Kesehaan Janung, hal. 2. [3] Nababan, D. (28). Hubungan Fakor Resko dan Karakersk Pendera dengan Kejadan Penyak Janung Koroner d RSU Dr. Prngad Medan Tahun 28. Medan: Unversas Sumaera Uara. [4] Supryono, M. (28). Fakor-fakor Resko yang Berpengaruh Terhadap Kejadan Penyak Janung Koroner pada Kelompok Usa Lebh dar 45 Tahun (Sud Kasus d RSUP Dr. Karad dan RS Telogorejo Semarang). Semarang: Unversas Dponegoro. [5] Klenbaum, D. G., & Klen, M. (212). Survval Analyss: A Self- Learnng Tex. London: Sprnger. [6] Cox, D. (1972). Regresson Model and Lfe Table. J Roy Sa Soc B, 34, [7] Lee, E. T. (198). Sascal Mehods for Survval Daa Analyss. Belmon, CA: Wadworh Publshers. [8] Colle, D. (1994). Modellng Survval Daa n Medcal Research. London: Chapman and Hall. [9] DeLong, D. M., Gurgus, G. H., & So, Y. C. (1981). Effcen Compuaon of Subse Selecon Probables wh Applcaon o Cox Regresson. Bomerka, [1] Le, C. T. (1997). Appled Survval Analyss. New York: John Wlley and Sons, Inc. [11] Hosmer, D., Lameshow, S., & May, S. (28). Appled Survval Analyss. Hokoben, New Jersey: Wley & Sons, Inc. [12] Ender, P. (21, Nopember 11). Inroducon o Reseacrh Desgn and Sascs. Dpek Jun 25, 215, dar hp:// [13] Harrell, F., & Lee, K. (1986). Procedngs of he Elevenh Annual SASW User's Group Inernaonal [14] Klnk, D. B. (26). Pharmaceucal Care unuk Pasen Penyak Janung Koroner: Fokus Sndrom Koroner Aku [15] Fanra, J. B. (214, Okober 14). Sndrom Koroner Aku. Dpek Aprl 16, 215, dar hp:// [16] Medka, F. (212, Sepember 14). Keluarga Janung. Dpek Februar 24, 214, dar [17] Udjan, W. J. (21). Keperawaan Kardovaskular. Jakara: Salemba Medka. [18] Suma. (21). Penanganan Sress Pada Penyak Janung Koroner. Jakara: CV. Trans Info Medka.

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2)

Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) (2) JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Prn) D-17 Analss Kurva Survval Kaplan Meer pada Pasen HIV/AIDS dengan Anrerovral Therapy (ART) d RSUD Prof. Dr. Soekandar Kabupaen Mojokero

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST BAB ESPONS FUNGSI STEP PADA ANGKAIAN DAN C Oleh : Ir. A.achman Hasbuan dan Naemah Mubarakah, ST . Persamaan Dferensal Orde Sau Adapun benuk yang sederhana dar suau persamaan dferensal orde sau adalah:

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H

Muthmainnah PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2007 M/1428 H PERBANDINGAN MODEL COX PROPORTIONAL HAZARD DAN MODEL PARAMETRIK BERDASARKAN ANALISIS RESIDUAL (Sud Kasus pada Daa Kanker Paru-Paru yang Dperoleh dar Conoh Daa pada Sofware S-Plus 2000 dan Smulas unuk Dsrbus

Lebih terperinci

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis JURAL SAIS DA SEI ITS Vol. 5 o. 2 (2016) 2337-3520 (2301-928X Prn) D-217 Pemodelan Penyerapan Tenaga Kerja Sekor Indusr d Indonesa Dengan Pendekaan Regres Daa Panel Dnams Avolla Terza Damalana dan Seawan

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS Mra Puspasar, Snggh Sapad, Dana Puspasar Absraks PT Ulam Tba Halm merupakan salah sau ndusr mnuman serbuk d Indonesa, dmana

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI Pada bab n akan dbahas beberapa eor dasar yang kelak akan dgunakan dalam penurunan formula penenuan harga Asan Opon, bak secara analk pada Bab III maupun secara numerk pada Bab

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1 BAB I PENDAHULUAN 1.1 Defns Rangkaan Lsrk Rangkaan Lsrk adalah sambungan dar beberapa elemen lsrk ( ressor, kapasor, ndukor, sumber arus, sumber egangan) yang membenuk mnmal sau lnasan eruup yang dapa

Lebih terperinci

PERBAIKAN ASUMSI KLASIK

PERBAIKAN ASUMSI KLASIK BAHAN AJAR EKONOMETRI AGUS TRI BASUKI UNIVERSITAS MUHAMMADIAH OGAAKARTA PERBAIKAN ASUMSI KLASIK 6.. Mulkolnearas Jka model ka mengandung mulkolneras yang serus yakn korelas yang ngg anar varabel ndependen,

Lebih terperinci

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III MINIMUM COVARIANCE DETERMINANT Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode robus unuk mendeeks penclan (ouler) dalam analss komponen uama robus yau meode Mnmum Covarance Deermnan

Lebih terperinci

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG

PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG INDEPT, Vol., No. 3, Okober 01 ISSN 087 945 PENENTUAN EOQ TERHADAP PRODUK AVTUR DI LANUD HUSEIN SASTRANEGARA BANDUNG Samsul Budaro, ST., MT Dosen Teap Teknk Indusr, Wakl Dekan III akulas Teknk, Unversas

Lebih terperinci

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor ANaISIS - TANSIEN. Kapasor dalam angkaan D Sebuah kapasor akan ermua bla erhubung ke sumber egangan dc seper yang dperlhakan pada Gambar. Pada Gambar (a), kapasor dak bermuaan yau pla A dan pla B mempunya

Lebih terperinci

PENAKSIRAN PELUANG KESEMBUHAN

PENAKSIRAN PELUANG KESEMBUHAN Prosdng SNaPP2011 Sans, Teknolog, dan Kesehaan ISSN:2089-3582 PENAKSIRAN PELUANG KESEMBUHAN DENGAN KEKAMBUHAN BERDISTRIBUSI EKSPONENSIAL 1 Abdul Kudus, 2 R. Dachlan Muchls, dan 3 Tk Respa 1,2 Jurusan Saska,

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

( L ). Matriks varians kovarians dari

( L ). Matriks varians kovarians dari LIVIA PUSPA T 677 9.3 METODE KOMPONEN UTAMA Informas yang dbuuhkan daam eknk komponen uama suau daa ddapa dar marks varans kovarans, aau marks koreasnya. Meode komponen uama n, beruuan unuk menaksr parameer

Lebih terperinci

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode BAB III THREE STAGE LEAST SQUARE Sebagamana elah dsnggung pada bab sebelumnya, salah sau meode penaksran parameer pada persamaan smulan yau meode Three Sage Leas Square (3SLS. Sebelum djelaskan lebh lanju

Lebih terperinci

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a APLIKASI STRUKTUR GRUP ANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI Mujash a a Program Sud Maemaka Jurusan Tadrs Fakulas Tarbah IAIN Walsongo Jl. Prof. Dr. Hamka Kampus II Ngalan Semarang

Lebih terperinci

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

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

Lebih terperinci

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR B-5-1 PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR Wsnu Bud Sunaryo, Haryono ITS Surabaya ABSTRAK Dalam duna konsruks saa n pemakaan produk beon

Lebih terperinci

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif

Di bidang ekonomi tidak semua informasi dapat diukur secara kuantitatif. Peubah dummy digunakan untuk memperoleh informasi yang bersifat kualitatif Regres Dummy D bdang ekonom dak semua nformas dapa dukur secara kuanaf Peubah dummy dgunakan unuk memperoleh nformas yang bersfa kualaf Conoh pada daa cross secon: Gender: sebaga penenu jumlah pendapaan

Lebih terperinci

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN

' PERATURAN BUPATI PACITAN I NOMOR 4 TAHUN 2012 PEMBERIAN BANTUAN PERALATAN DAN/ATAU MESIN BAGI INDUSTRI KECIL DAN MENENGAH KABUPATEN PACITAN j BUPAT PACTAN ' PERATURAN BUPAT PACTAN NOMOR 4 TAHUN 2012 TENTANG PEMBERAN BANTUAN PERALATAN DAN/ATAU MESN BAG NDUSTR KECL DAN MENENGAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

Pengenalan Aksara Pallawa dengan Model Hidden Markov

Pengenalan Aksara Pallawa dengan Model Hidden Markov Pengenalan Aksara Pallawa dengan Model Hdden Markov Wwen Wdyasu Teknk Elekro, Fakulas Sans dan Teknolog, Unversas Sanaa Dharma Emal: wwen@usd.ac.d Absrak Aksara Pallawa aau kadangkala duls sebaga Pallava

Lebih terperinci

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013 ! BUPAT PACrAN j PERATURAN BUPAT PACTAN NOMOR 18 TAHUN 2013 TENTANG PEDOMAN PENYUSUNAN LAPORAN DEWAN PENGAWAS BADAN LAYANAN UMUM DAERAH PADA RUMAH SAKT UMUM DAERAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN

Lebih terperinci

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR

Kajian Model Markov Waktu Diskrit Untuk Penyebaran Penyakit Menular Pada Model Epidemik SIR JURAL TEKK POT Vol, o, (0) -6 Kajan odel arkov Waku Dskr Unuk Penyebaran Penyak enular Pada odel Epdemk R Rafqaul Hasanah, Laksm Pra Wardhan, uhud Wahyud Jurusan aemaka, Fakulas PA, nsu Teknolog epuluh

Lebih terperinci

IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM

IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM Webse : jurnal.umj.ac.d/ndex.php/semnasek IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM Yayuk Seyanng Asuk 1*, Dan Tresnawan 2 *1 Prod Teknk Spl, Fakulas Teknk

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas

Lebih terperinci

EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA

EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Jurnal Ekonom Pembangunan Volume 1, Nomor, Desember 011, hlm.57-71 EL NINO, LA NINA, DAN PENAWARAN PANGAN DI JAWA, INDONESIA Arn Wahyu Uam, Jamhar, dan Suhamn Hardyasu Jurusan Sosal Ekonom Peranan, Fakulas

Lebih terperinci

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu

Sudaryatno Sudirham. Analisis Rangkaian Listrik Di Kawasan Waktu Sudaryano Sudrham nalss Rangkaan Lsrk D Kawasan Waku BB 12 nalss Transen d Kawasan Waku Rangkaan Orde Perama Yang dmaksud dengan analss ransen adalah analss rangkaan yang sedang dalam keadaan peralhan

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jens dan Sumber Daa Daa ang dgunakan dalam penelan n merupakan daa sekunder ang berasal dar berbaga nsans pemernah eruama Badan Pusa Sask. Daa ang dgunakan anara lan angka kemsknan,

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

EVALUASI 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 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 terperinci

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat

Modifikasi Penaksir Robust dalam Pelabelan Outlier Multivariat Vol. 14, No. 1, 46-53, Jul 2017 Modfkas Penaksr Robus dalam Pelabelan Ouler Mulvara Erna Tr Herdan Absrak Ouler adalah suau observas yang polanya dak mengku mayoras daa. Ouler dalam kasus mulvara sanga

Lebih terperinci

ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT

ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT ANALSIS OF TIME SERIES USING SECULAR TREND METHOD TO DETERMINE POPULATION GROWTH MODEL

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

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 terperinci

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER

INFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP

Lebih terperinci

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan KONSEP DASAR Laar belakang Meode Numerk Ilusras masalah numerk Angka sgnfkan Akuras dan Press Pendekaan dan Kesalahan Laar Belakang Meode Numerk Tdak semua permasalahan maemas dapa dselesakan dengan mudah,

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA y BUPAT PACTAN PERATURAN BUPAT PACTAN : NOMOR 55" TAHUN 20 ; TENTANG \ DANA ALOKAS DESA DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN, Menmbang : a. bahwa dalam rangka penngkaan penyelenggaraan pemernahan,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB 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 terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB 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 terperinci

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA Jurnal Ilmu Maemaka dan Terapan Desember 015 Volume 9 Nomor Hal. 97 10 NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA R. D. S. Rahangmean 1, M. I. Tlukay, F. Y. Rumlawang,

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Laar Belakang Masalah Knerja pembangunan ekonom Indonesa bsa dkaakan sanga membanggakan dengan ngka perumbuhan ekonom selama beberapa dekade erakhr n sangalah ngg, walaupun mengalam

Lebih terperinci

BERITA DAERAH KABUPATEN PACITAN PERATURAN BUPATI PACITAN 1 NOMOR 16 TAHUN 2010 TENTANG

BERITA DAERAH KABUPATEN PACITAN PERATURAN BUPATI PACITAN 1 NOMOR 16 TAHUN 2010 TENTANG BERTA DAERAH KABUPATEN PACTAN TAHUN 200 NOMOR 7 PERATURAN BUPAT PACTAN NOMOR 6 TAHUN 200 TENTANG PERUBAHAN KETGA ATAS PERATURAN BUPAT PACTAN NOMOR 28 TAUN 2009 TENTANG PENJABARAN ANGGARAN PENDAPATAN DAN

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI 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 terperinci

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik

BAB 2 LANDASAN TEORI. 2.1 Model Persediaan Model Deterministik 6 BAB LANDASAN TEORI. Model Persedaan.. Model Deermnsk Model Deermnsk adalah model yang menganggap nla-nla parameer elah dkeahu dengan pas. Model n dbedakan menjad dua: a. Deermnsk Sas. D dalam model n

Lebih terperinci

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5" TAHUN 2008 TENTANG

BUPATI PACITAN. i PERATURAN BUPATI PACITAN ; NOMOR 5 TAHUN 2008 TENTANG BUPAT PACTAN PERATURAN BUPAT PACTAN ; NOMOR 5" TAHUN 2008 TENTANG PETUNJUK PELAKSANAAN PERATURAN DAERA KABUPATEN PACTAN NOMOR 25 TAHUN 2007 TENTANG ORGAN DAN KEPEGAWAAN PERUSAHAAN DAERAH AR MNUM j KABUPATEN

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

Solusi Numerik Model Umum Epidemik Susceptible, Infected, Recovered (SIR) dengan Menggunakan Metode Modified Milne-Simpson

Solusi Numerik Model Umum Epidemik Susceptible, Infected, Recovered (SIR) dengan Menggunakan Metode Modified Milne-Simpson JURNAL SAINTIFIK VOL. NO. JULI 0 Slus Numerk Mdel Umum Epdemk Suscepble Ineced Recvered SIR denan Menunakan Mede Mded Mlne-Smpsn Wayudn Nur Nurul Muklsa Abdal Prram Sud Maemaka FMIPA Unversas Sulawes Bara

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS 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 terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB 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 terperinci

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010

BUPATI PACITAN. I PERATURAN BUPATI PACITAN \ NOMOR ;i6tahun 2010 3 1 BUPAT PACTAN PERATURAN BUPAT PACTAN \ NOMOR ;6TAHUN 2010 TENTANG PENYELENGGARAAN SSTEM PENGENDALAN NTERN PEMERNTA D LNGKUNGAN PEMERNTAH KABUPATEN PACTAN DENGAN RAHMAT TUHAN YANG MAHA ESA BUPAT PACTAN,

Lebih terperinci

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.

PEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc. PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

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

Lebih terperinci

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA Indra Rahm, Sr Png Wulandar Mahasswa Jurusan Saska Insu Teknolog Seuluh Noember Dosen

Lebih terperinci

Line Transmisi. Oleh: Aris Heri Andriawan ( )

Line Transmisi. Oleh: Aris Heri Andriawan ( ) ANALISIS APLIKASI PENJADWALAN UNIT-UNIT PEMBANGKIT PADA SISTEM KELISTRIKAN JAWA-BALI DENGAN MENGGUNAKAN UNIT COMMITMENT, UNIT DECOMMITMENT DAN MODIFIED UNIT DECOMMITMENT Oleh: Ars Her Andrawan (07000)

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN 3. Meode Penelan Meode penelan yang dgunakan dalam penelan n adalah meode deskrpf anals. Wnarno Surakhmad (990:40) mengemukakan bahwa meode deskrpf mempunya cr-cr sebaga berku:.

Lebih terperinci

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive JURNAL SAINS DAN SENI POMITS Vol., No., () 7 (98X Prn) D9 Analss Penyaluran Kred kendaraan bermoor Roda Dua Jens Baru dan Bekas d PT X dengan Meode Vecor Auoregressve Ardhka Surya Pura, Adaul Mukarromah

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL 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 terperinci

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga

Lebih terperinci

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB 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 terperinci

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Configural 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 terperinci

ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS

ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS Prosng Semnar Nasonal Volume 02, Nomor 1 ISSN 2443-1109 ESTIMASI PELUANG KEMUNCULAN KLAIM PADA PERUSAHAAN ASURANSI KECELAKAAN MELALUI PEMODELAN POINT PROCESS Irmayan 1, Nur Asm Rahmawa 2 Unversas Cokroamnoo

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka

Lebih terperinci

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS 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 terperinci

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali

Penggunaan Metode Modified Unit Decommitment (MUD) untuk Penjadwalan Unit-Unit Pembangkit Pada Sistem Kelistrikan Jawa - Bali Penggunaan Meode Modfed Un Decommmen (MUD) unuk Penjadwalan Un-Un Pembangk Pada Ssem Kelsrkan Jawa - Bal Ars Her Andrawan,2, Onoseno Penangsang ) Jurusan Teknk Elekro TS, Surabaya 60, ndonesa 2) Jurusan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

SEMINAR 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 terperinci

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor

Lebih terperinci