OLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1

Ukuran: px
Mulai penontonan dengan halaman:

Download "OLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1"

Transkripsi

1 ANALISIS REGRESI MULTILEVEL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI NILAI UASBN SD/MI (Studi Kasus Nilai UASBN SD/MI di Kecamatan Tulangan Tahun Ajaran 2009/2010) OLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1

2 LATAR BELAKANG Faktor-faktor yang mempengaruhi nilai UASBN siswa-siswi SD/MI yang terdapat di kecamatan Tulangan dipengaruhi oleh dua faktor. Faktorfaktor tersebut adalah faktor individu dan faktor sekolah. Oleh karena itu, dilakukan analisis regresi multilevel dalam penelitian ini. Hal ini dikarenakan data yang akan dianalisis merupakan data dengan variabel prediktor berupa data nominal yaitu nilai UASBN siswa. Selain itu, data yang dianalisis bersarang(nested) yaitu siswa dalam sekolah sehingga pemodelan tidak hanya dilakukan berdasarkan satu level saja. Analisis regresi multilevel adalah suatu analisis yang memodelkan variabel variabel prediktor yang berpengaruh terhadap variabel respon dengan variabel respon diukur pada level yang paling rendah sedangkan variabel prediktor diukur pada semua level yang ada. Model regresi multilevel yang digunakan adalah model random slope model karena data UASBN tiap sekolah memiliki pola yang berbeda. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 2

3 RUMUSAN MASALAH Bagaimana deskripsi karakteristik peserta UASBN SD/MI di kecamatan Tulangan pada tahun ajaran 2009/2010? Bagaimana model regresi multilevel faktor-faktor yang mempengaruhi nilai UASBN SD/MI di kecamatan Tulangan pada tahun ajaran 2009/2010? TUJUAN Mengetahui deskripsi karakteristik peserta UASBN SD/MI di kecamatan Tulangan pada tahun ajaran 2009/2010. Menentukan model regresi multilevel terhadap faktor-faktor yang mempengaruhi nilai UASBN SD/MI di kecamatan Tulangan pada tahun ajaran 2009/2010. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 3

4 MANFAAT Menambah wawasan keilmuan dalam penerapan metode regresi multilevel (khususnya dalam Bidang Pendidikan) Memberikan informasi terkait faktor-faktor yang mempengaruhi nilai UASBN Kecamatan Tulangan (Kabupaten Sidoarjo) Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 4

5 BATASAN MASALAH Objek Penelitian Siswa kelas 6 Sekolah Dasar yang terdaftar mengikuti UASBN tahun 2009/2010 Variabel penelitian Dipilih berdasarkan beberapa penelitian sebelumnya (Ermawati 2008 dan sutarsih 2008), studi literatur serta termuat dalam data UASBN Dinas Pendidikan tahun 2009/2010. Metode Penelitian Random Intersep model dengan dua level Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 5

6 FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL BELAJAR Dalyono (1997: 55-60) Faktor faktor yang mempengaruhi hasil belajar BNSP Tahun 2008 indikator kualitas sekolah diukur berdasarkan Konteks Sekolah Kepemimpinan sekolah Sasaran pendidikan Profesionalisme Kedisiplinan Lingkungan akademik Faktor Intern Kesehatan Intelegensi dan Bakat Minat dan Motivasi Cara belajar Faktor Ekstern Keluarga Sekolah Masyarakat Lingkungan sekitar Guru Pendidikan guru Kualitas guru Pengalaman guru Pengembangan Proesionalisme guru Kelas Mata pelajaran Metode pengajaran Teknologi Ukuran kelas Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 6

7 REGRESI MULTILEVEL Random Intercept Model Pada model ini, koefisien regresi yang berbeda untuk setiap unit level dua hanya pada perpotongannya dengan sumbu-y saja, sedangkan koefisien dari variabel penjelas level satu mempunyai nilai yang fixed. Dengan menggabungkan keduanya didapatkan notasi sebagai berikut. Dimana: variabel respon(diukur pada level 1) koefisien variabel prediktor variabel prediktor ke-r pada level 1, r = 1,2,,l variabel prediktor ke-p pada level 2, p = 1,2,,q error pada level 2 error pada level 1 Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 7

8 REGRESI MULTILEVEL Untuk mengestimasi parameter regresi multilevel, digunakan metode Ordinary Least Square (OLS) dan Iteratif General Least Square (IGLS) sebagai berikut. 1. Pembentukan model regresi pada setiap grup dengan rumus: varian-kovarian dengan 7. sehingga Estimasi Parameter 2. Penaksiran nilai Y dengan 3. Menghitung residual dengan rumus: 4.Membentuk matriks crossproduct 5.Melakukan pemvektorisasian matriks crossproduct dengan 6. Melakukan pemvektorisasian matriks Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 8

9 REGRESI MULTILEVEL 8.Vektor-vektor yang bersesuaian dengan dan tersebut dinotasikansebagai,, kemudian dibentuk matriks dan parameter-parameter random yang ditaksir dinyatakan dengan vektor sebagai berikut. Estimasi Parameter 11. Hasil penaksiran parameter tetap digunakan untuk menaksir parameter random yang baru. Selanjutnya dilakukan penaksiran berulang-ulang secara bergantian antara parameter tetap dan parameter random hingga konvergen. 9. Menaksir parameter dimana dengan menggunakan metode General LeastSquare sebagai berikut Dengan V*=V V 10.Melakukan pengestimasian fixed parameter sebagai berikut. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 9

10 REGRESI MULTILEVEL Perhitungan Intra Class Correlation (ICC) Nilai Intra Class Correlation (ICC) menunjukkan nilai korelasi atau hubungan dari masing-masing unit pada level 2 (sekolah) tersebut = variansi pada unit level dua = variansi pada unit level 1 Uji Signifikansi Parameter Perhitungan R 2 Nilai R 2 menunjukkan proporsi pereduksian variansi model regresi multilevel dengan hanya menggunakan koefisien random jika dibandingkan dengan variansi yang dijelaskan oleh model regresi multilevel dengan menggunakan variabelvariabel yang telah signifikan. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 10

11 SUMBER DATA Data yang digunakan Data sekunder nilai UASBN SD/MI serta data guru pengajar SD/MI kecamatan Tulangan tahun 2009/2010 Cabang Dinas Pendidikan Kecamatan Tulangan Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 11

12 IDENTIFIKASI VARIABEL Variabel Y Nilai UASBN Siswa SD/MI tahun 2009/20010 Variabel X (prediktor level 1) Jenis kelamin (X1) Berskala nominal dengan 0=lakilaki dan 1=perempuan Usia (X5) Berskala rasio Jumlah saudara (X8) Berskala rasio Nilai raport kelas 4 semester 1 untuk pelajaran UASBN (X4) Berskala rasio Variabel W (prediktor level 2) Ukuran kelas (W1) Berskala rasio Pendidikan guru kelas (W2) Berskala nominal dengan 0=PGSD dan 1=non-PGSD Pengalaman guru kelas (W3) Berskala rasio Akreditasi sekolah (W4) Berskala nominal dengan 0=A dan 1=B Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 12

13 LANGKAH PENELITIAN Langkah langkah dalam analisis data yang dilakukan guna mencapai setiap tujuan penelitian adalah sebagai berikut. 1. Melakukan analisis deskriptif sehingga diketahui karakteristik UASBN SD/MI di Kecamatan Tulangan pada tahun 2009/2010 dengan langkah sebagai berikut. a. Melakukan analisis menggunakan pie diagram pada masing-masing variabel peserta UASBN. b. Melakukan analisis menggunakan chart diagram pada masing-masing variabel nilai UASBBN. 2. Memodelkan menggunakan analisis regresi multilevel untuk mengetahui faktor-faktor yang mempengaruhi nilai UASBN SD/MI di Kecamatan Tulangan pada tahun ajaran 2009/2010 dengan langkah sebagai berikut. a. Melakukan uji signifikansi parameter secara individu. b. Melakukan uji signifikansi parameter secara serentak. c. Melakukan pemodelan parameter regresi multilevel yang signifikan. d. Menginterpretasikan model regresi multilevel. e. Menghitung nilai ICC dan R 2 model regresi multilevel yang didapatkan. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 13

14 KARAKTERISTIK PESERTA UASBN SD/MI KECAMATAN TULANGAN TAHUN 2009/ th 4% 11th 1% 15th 1% perempuan 48% laki-laki 52% 13th 38% 12th 56% Gambar 1 Pie Chart peserta UASBN 2009/2010 MenurutJenis Kelamin Gambar 3. Pie Chart peserta UASBN 2009/2010 Menurut Umur Nilai Rata-rata UASBN laki-laki 23,96 24,36 perempuan Gambar 2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Rata-rata Nilai UASBN ,13 24,26 23,75 21,08 11th 12th 13th 14th 15th Gambar 4 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Umur Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 14

15 KARAKTERISTIK PESERTA UASBN SD/MI KECAMATAN TULANGAN TAHUN 2009/ saudara 13% 4 saudara 0% 0 saudara 7% 2 saudara 25% 1 saudara 55% Gambar 5. Pie Chart peserta UASBN 2009/2010 MenurutJumlah Saudara Tabel 1. Statistika Deskriptif UASBN 2009/2010 Variable N Rataan StDev Min Med Maks Range Nilai UASBN ,15 1,868 11,3 24,5 27,8 16,5 umur ,46 0, jumlah saudara ,4541 0, jumlah nilai raport kelas 4 semester ,664 1,153 18,8 23,7 26, saudara1 saudara2 saudara3 saudara4 saudara Gambar 6. Bar Chart peserta UASBN 2009/2010 Menurut Jumlah Saudara Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 15

16 KARAKTERISTIK SEKOLAH PELAKSANA UASBN SD/MI KECAMATAN TULANGAN TAHUN 2009/ ,96467 Rata-rata UASBN ,26286 Akreditasi A akreditasi B Jumlah sekolah SDN SDS MI Gambar 8. Bar Chart Rata-rata Nilai UASBN di KecamatanTulangan Berdasarkan Akreditasi Gambar 9 Bar Chart SD/MI di Kecamatan Tulangan Berdasarkan Status Sekolah Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 16

17 Faktor-Faktor yang Mempengaruhi Nilai UASBN SD/MI Kecamatan Tulangan Tahun 2009/2010 Uji Signifikansi Individu Uji Signifikansi Serentak H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor dengan variabel respon Efek Tetap Koefisien Standar Error T-rasio P-value Keterangan Intersep ,000 Tolak H 0 W 1 Gagal Tolak (ukuran kelas) H 0 W 2 (pend.guru) W 3 (pengalaman guru kelas) W 4 (akreditasi sekolah) X 1 (jenis kelamin) X 2 (umur) X 3 (jumlah saudara) X 4 (nilai raport kls 4 smt 1) *) signifikan pada Tolak H Gagal tolak H 0 Gagal Tolak H ,000 Tolak H ,000 Tolak H Gagal Tolak H ,000 Tolak H 0 Tabel di samping me-nunjukkan ada hubungan antara pendidikan guru kelas 6 (W 2 ), jenis kelamin siswa (X 1 ), umur siswa (X 2 ), serta nilai raport kelas 4 semester 1 siswa tersebut (X 4 ) dengan nilai UASBN siswa tersebut Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 18

18 Faktor-Faktor yang Mempengaruhi Nilai UASBN SD/MI Kecamatan Tulangan Tahun 2009/2010 Uji Signifikansi Individu Uji Signifikansi Serentak H 0 : H 1 : minimal ada satu dengan r=0,1,,3 dan p=0,1 Koefisien Contrast Intersep, β 0 Intersep, γ Pend. Guru γ JK slope, β 1 Intersep γ Umur slope, β 2 Intersep γ Nilai Raport slope, β 3 Intersep, γ Estimasi Standard error dari estimate Terjadi penolakan terhadap hipotesis nol sehingga menunjukkan bahwa minimal terdapat satu variabel yang koefisiennya tidak sama dengan nol. χ 2 = df = 5 p-value < Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 19

19 Faktor-Faktor yang Mempengaruhi Nilai UASBN SD/MI Kecamatan Tulangan Tahun 2009/2010 Analisis Regresi Multilevel Random Intersep Efek Tetap Koefisian Error T-rasio d.f. P-value Intersep <0.001 W 1 (pendidi kan guru kelas) X 1 (jk) <0.001 X 2 (umur) <0.001 X 3 (raport) < Ketika semua variabel bernilai nol, maka nilai UASBN siswa sebesar 22, Apabila guru kelas 6 yang mengajar siswa tersebut berpendidikan non PGSD, maka nilai UASBN siswa tersebut adalah 0, satuan nilai UASBN lebih rendah daripada siswa dengan guru kelas berpendidikan PGSD. 3. Nilai UASBN siswa perempuan tersebut lebih tinggi 0, satuan nilai UASBN daripada nilai UASBN siswa berjenis kelamin laki-laki. 4. Setiap kenaikan umur siswa sebesar satu satuan, maka nilai UASBN siswa akan mengalami penurunan sebesar 0,25705 satuan nilai UASBN. 5. Setiap kenaikan satu satuan nilai raport akan mengakibatkan kenaikan nilai UASBN sebesar 0, satuan nilaiuasbn. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 20

20 Faktor-Faktor yang Mempengaruhi Nilai UASBN SD/MI Kecamatan Tulangan Tahun 2009/2010 Perhitungan ICC dan R 2 Berdasarkan perhitungan didapatkan bahwa nilai ICC adalah sebesar 0,349. Hal tersebut menunjukkan bahwa terdapat 34% variansi pada nilai UASBN yang merupakan variansi antar sekolah, sedangkan 66% sisanya merupakan variansi yang terdapat pada level siswa (individu). Walaupun nilai tersebut relatif tidak terlalu besar, dapat diketahui bahwa antara satu sekolah dengan sekolah lain saling memiliki keterkaitan sehingga dapat dianalisis menggunakan analisis regresi multilevel intersep random. Berdasarkan perhitungan tersebut dapat diketahui bahwa variansi yang direduksi oleh variabel variabel prediktor signifikan pada level 1 terhadap model adalah sebesar 5,5 %, dan pada level 2 sebesar 14,26% Hal ini terjadi karena kemungkinan masih banyak faktor lain yang mempengaruhi nilai UASBN siswa SD/MI di Kecamatan Tulangan pada tahun ajaran 2009/2010 dan belum masuk dalam model level satu tersebut Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 21

21 KESIMPULAN Faktor-faktor yang mempengaruhi nilai UASBN SD/MI di Kecamatan Tulangan tahun ajaran 2009/2010 adalah jenis kelamin, umur, nilai raport kelas IV, dan pendidikan guru. Nilai UASBN siswa perempuan 0, lebih tinggi dibanding siswa laki-laki. Semakin bertambah umur, maka nilai UASBN cenderung berkurang sebanyak 0,25705 satuan. Kenaikan nilai raport kelas IV semester 1 sebanyak satu satuan meningkatkan nilai UASBN sebanyak 0, satuan. Guru kelas berpendidikan PGSD menghasilkan sekolah dengan rata-rata nilai UASBN 0, satuan lebih tinggi dibandingkan guru kelas 6 non-pgsd. SARAN 1. Ada perlunya pihak keluarga dan sekolah memberikan perhatian penuh tentang pendidikan pada siswa bukan hanya di kelas 6 saja namun sejak awal masuk sekolah dasar. 2. Perlu digali lebih lanjut akan faktor-faktor yang mempengaruhi nilai UASBN siswa disamping faktor-faktor yang telah diteliti di atas. Hal tersebut mengingat masih banyak lagi faktor-faktor yang mungkin mempengaruhi ketidak-berhasilan seorang siswa dalam UASBN. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 22

22 BSNP. (2008). Standar Nasional Pendidikan. Jakarta : BSNP dan BALITBANG. Dewi, L. Anastasia. (2008). Estimasi Parameter Regresi Logistik Multilevel. Jakarta: Skripsi FMIPA UI. Ermawati. (2008). Perbandingan Prestasi Belajar Siswa dengan Mengunakan Multigroup Structural Equation model. Surabaya: Tesis Jurusan Statistika ITS. Mendiknas. (2009). Permendiknas No.74 Th.2009 Tentang Ujian Akhir Sekolah Berstandar Nasional (UASBN) Sekolah Dasar/Madrasah Ibtidaiyah/Sekolah Dasar Luar Biasa (SD/MI/SDLB) Tahun Pelajaran 2009/2010. Jakarta: Mendiknas press. Dalyono, M. dan TIM MKDK IKIP Semarang. (1997). Psikologi Pendidikan. Semarang: IKIP SemarangPress. Dapper, N.R. dan Smith, H. (1981). Applied Regression Analysis. New York: John Wiley & Sons. Goldstein, H. (2003). Multilevel Statistical Models. London: Arnold Publishers. Hox, J.J. (2002). Multilevel Analysis: Techniques and Applications. Mahwah: Lawrence Erlbaum Associates. Kreft, I. dan De Leeuw. (1998). Introducing Multilevel Modeling. London: Sage. Raudenbush, S., dkk. (2001). HLM 7: Hierarchical Linear and Nonlinear Model. USA: SSI, Inc. Singer, J.D. dan Willet, J.B. (2003). Applied Longitudinal Data Analysis: Modelling Change and Event Occurrence. London: Oxford University Press. Sutarsih. (2008). Pemodelan Nilai UNAS Dengan Pendekatan Regresi Spline. Surabaya : Tesis Jurusan Statistika ITS. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 23

Rata-rata Nilai. 2 saudara 25%

Rata-rata Nilai. 2 saudara 25% Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai

Lebih terperinci

1 Sindy Febri Antika, 2 Ir. Arie Kismanto, M.Sc 1 Mahasiswa S1 Statistika ITS Surabaya, 2 Dosen Jurusan Statistika ITS Surabaya

1 Sindy Febri Antika, 2 Ir. Arie Kismanto, M.Sc 1 Mahasiswa S1 Statistika ITS Surabaya, 2 Dosen Jurusan Statistika ITS Surabaya ANALISIS REGRESI MULTILEVEL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI NILAI UASBN SD/MI (Studi Kasus Nilai UASBN SD/MI di Kecamatan Tulangan Tahun Ajaran 009/010) 1 Sindy Febri Antika, Ir. Arie Kismanto,

Lebih terperinci

PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE

PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST

Lebih terperinci

BAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat

BAB III. Model Regresi Linear 2-Level. Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat BAB III Model Regresi Linear 2-Level Sebuah model regresi dikatakan linear jika parameter-parameternya bersifat linear. Untuk data berstruktur hirarki 2 tingkat, analisis regresi yang dapat digunakan adalah

Lebih terperinci

PENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES

PENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES PENDEKATAN MODEL MULTILEVEL UNTUK DATA REPEATED MEASURES Bertho Tantular 1 S-1 1 Jurusan Statistika FMIPA Universitas Padjadjaran 1 bertho@unpad.ac.id Abstrak Data yang diperoleh dari pengukuran berulang

Lebih terperinci

Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)

Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1) Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi S-28 Bertho Tantular 1) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD berthotantular@gmail.com Abstrak Secara umum model

Lebih terperinci

Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized Least Square (IGLS) (Studi Kasus: Tingkat Pendidikan Anak di Kabupaten Semarang)

Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized Least Square (IGLS) (Studi Kasus: Tingkat Pendidikan Anak di Kabupaten Semarang) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Pemodelan Regresi 2-Level Dengan Metode Iterative Generalized

Lebih terperinci

BAB I PENDAHULUAN. dijumpai data populasi yang berstruktur hirarki. Struktur data tersebut biasanya

BAB I PENDAHULUAN. dijumpai data populasi yang berstruktur hirarki. Struktur data tersebut biasanya BAB I PENDAHULUAN 1.1 Latar Belakang Pada berbagai disiplin ilmu, antara lain ilmu sosial dan biologi, sering dijumpai data populasi yang berstruktur hirarki. Struktur data tersebut biasanya berasal dari

Lebih terperinci

BAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data

BAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data BAB III MODEL REGRESI DATA PANEL Pada bab ini akan dikemukakan dua pendekatan dari model regresi data panel, yaitu pendekatan fixed effect dan pendekatan random effect yang merupakan ide pokok dari tugas

Lebih terperinci

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah

Lebih terperinci

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika 4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam

Lebih terperinci

PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang)

PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang) PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang) SKRIPSI Oleh: DYAN ANGGUN KRISMALA NIM: J2E 009 040 JURUSAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 19 BAB 2 LANDASAN TEORI 2.1. Metode Analisis Data 2.1.1. Uji Validitas Validitas adalah suatu ukuran yang membuktikan bahwa apa yang diamati peneliti sesuai dengan apa yang sesungguhnya ada dalam dunia

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit

Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA

Lebih terperinci

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang)

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang) PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang) SKRIPSI Oleh: AMANDA DEVI PARAMITHA NIM: 24010210141036 JURUSAN

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and

Lebih terperinci

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani S-4 APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA Indahwati, Dian Kusumaningrum, Wiwid Widiyani Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Metode Statistika

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang 14 BAB I PENDAHULUAN 1.1. Latar Belakang Model multilevel merupakan teknik statistik yang telah mengalami pengembangan dari regresi klasik/sederhana. Pengembangan itu didasari karena dalam penelitian diberbagai

Lebih terperinci

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama

Lebih terperinci

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan 6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga

Lebih terperinci

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA

PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,

Lebih terperinci

PENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL

PENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL Jurnal UJMC, Volume 2, Nomor 1, Hal. 16-21 pissn:2460-3333 eissn:2579-907x PENERAPAN HIERARCHICAL LINEAR MODELING UNTUK MENGANALISIS DATA MULTILEVEL Dewi Wulandari 1, Ali Shodiqin 2, dan Aurora Nur Aini

Lebih terperinci

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL

Lebih terperinci

PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK (Choice the Best Linear Regression Multilevel Models)

PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK (Choice the Best Linear Regression Multilevel Models) , Oktober 2009 p : 1-7 ISSN : 0853-8115 Vol 14 No.2 PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK Bertho Tantular 1, Aunuddin 2, Hari Wijayanto 2 1 Jurusan Statistika FMIPA Universitas Padjadjaran

Lebih terperinci

X 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min)

X 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min) Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658--3 Pemilihan Model Regresi Linier Multivariat Terbaik Dengan Kriteria Mean Square Error Dan Akaike s Information Criterion Edriani Lestari, Rito

Lebih terperinci

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic

Lebih terperinci

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang)

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 21-30 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED

Lebih terperinci

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR

PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Analisa Regresi Regresi pertama kali dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Galton melakukan studi tentang kecenderungan tinggi badan

Lebih terperinci

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan

Lebih terperinci

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian

Lebih terperinci

(S.3) METODE MULTILEVEL STRUCTURAL EQUATION MODELING DENGAN WEIGHTED LEAST SQUARE ESTIMATION UNTUK ANALISIS PELAYANAN KESEHATAN IBU

(S.3) METODE MULTILEVEL STRUCTURAL EQUATION MODELING DENGAN WEIGHTED LEAST SQUARE ESTIMATION UNTUK ANALISIS PELAYANAN KESEHATAN IBU (S.3) METODE MULTILEVEL STRUCTURAL EQUATION MODELING DENGAN WEIGHTED LEAST SQUARE ESTIMATION UNTUK ANALISIS PELAYANAN KESEHATAN IBU Winih Budiarti 1, Jadi Supriyadi 2, Bertho Tantular 3 1 Mahasiswa Magister

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun

Lebih terperinci

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi yang berarti peramalan, penaksiran, atau pendugaan pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan dengan penelitiannya

Lebih terperinci

Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama

Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama Anita Nur Vitriana, Rosita Kusumawati Program Studi

Lebih terperinci

Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014

Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih

Lebih terperinci

BAB I PENDAHULUAN. Dalam suatu penelitian, hubungan suatu variabel dependent atau

BAB I PENDAHULUAN. Dalam suatu penelitian, hubungan suatu variabel dependent atau BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam suatu penelitian, hubungan suatu variabel dependent atau variabel respon dengan beberapa variabel bebas atau variabel penjelas dapat dimodelkan dengan

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL 1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Lebih terperinci

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik

Lebih terperinci

Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak

Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang

Lebih terperinci

MODEL REGRESI PROBIT BIVARIAT

MODEL REGRESI PROBIT BIVARIAT MODEL REGRESI PROBIT BIVARIAT NURFIDAH DWITIYANTI Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta PGRI Jl. Nangka No. 58 C, Tanjung Barat,

Lebih terperinci

BAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan

BAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan

Lebih terperinci

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.

Lebih terperinci

REGRESI LINIER BERGANDA

REGRESI LINIER BERGANDA REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan BAB 1 PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan ilmu pengetahuan dewasa ini tidak lepas dari kompleknya permasalahan hidup manusia. Salah satu ilmu yang berkenaan dengan hal tersebut

Lebih terperinci

PEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT

PEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT PEMODELAN REGRESI MULTILEVEL ORDINAL PADA DATA PENDIDIKAN DI JAWA BARAT Bertho Tantular Departemen Statistika FMIPA Universitas Padjadjaran bertho@unpad.ac.id ABSTRAK. Dalam generalized linear models,

Lebih terperinci

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat

BAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan

Lebih terperinci

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik

Lebih terperinci

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

Masalah Overdispersi dalam Model Regresi Logistik Multinomial Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan

Lebih terperinci

Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)

Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani

Lebih terperinci

BAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi

BAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi 76 BAB IV PENUTUP A. Kesimpulan Model Seemingly Unrelated Regression (SUR) merupakan perluasan dari analisis regresi linear yang berupa sistem persamaan yang terdiri dari beberapa persamaam regresi yang

Lebih terperinci

1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH

1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.

Lebih terperinci

BAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi.

BAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi. BAB I Pendahuluan 1.1. Latar belakang Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh

Lebih terperinci

A. Sekilas tentang Pemodelan Multilevel

A. Sekilas tentang Pemodelan Multilevel Analisis Pemodelan Multilevel Melalui Program SPSS Wahyu Widhiarso Fakultas Psikologi UGM Responden penelitian tentunya tidak hanya berasal dari satu jenis latar belakang saja, akan tetapi berasal dari

Lebih terperinci

Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan

Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas

Lebih terperinci

BAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.

BAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi. 10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu

Lebih terperinci

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS

Lebih terperinci

BAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK 2-LEVEL. Model hirarki 2-level merupakan model statistik yang digunakan untuk

BAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK 2-LEVEL. Model hirarki 2-level merupakan model statistik yang digunakan untuk BAB III ESTIMASI PARAMETER PADA MODEL REGRESI LOGISTIK -LEVEL Model hirarki -level erupakan odel statistik ang digunakan untuk enganalisis data ang bersarang, atau data ang epunai struktur hirarki -level.

Lebih terperinci

PEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA BARAT

PEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA BARAT Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 60-68 PEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA

Lebih terperinci

PRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU

PRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU PRINCIPAL COVARIATE REGRESSION PADA DATA RUNTUN WAKTU Nuruma Nurul Malik 1, Fevi Novkaniza 2 Departemen Matematika FMIPA UI, Depok Email korespondensi : fevi.novkaniza@sci.ui.ac.id Abstrak Pada suatu data

Lebih terperinci

ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI

ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI ESTIMASI PARAMETER PADA SISTEM PERSAMAAN SIMULTAN DENGAN METODE LIMITED INFORMATION MAXIMUM LIKELIHOOD (LIML) SKRIPSI Oleh : IPA ROMIKA J2E004230 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

BAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam

BAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, karena efektif atau tidaknya suatu keputusan umumnya bergantung pada beberapa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi

Lebih terperinci

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak

ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI 1

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN:

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: 161 STRUCTURAL EQUATION MODELLING (SEM) DENGAN MODEL STRUKTURAL REGRESI SPASIAL Tisti Ilda Prihandini 1, Sony Sunaryo 2 1) Mahasiswa Magister Jurusan Statistika ITS 2) Dosen Jurusan Statistika ITS Abstrak

Lebih terperinci

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA

Lebih terperinci

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

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

Lebih terperinci

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan

Lebih terperinci

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut

Lebih terperinci

BAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia

BAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia 10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama

Lebih terperinci

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang. MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro

Lebih terperinci

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 907-916 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN

Lebih terperinci

METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA

METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,

Lebih terperinci

ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES

ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES ESTIMASI PARAMETER REGRESI LOGISTIK BINER DENGAN METODE PARTIAL LEAST SQUARES Selpadina Indriyani 1, Raupong 2, Anisa 3 1 Mahasiswa Program Studi Statistika FMIPA Universitas Hasanuddin 2,3 Dosen Program

Lebih terperinci

3. METODE. Kerangka Pemikiran

3. METODE. Kerangka Pemikiran 25 3. METODE 3.1. Kerangka Pemikiran Berdasarkan hasil-hasil penelitian terdahulu serta mengacu kepada latar belakang penelitian, rumusan masalah, dan tujuan penelitian maka dapat dibuat suatu bentuk kerangka

Lebih terperinci

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1

Lebih terperinci

Analisis Regresi Spline Kuadratik

Analisis Regresi Spline Kuadratik Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini bersumber dari data sekunder mulai dari tahun 2005 sampai dengan tahun 2010. Data tersebut didapat dari beberapa

Lebih terperinci

Pertemuan 4-5 ANALISIS REGRESI SEDERHANA

Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat

Lebih terperinci

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.

REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R. REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen

Lebih terperinci

Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan

Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan Analisis Ekonometrika Model Pendapatan Nasional Indonesia dengan Pendekatan Persamaan Sistem Simultan Oleh: Ainul Fatwa Khoiruroh (1310100096) Pembimbing: Dr. Setiawan, M.S. JURUSAN STATISTIKA FAKULTAS

Lebih terperinci

BAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Istilah

Lebih terperinci

Oleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD

Oleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD TUGAS AKHIR Oleh : Arief Yudissanta (1307 030 019) Pembimbing : Prof. Susanti Linuwih Mstat.PHD PENGELOMPOKAN SEKOLAH DASAR BERDASARKAN RATA-RATA NILAI UJIAN AKHIR SEKOLAH BERSTANDAR NASIONAL DI SETIAP

Lebih terperinci

Dosen Pembimbing : Dr. Purhadi, M.Sc

Dosen Pembimbing : Dr. Purhadi, M.Sc Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan

Lebih terperinci

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) (R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,

Lebih terperinci

Model Probit Untuk Ordinal Response

Model Probit Untuk Ordinal Response SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id

Lebih terperinci

MA5283 STATISTIKA Bab 7 Analisis Regresi

MA5283 STATISTIKA Bab 7 Analisis Regresi MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir

Lebih terperinci

BAB ΙΙ LANDASAN TEORI

BAB ΙΙ LANDASAN TEORI 7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan statistik sebagai alat bantu untuk mengambil keputusan yang lebih baik telah mempengaruhi hampir seluruh aspek kehidupan. Setiap orang, baik sadar maupun

Lebih terperinci

PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL

PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Inayati Nur Fatmah 1, Drs. Hery Tri Sutanto, M.Si 2, 1,2 Jurusan Matematika, Fakultas Matematika

Lebih terperinci

pendekatan regresi logistik biner Oleh :Wida Suliasih ( )

pendekatan regresi logistik biner Oleh :Wida Suliasih ( ) Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Desain Penelitian Metode penelitian bisnis merupakan cara ilmiah untuk mendapatkan data yang sahih dengan tujuan dapat ditemukan, dikembangkan, dan dibuktikan, suatu pengetahuan

Lebih terperinci

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,

Lebih terperinci

ESTIMASI PARAMETER PADA MODEL REGRESI LINIER MULTILEVEL DENGAN METODE RESTRICTED MAXIMUM LIKELIHOOD (REML) abang Semarang SKRIPSI.

ESTIMASI PARAMETER PADA MODEL REGRESI LINIER MULTILEVEL DENGAN METODE RESTRICTED MAXIMUM LIKELIHOOD (REML) abang Semarang SKRIPSI. ESTIMASI PARAMETER PADA MODEL REGRESI LINIER MULTILEVEL DENGAN METODE RESTRICTED MAXIMUM LIKELIHOOD (REML) abang Semarang PT Jasa Marga ro) C SKRIPSI Disusun Oleh : ISNI RAKHMI DIANTI J2E 006 018 PROGRAM

Lebih terperinci