BAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
|
|
- Ratna Kurnia
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta metode penelitian. Sistematika penulisan tesis terdapat pada bagian akhir bab. 1.1 Latar Belakang Masalah Analisis regresi mencakup berbagai metode untuk memodelkan hubungan antara variabel dependent dan satu atau lebih variabel independent. Metode regresi ini telah lama digunakan dan terus menerus dikembangkan oleh peneliti dalam berbagai bidang ilmu, karena metode regresi cukup sederhana namun dapat diterapkan secara luas. Model regresi linear untuk satu variabel dependent dengan beberapa variabel independent secara umum dapat dinyatakan dalam suatu persamaan : Y X X (1.1) p p Pendekatan standar untuk estimasi parameter yang populer adalah Metode Kuadrat Terkecil (ordinary least square=ols), yang dikenal dengan sebutan analisis regresi klasik. Pada regresi klasik estimasi parameter yang dihasilkan berlaku global dan juga harus memenuhi beberapa asumsi, yang dikenal dengan asumsi klasik yaitu normalitas, linearitas, tidak terjadi autokorelasi, tidak ada multikolinearitas dan homoskedastisitas (Draper dan Smith, 1998) 1
2 2 Model regresi persamaan (1.1) disebut juga model regresi global karena pada regresi OLS diasumsikan bahwa nilai estimasi parameter bernilai sama untuk semua lokasi di dalam wilayah penelitian. Namun, pada kenyataannya terkadang kondisi data pada lokasi yang satu tidak selalu sama dengan kondisi yang lain. Kondisi yang dipengaruhi oleh aspek spasial atau kondisi geografis pengamatan memungkinkan munculnya heterogenitas spasial yaitu parameter regresi bervariasi secara parsial atau disebut juga terjadi nonstasioneritas spasial pada parameter regresi, sehingga jika regresi OLS diterapkan maka asumsi kehomogenan ragam error sulit untuk dipenuhi akibatnya kesimpulan yang didapat dari hasil pengujian untuk model regresi maupun untuk masing masing variabel independent yang ada dalam model tidak tepat. Geographically Weighted Regression (GWR) merupakan pengembangan dari regresi OLS yang cukup efektif mengestimasi data yang memiliki heterogenitas spasial. Pada model GWR, parameter regresi yang dihasilkan bersifat lokal, sehingga setiap lokasi pengamatan mempunyai nilai koefisien regresi yang berbeda-beda (Fotheringham et al, 2002). Penaksiran parameter pada metode GWR memerlukan adanya matriks pembobot, yaitu pemberian bobot pada data sesuai dengan kedekatan lokasi pengamatan ke-i. Untuk membentuk matriks pembobot Wi () digunakan suatu fungsi pembobot, dimana pembobot yang digunakan adalah fungsi kernel gaussian Selain model GWR dikembangkan lagi model Mixed Geographically Weighted Regression (MGWR), karena terdapat situasi dimana tingkat keragaman spasial pada beberapa koefisien regresi tidak signifikan. Model
3 3 MGWR merupakan kombinasi dari model regresi linear dan model GWR, yang menghasilkan estimasi parameter yang sebagian bersifat global dan parameter lain bersifat lokal sesuai dengan lokasi pengamatan (Fotheringham et al, 2002). kepadatan penduduk merupakan suatu fenomena keheterogenan spasial, yang biasanya ditunjukkan dengan kecenderungan masyarakat mengelompok pada suatu wilayah tertentu. Variasi geografis dalam besarnya tingkat kepadatan penduduk sering disebabkan oleh faktor faktor dengan dimensi spasial, seperti letak geografis, sumberdaya alam, sarana dan prasarana serta sosial ekonomi. Kepadatan penduduk dan faktor faktor yang mempengaruhinya, mungkin akan berbeda untuk setiap daerah atau lokasi pengamatan tergantung pada kondisi daerah atau lokasi pengamatan. Berdasarkan uraian tersebut, maka penelitian ini akan mempelajari tentang Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) serta aplikasinya untuk mendapatkan model kepadatan penduduk di pulau Tidore, kota Tidore Kepulauan. 1.2 Rumusan Masalah Berdasarkan apa yang telah diuraikan pada latar belakang di atas maka permasalahannya adalah: 1. Bagaimana penggunaan Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) dengan fungsi pembobot kernel gaussian untuk mendapatkan model kepadatan penduduk di pulau tidore?
4 4 2. Bagaimana menentukan model terbaik yang dapat mempresentasikan kepadatan penduduk di pulau tidore. 1.3 Tujuan Penelitian Tujuan dari penulisan tesis ini adalah: 1. Menggunakan Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) dengan fungsi pembobot kernel gaussian untuk mendapatkan model kepadatan penduduk di pulau tidore? 2. Mendapatkan model terbaik yang dapat mempresentasikan kepadatan penduduk di pulau tidore. 1.4 Manfaat Penelitian Manfaat yang diharapkan dari penulisan tesis ini adalah: 1. Secara umum dengan adanya tulisan ini dapat memberikan sumbangan terhadap perkembangan ilmu dan memperkaya literatur dalam bidang matematika terutama di bidang statistik tentang Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) 2. Secara khusus dapat memberikan gambaran tentang penerapan Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) di bidang kependudukan.
5 5 1.5 Tinjauan Pustaka Metode statistik yang telah dikembangkan untuk analisis data dengan memperhitungkan faktor spasial adalah metode Geographically Weighted Regression (GWR). GWR merupakan pengembangan dari model regresi linear klasik. Menurut Brunsdon, et al. (1999), Geographically Weighted Regression (GWR) dikembangkan untuk membentuk model pada kumpulan data yang dipengaruhi oleh lokasi data tersebut. GWR memungkinkan parameter bagi masing-masing lokasi dalam pengamatan untuk diduga dan dipetakan. Mei, et al. (2004) dalam jurnalnya yang berjudul A Note On The Mixed Geographically Weighted Regression model membahas estimasi parameter pada model MGWR dengan metode WLS (Weighted Least Square). Pecci dan Sassi (2008) melakukan pemodelan MGWR dibidang pembangunan pedesaan di Uni Eropa sedangkan Nakaya, et al. (2009) dalam GWR4 Windows Application for Geographically Weighted Regression Modelling membahas penerapan GWR dengan software GWR4. Pada GWR digunakan matriks pembobot yang besarnya bergantung pada kedekatan antar lokasi pengamatan. Pada penelitian ini, metode GWR dan MGWR akan diaplikasikan untuk mengestimasi parameter model dan menyelidiki variabel-variabel yang berpengaruh terhadap kepadatan penduduk di pulau Tidore Kota Tidore Kepulauan dengan menggunakan fungsi pembobot kernel Gaussian serta penentuan bandwidth optimum menggunakan metode cross validation (CV).
6 6 1.6 Metodologi Penelitian Penelitian tentang Penggunaan Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) dengan pembobot fixed kernel gaussian diaplikasikan untuk mengestimasi parameter model dan menyelidiki variabel-variabel yang berpengaruh terhadap kepadatan penduduk di pulau Tidore Kota Tidore Kepulauan dilakukan dengan studi literatur dan bimbingan langsung dari pembimbing. Penelitian ini dimulai dengan mencari data penduduk di pulau tidore dan data koordinat longitude (bujur) dan latitude (lintang) yang akan digunakan, kemudian melakukan analisis model regresi OLS, melakukan uji efek spasial, kemudian data dianalisis menggunakan Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression model (MGWR) dengan fungsi pembobot kernel gaussian, dengan alat analisis perangkat lunak R dan GWR4. Bagian terakhir dari penelitian ini adalah mendapatkan model terbaik yang dapat mempresentasikan kepadatan penduduk di pulau tidore dan peta keragaman spasial. 1.7 Sistematika Penulisan Tesis ini akan disajikan dalam sistematika sebagai berikut BAB I PENDAHULUAN Pada bab ini memberikan penjelasan yang berisi latar belakang, perumusan masalahan, tujuan dan manfaat penelitian, tinjauan pustaka, metodologi penelitian, dan sistematika penulisan.
7 7 BAB II LANDASAN TEORI Bab ini membahas tentang teori teori dasar yang menunjang pembahasan regresi terboboti geografis campuran BAB III PEMBAHASAN Bab ini akan dibahas pokok permasalahan utama yaitu Geographically Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR) dengan fungsi pembobot kernel gaussian. BAB IV STUDI KASUS Bab ini membahas contoh kasus menggunakan GWR dan MGWR dengan tujuan untuk mendapatkan model yang mempresentasikan kepadatan penduduk di pulau tidore. BAB V KESIMPULAN DAN SARAN Bab ini berisi kesimpulan dan saran untuk penelitian selanjutnya.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Atiya Maulani, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, tidak jarang dihadapkan pada berbagai masalah yang berkaitan dengan dua atau lebih variabel dalam suatu bentuk hubungan tertentu
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciBAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)
BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) 3.1 Data Spasial Data spasial memuat informasi tentang atribut dan informasi lokasi. Sedangkan data bukan spasial (aspatial data) hanya memuat informasi
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciBAB I PENDAHULUAN. terus dihadapi di sejumlah daerah di Indonesia, tidak terkecuali Provinsi Sumatera
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan kemiskinan merupakan salah satu persoalan mendasar yang terus dihadapi di sejumlah daerah di Indonesia, tidak terkecuali Provinsi Sumatera Barat. Berdasarkan
Lebih terperinciBAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinciMODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH
MODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH Nungki Fauzi T A N, Isnandar Slamet, Muslich Program Studi
Lebih terperinci: Persentase Penduduk Dengan Sumber Air Minum Terlindungi PDAM : Pengeluaran Perkapita Penduduk Untuk Makan Sebulan
22 BAB III MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) 3.1 Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini adalah data derajat kesehatan tahun 2013 pada 27 kabupaten
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinciAlgoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Algoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator S-20 Yuliana 1, Dewi Retno Sari
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 535-544 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar belakang Masalah Annisa Nurul Aini, 2013
BAB I PENDAHULUAN 1.1 Latar belakang Masalah Statistika merupakan salah satu cabang ilmu matematik yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasi
Lebih terperinci2015 REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR)
1 BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan salah satu cabang ilmu matematika yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasikan
Lebih terperinciKata Kunci : MGWMLM, GWMLM, DAS.
ANALISIS PENGARU CURA UJAN DAN MORFOMETRI PADA PENINGKATAN DEBIT DAN SEDIMEN DI DAS KONTO ULU DENGAN PENDEKATAN MIXED GEOGRAPICALLY WEIGTED MULTUVARIATE LINIER MODEL 1 Memi Nor ayati, 2 Purhadi 1 Jurusan
Lebih terperinciS - 17 MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PENDERITA DIARE DI PROVINSI JAWA TENGAH DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE
S - 17 MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PENDERITA DIARE DI PROVINSI JAWA TENGAH DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE Indriya Rukmana Sari 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih 3
Lebih terperinci2016 APLIKASI MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) MENGGUNAKAN SOFTWARE MATLAB
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari sering dihadapkan dengan hubungan yang melibatkan dua atau lebih peubah atau variabel. Persamaan matematik yang menggambarkan persamaan
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciPENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) SKRIPSI Disusun Oleh : SINDY SAPUTRI 24010210141007 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 461-469 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 383-393 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA) SKRIPSI Disusun Oleh : NOVIKA PRATNYANINGRUM 24010211140095
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 717-726 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS
Lebih terperinciPENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK PEMODELAN PERTUMBUHAN EKONOMI MENURUT KABUPATEN/KOTA DI JAWA TENGAH HALAMANAN JUDUL SKRIPSI
PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK PEMODELAN PERTUMBUHAN EKONOMI MENURUT KABUPATEN/KOTA DI JAWA TENGAH HALAMANAN JUDUL SKRIPSI Disusun Oleh: PRATAMA GANANG WIDAYAKA 24010212120018
Lebih terperinciPEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 17 3 September 17, Samarinda, Indonesia ISBN: 978-6-531--3 PEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY
Lebih terperinciPemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (017) ISSN: 337-350 (301-98X Print) D-8 Pemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression Ardianto Tanadjaja, Ismaini
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH SKRIPSI Disusun Oleh: RIFKI ADI PAMUNGKAS 24010212140066 DEPARTEMEN STATISTIKA FAKULTAS SAINS
Lebih terperinciKata kunci: Data Spatial, Heterogenitas Spatial, Geographically Weigthed Regression, Bandwidth, Fungsi Pembobot
GEOGRAPHICALLY WEIGTHED REGRESSION DALAM MENAKSIR MODEL OUTPUT SEKTOR INDUSTRI MENENGAH BESAR TAHUN 2012 Lani Amaliah 1, Nusar Hajarisman 2, Anna Chadijah 3 1 Program Magister Statistika Terapan UNPAD,
Lebih terperinciPEMODELAN BANYAKNYA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI KOTA SURAKARTA DENGAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
PEMODELAN BANYAKNYA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI KOTA SURAKARTA DENGAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) Hardanti Nur Astuti, Yuliana Susanti dan Dewi Retno Sari Saputro Program
Lebih terperinciPERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI
PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI Oleh: KELIK ISBIYANTORO J2E 008 029 JURUSAN STATISTIKA
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PERSETUJUAN PEMBIMBING... ii. HALAMAN PENGESAHAN TUGAS AKHIR... iii. HALAMAN MOTTO... iv. KATA PENGANTAR...
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PERSETUJUAN PEMBIMBING... ii HALAMAN PENGESAHAN TUGAS AKHIR... iii HALAMAN MOTTO... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... x DAFTAR GAMBAR...
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab analisis dan pembahasan ini akan jelaskan tentang pola persebaran jumlah penderita kusta dan faktor-faktor yang mempengaruhinya, kemudian dilanjutkan dengan pemodelan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciAPLIKASI MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT
APLIKASI MODEL GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS GIZI BURUK ANAK BALITA DI JAWA BARAT Atiya Maulani, Nar Herrhyanto, dan Maman Suherman Departemen
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 171-180 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 691-700 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI
Lebih terperinciBAB 1 PENDAHULUAN. konsistensi dari tinja, yang melembek sampai mencair dan bertambahnya frekuensi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Diare adalah suatu penyakit dengan gejala adanya perubahan bentuk dan konsistensi dari tinja, yang melembek sampai mencair dan bertambahnya frekuensi buang
Lebih terperinciBAB 1 PENDAHULUAN. setelah sandang, pangan, dan papan. Setiap rumah tangga (RT) pasti menginginkan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada saat ini, pendidikan dapat dikatakan termasuk dalam kebutuhan primer setelah sandang, pangan, dan papan. Setiap rumah tangga (RT) pasti menginginkan anak
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION
PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION SKRIPSI Disusun Oleh : Khusnul Yeni Widiyanti 24010210130070
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Analisa pemodelan fungsi hubungan pada variabel repon dengan variabel prediktor akan dijelaskan pada bab ini. Analisis yang digunakan pada penelitian ini adalah menggunakan
Lebih terperinciProsiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 017 3 September 017, Samarinda, Indonesia ISBN: 978-60-5031-0-3 Analisis Data Spasial Menggunakan Metode Geographically Weighted Regression
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciPENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 161-170 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE
Lebih terperinciForum Statistika dan Komputasi, Oktober 2010 p : ISSN :
, Oktober 2010 p : 32-37 ISSN : 0853-8115 Vol 15 No.2 REGRESI TERBOBOTI GEOGRAFIS DENGAN PEMBOBOT KERNEL KUADRAT GANDA UNTUK DATA KEMISKINAN DI KABUPATEN JEMBER (Geographically Weighted Regression with
Lebih terperinci1. 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 terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 94-98 ISSN: 2303-1751 PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
Lebih terperinciBAB 3 METODE PENELITIAN. disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
BAB 3 METODE PENELITIAN 3.1 Gambaran Umum Objek Wilayah Provinsi Jawa Timur meliputi 29 kabupaten dan 9 kota. Peta wilayah disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
Lebih terperinci(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur.
(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi Buruk di Jawa Timur Ida Mariati Hutabarat 1, Asep Saefuddin 2 1Jurusan Matematika Uncen. 2 Departemen Statistika IPB 1Jl.Kamp Wolker
Lebih terperinciPEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI
PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI M ARRIE KUNILASARI ELYNA 1, I GUSTI AYU MADE SRINADI 2, MADE SUSILAWATI 3 1,2,3, Jurusan Matematika,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciPEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE TERHADA FAKTOR- FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN DEMAK 1 Marlita Vebiriyana, 2 M. Yamin Darsyah, 3 Indah
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi dalam statistika adalah salah satu metode untuk mengetahui hubungan atau pengaruh antara satu variabel dengan variabel lainnya. Selain
Lebih terperinciPEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA UTARA DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION
PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA UTARA DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION Kristina Pestaria Sinaga Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara
Lebih terperinciBAB 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 terperinciPERBANDINGAN MODEL REGRESI BINOMIAL NEGATIF DENGAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
PERBANDINGAN MODEL REGRESI BINOMIAL NEGATIF DENGAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) (Studi Kasus : Angka Kematian Ibu di Provinsi Jawa Timur Tahun 2011) SKRIPSI Oleh: M. Ali Ma sum
Lebih terperinciInformasi 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 terperinciPEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL
PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL Alan Prahutama, Suparti, Departemen Statistika, Fakultas Sains dan Matematika,Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan digunakan secara luas. Analisis regresi diterapkan tidak hanya oleh para statistisi
Lebih terperinciPEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL
PEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL Hasriana 1, Raupong 2, Nirwan Ilyas 3 1 Program Studi Statistika FMIPA Universitas Hasanuddin
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (respon) dengan satu atau lebih variabel independen (variabel penjelas), dengan
Lebih terperinciPEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN FUNGSI PEMBOBOT FIXED GAUSSIAN KERNEL DAN ADAPTIVE GAUSSIAN KERNEL (Studi Kasus Laju Pertumbuhan Penduduk Provinsi Jawa Tengah) SKRIPSI
Lebih terperinciPemodelan Mixed Geographically Weighted Regression (MGWR) pada Angka Kematian Balita di Kabupaten Bojonegoro Tahun 2011
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) D-66 Pemodelan Mixed Geographically Weighted Regression (MGWR) pada Angka Kematian Balita di Kabupaten Bojonegoro Tahun 2011
Lebih terperinciPEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK INDEKS PEMBANGUNAN MANUSIA DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman 241-250 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION
Lebih terperinciKata kunci: Geographically Weighted Regression, Gauss Kernel, bandwidth, cross validation
PENGGUNAAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT GAUSS KERNEL UNTUK KLASIFIKASI DESA MISKIN (Studi kasus desa-desa di Kabupaten Jember, Jawa Timur) Rita Rahmawati 1, Anik Djuraidah 2,
Lebih terperinciTINJAUAN PUSTAKA. Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel
Lebih terperinciBAB III METODOLOGI PENELITIAN A. Lokasi/Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Timur. Pemilihan Provinsi
BAB III METODOLOGI PENELITIAN A. Lokasi/Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Timur. Pemilihan Provinsi Jawa Timur ini didasarkan pada pertimbangan bahwa Jawa Timur merupakan provinsi
Lebih terperinciGEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK PEMODELAN PERSENTASE PENDUDUK MISKIN DI PROVINSI JAWA TENGAH
TESIS - SS142501 GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK PEMODELAN PERSENTASE PENDUDUK MISKIN DI PROVINSI JAWA TENGAH NUNIK SRI RAHAYU NRP. 1315201716 DOSEN PEMBIMBING Dr. Sutikno, M.Si. Dr. Ir.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Statistika merupakan salah satu alat pengambilan keputusan. Keputusan yang diambil yaitu untuk menjawab karakteristik populasi menggunakan sampel, menjawab
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep konsep ekonomi seperti produk domestik
Lebih terperinciBAB II DASAR TEORI. Gambar 2.1 : Perbedaan Antara Proses Stationer dan Proses Non-Stationer
BAB II DASAR TEORI Model adalah penyederhanaan dunia nyata (real world) ke dalam suatu bentuk terukur (Deliar, 27). Bentuk terukur tersebut adalah asumsi yang dianggap dapat merepresentasikan dunia nyata
Lebih terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...
Lebih terperinciBAB I PENDAHULUAN. yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika
BAB I PENDAHULUAN A. Latar Belakang Masalah Dalam kehidupan, seringkali peneliti dihadapkan dengan suatu kejadian yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika mengenal metode
Lebih terperinciPemodelan Faktor Penyebab Kecelakaan Lalu Lintas Berdasarkan Metode Geographically Weighted Regression di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-58 Pemodelan Faktor Penyebab Kecelakaan Lalu Lintas Berdasarkan Metode Geographically Weighted Regression di Jawa Timur Putu
Lebih terperinciSeminar Hasil Tugas Akhir
LOGO Seminar Hasil Tugas Akhir Oleh : Efta Dhartikasari Priyana 1312 105 012 Dosen Pebimbing: Dr. Purhadi, M.Sc 8/7/2014 1 8/7/2014 2 Latar Belakang Latar Belakang Perumusan Masalah Ginjal Kronik Stroke
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciANALISIS ANGKA BUTA HURUF DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION BERBASIS KOMPUTER
ANALISIS ANGKA BUTA HURUF DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION BERBASIS KOMPUTER Andiyono Universitas Bina Nusantara Jl. K.H Syahdan No.9, Palmerah, Jakarta Barat, Indonesia, 11480,
Lebih terperinciSKRIPSI. Disusun Oleh : RAHMA NURFIANI PRADITA
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPATEN/ KOTA DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION SKRIPSI Disusun Oleh : RAHMA NURFIANI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam rangka meningkatkan kesejahteraan masyarakat di suatu negara, maka dibutuhkan pembangunan. Pada September tahun 2000, mulai dijalankannya Millennium Development
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas tak hanya oleh seorang
Lebih terperinciPEMODELAN BALITA GIZI BURUK DI KABUPATEN NGAWI DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION. Latifah Ayunin 1 dan Sutikno 2
PEMODELAN BALITA GIZI BURUK DI KABUPATEN NGAWI DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION Latifah Ayunin 1 dan Sutikno 2 1 Mahasiswa Jurusan Statistika, ITS, Surabaya 2 Dosen Pembimbing, Jurusan Statistika,
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperincimenggunakan fungsi Cobb Douglas dengan metode OLS (Ordinary Least
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder dan data primer. Data primer diperoleh dari wawancara langsung dengan pegawai divisi produksi
Lebih terperinciREGRESI 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 terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciSKRIPSI. Disusun Oleh : MUHAMMAD HARIS NIM : J2E
ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI JUMLAH KEJAHATAN PENCURIAN KENDARAAN BERMOTOR (CURANMOR) MENGGUNAKAN MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) SKRIPSI Disusun Oleh : MUHAMMAD HARIS
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Berawal dari kebutuhan analisis data untuk memprediksi suatu nilai bila diberikan suatu nilai-nilai variabel prediktor (x) pada beberapa kasus, maka metode regresi
Lebih terperinciIII. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan
29 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : (1)
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU PERTUMBUHAN PENDUDUK KOTA SEMARANG TAHUN 2011 MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 161-171 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU PERTUMBUHAN PENDUDUK
Lebih terperinciDaerah Jawa Barat, serta instansi-instansi lain yang terkait.
IV. METODE PENELITIAN 4.1 Waktu dan Lokasi Penelitian Pengambilan data sekunder untuk keperluan penelitian ini dilaksanakan pada awal bulan juli hingga bulan agustus 2011 selama dua bulan. Lokasi penelitian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang ini, berada di lingkungan bisnis yang kompleks menuntut perusahaan untuk mampu bersaing dengan para kompetitornya. Perubahan-perubahan radikal yang
Lebih terperinciPEMODELAN PADA PERCOBAAN MIXTURE DENGAN MELAKUKAN TRANSFORMASI CLARINGBOLD TERHADAP PROPORSI KOMPONEN- KOMPONENNYA. PT Jasa Marga ro) C
PEMODELAN PADA PERCOBAAN MIXTURE DENGAN MELAKUKAN TRANSFORMASI CLARINGBOLD TERHADAP PROPORSI KOMPONEN- KOMPONENNYA PT Jasa Marga ro) C abang Semarang TUGAS AKHIR Disusun Oleh : HETY BINTANG PUTRI J2E006014
Lebih terperinci