KOMBINASI PENAKSIR RASIO DAN PENAKSIR REGRESI UNTUK RATA-RATA POPULASI MENGGUNAKAN MEDIAN DAN KOEFISIEN SKEWNESS PADA SAMPLING ACAK SEDERHANA ABSTRACT
|
|
- Agus Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KOMBINASI PENAKSIR RASIO DAN PENAKSIR REGRESI UNTUK RATA-RATA POPULASI MENGGUNAKAN MEDIAN DAN KOEFISIEN SKEWNESS PADA SAMPLING ACAK SEDERHANA Sakinah 1, Rustam Efendi 2, M. D. H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru (28293), Indonesia sakinah5791@yahoo.co.id ABSTRACT In this artikel the combination of ratio estimators and ratio regression in simple random sampling using median and coefficient of skewness are discussed, which is a review and an expansion from the article J. Subramani & G. Kumarapandiyan [American Journal of Matematics and Statistics, 2(5): ]. The estimators are biased estimators and the mean square errors are determined. Estimator with the smallest mean square error is the most efficient estimator. A numerical example is given at the end of discusssion. Keywords: simple random sampling, linear combination, median, coefficient of skewness, mean square error ABSTRAK Penaksir yang dibahas merupakan kombinasi penaksir rasio dan penaksir regresi pada sampling acak sederhana menggunakan median dan koefisien skewness, yang merupakan review dan pengembangan sebagian dari artikel J. Subramani & G. Kumarapandiyan [American Journal of Matematics and Statistics, 2(5): ]. Masing-masing penaksir merupakan penaksirbiasdanditentukan mean square error. Penaksir dengan mean square error terkecil merupakan penaksir yang efisien. Contoh numerik diberikan pada akhir pembahasan. Kata kunci: sampling acak sederhana, kombinasi linier, median, koefisien skewness, mean square error 1
2 1. PENDAHULUAN Penaksir rasio merupakan salah satu cara metode yang digunakan untuk meningkatkan ketelitian penaksir dengan mengambil manfaat hubungan pengamatan y i dan x i. Penaksir rasio sederhana untuk rata-rata populasi dinotasikan dengan ȲR dan dirumuskan sebagai Ȳ R = ȳ x X, dengan ȳ dan ȳ berturut-turut menyatakan rata-rata sampel dari populasi Y dan X serta X menyatakan rata-rata populasi X. Dari penaksir rasio sederhana, Subramani dan Kumarandiyan [5] memodifikasi menjadi penaksir rasio ˆȲ p1 dan penaksir rasio regresi ˆȲ p2 yang menggunakan medianm d dankoefisienskewnessβ 1. SinghdanTailor[4]mengkombinasikanantara penaksir rasio dan penaksir produk. Berdasarkan ide dari Singh dan Tailor, penulis mengkombinasikanantarapenaksir ˆȲ p1 denganpenaksir ˆȲ p2 yangdinotasikandengan ˆȲ pc. Penaksir dengan menggunakan metode rasio merupakan penaksir bias, sehingga penaksir yang efisien untuk penaksir bias adalah penaksir yang memiliki mean square error (MSE) terkecil [1, h.21]. 2. SAMPLING ACAK SEDERHANA Penarikan sampel acak sederhana merupakan suatu metode untuk mengambil n unit sampel dari N unit populasi dimana setiap elemen memiliki kesempatan yang sama untuk dipilih sebagai unit sampel. Penarikan sampel ini adalah penarikan sampel acak tanpa pengembalian agar karakteristik unit-unit lebih akurat. Probabilitas terpilihnya anggota n dari N unit populasi sebagai unit sampel pada pengambilan pertama yaitu n/n, probabilitas pada pengambilan kedua yaitu (n 1)/(N 1) sampai probabilitas pada pengambilan ke- n yaitu 1/(N (n 1)). Maka probabilitas seluruh n unit-unit tertentu yang terpilih dalam n pengambilan adalah (1/C N n ) [1]. Untuk menentukan bias dan MSE pada sampling acak sederhana digunakan teorema variansi dan kovariansi. Teorema 1 [1, h.27] Variansi rata-rata sampel ȳ dari sampel acak sederhana adalah Var(ȳ) = (1 f) S 2 n y, dengan f = n/n adalah fraksi penarikan sampel, dan S 2 y = N i=1 (y i Ȳ)2 /(N 1) adalah variansi y i pada populasi berkarakter Y. Bukti dari Teorema ini dapat dilihat pada [1, h.27]. 2
3 Teorema 2 [1, h.29] Jika y i,x i, adalah sebuah pasangan yang bervariasi dalam unit dalam populasi dan ȳ, x adalah rata-rata dari sampel acak sederhana berukuran n, maka kovariansinya adalah Cov(y,x) = 1 f n 1 N 1 N (y i Ȳ)(x i X). i=1 Bukti dari Teorema ini dapat dilihat pada [1, h.29]. 3. PENAKSIR REGRESI UNTUK RATA-RATA POPULASI Bentuk umum model regresi linear sederhana dinyatakan dalam persamaan[3, hal.38] Dari persamaan (1) maka kekeliruan ke-i ditulis y i = α+βx i +ǫ i. (1) ǫ i = y i α βx i, dengan demikian jumlah kuadrat kekeliruan data terhadap garis regresi ditulis n n ǫ 2 i = (y i α βx i ) 2. (2) i=1 i=1 Dengan meminimunkan pada persamaan (2), maka didapat taksiran untuk α dan β berturut-turut yaitu a = ȳ bx i, (3) dan b = n i=1 (x i x)(y i ȳ) n i=1 (x i x) 2. Apabila variabel x dan y mempunyai hubungan kausal atau hubungan sebab akibat, maka secara geometris persamaan regresi melalui titik pangkal. Dari persamaan (3) diperoleh ȳ = b x, (4) jika koefisien regresi b berlaku untuk rata-rata sampel, maka b juga berlaku untuk rata-rata populasi. Sehingga ˆȲ = b X. (5) Dari pengurangan persamaan (5) dengan persamaan (4) secara aljabar, diperoleh ˆȲ = ȳ +b( X x). ˆȲ disebut penaksir regresi linier untuk rata-rata populasi yang dinotasikan dengan ˆȲ LR sehingga ˆȲ LR = ȳ +b( X x). 3
4 4. BIAS DAN MSE PENAKSIR RASIO UNTUK RATA-RATA POPULASI Penaksir rasio dan penaksir regresi untuk rata-rata populasi pada sampling acak sederhana yang menggunakan median (M d ) dan koefisien skewness (β 1 ) adalah ] Xβ1 +M d ˆȲ p1 = ȳ[, (6) xβ 1 +M d dengan M d = X k+1 dan β 1 = N N i=1 (X i X) 3 (N 1)(N 2)S 3. ˆȲ p2 = ȳ +b( X x) xβ 1 +M d ( Xβ 1 +M d ) (7) dengan b menyatakan koefisien regresi regresi Y atas X. Kemudian kombinasi persamaan (6) dan persamaan (7) dirumuskan sebagai [ [ ]] [ȳ ] Xβ1 +M d +b( X x) ˆȲ pc = α ȳ +(1 α) ( xβ 1 +M d xβ 1 +M Xβ 1 +M d ), (8) d dengan 0 < α < 1. Bias dan MSE penaksir rasio dan penaksir regresi untuk rata-rata populasi menggunakan median dan koefisien skewness pada sampling acak sederhana. Bias dan MSE dari persamaan (6) adalah B(ˆȲ p1 ) = 1 f n Ȳ ( θ 2 p1c 2 x θ p1 ρc y C x ) MSE(ˆȲ p1 ) 1 f n Ȳ 2 (C 2 y +θ 2 p1c 2 x 2θ p1 ρc y C x ) (9) dengan θ p1 = Xβ 1 Xβ 1 +M d, C x = S, C X X y = Sy Syx dan ρ = Ȳ S ys x. Bias dan MSE dari persamaan (7) adalah B(ˆȲ p2 ) = 1 f n dengan R p2 = Ȳβ 1 Xβ 1 +M d. Bias dan MSE dari persamaan (8) adalah S 2 x Ȳ R 2 p2 MSE(ˆȲ p2 ) 1 f n (R2 p2s 2 x +S 2 y(1 ρ 2 )) (10) B(ˆȲ pc ) = 1 f n ρs xc y R p2 α. MSE(ˆȲ pc ) 1 f n (R2 p2s 2 x ρ 2 S 2 y +α 2 ρ 2 S 2 y 2αR p2 S xy +S 2 y) (11) 4
5 5. PENAKSIR RASIO YANG EFISIEN Untuk menentukan penaksir yang efisien dari penaksir yang bias, dapat ditentukan dengan cara membandingkan MSE dari masing-masing penaksir tersebut. 1. Perbandingan antara persamaan (11) dengan persamaan (9) diperoleh MSE (Y pc ) < MSEȲp2 jika R p2 ρs x S y Q 1 ρ 2 S 2 y < α < R p2ρs x S y + Q 1 ρ 2 S 2 y (12) dengan Q 1 = (R p2 ρs x S y ) 2 (ρ 2 S 2 y)(r 2 p2s 2 x ρ 2 S 2 y Ȳ2 θ 2 p1c 2 x 2Ȳ 2 θ p1 ρc x C y ). 2. Perbandingan antara persamaan (11) dengan persamaan (10) diperoleh MSEȲpc < MSEȲp1 jika α < 2R p2s x ρs y. (13) 3. Perbandingan antara persamaan (10) dengan persamaan (9) diperoleh MSEȲp2 < MSEȲp1 jika B > 2R p2sx 2. (14) Sy 2 6. CONTOH Sebagai contoh pembahasan, digunakan data [2] tentang konsumsi (Y) dan pendapatan (X) karyawan PT. Perkebunan Sawit Nusantara V Pekanbaru tahun Tabel 1: Data Pendapatan dan Pengeluaran(Konsumsi) 58 Karyawan PT. Perkebunan Nusantara V Pekanbaru Tahun 2006 dalam Rupiah No. Nama Pendapatan Pengeluaran (Konsumsi) 1 Suradi Erwin Syahputra Legiman Iman A. Khalidi Candra Arifin Adi Sasono Nirwan Fadly Rudy Ismanto Heri Darma
6 No. Nama Pendapatan Pengeluaran(Konsumsi) 13 Ridwan Iwan Edi Agus Kelber Rizaldy Sriyadi Yohanes Charles Purba Ariyanto Sugiarto J. Hutajulu Bambang Laura Muslim Heriawan Drajat Suprapto Donny N. Gultom Tazul Arifin Sudirman Fetnando F. Butar-butar R. Sianturi E. Tarigan Edy Suprianto Bayu Lesmana Krisna Setiawan L. M. Silaban Sukirman Zulkifli R. Lubis Hery Augusman Adi Hurainah Tuhu Bangun Pandapotan P Ali Azhar Abu Bakar N MT. Sagala Rafialdi Jati Teguh B. Maniruk Kasmaliza Sardoltua Girsang Syahrial Nasution BT. Napitupulu Romadka Purba Jumlah Sumber [2]. 6
7 Dalam mengaplikasikan contoh dalam perbandingkan M SE dari penaksir (6), (7) dan (8), maka pada Tabel 1 dengan bantuan Microsoft Excel diperoleh nilai-nilai sebagai berikut N =58, Ȳ =34.5, S y = , S xy = , n =29, X =37.758, Sx = , ρ = , Sy 2 = , Sx 2 = , θ p1 = , C y = , β 1 =0.5638, M d =33.5, R p2 =0,35504, C x = , β = Dengan mensubstitusikan nilai-nilai yang diperoleh dari konsumsi dan pendapatan karyawan kepersamaan, dan maka diperoleh (i) MSE(ˆȲ pc ) < MSE(ˆȲ p2 ), jika 0 < α < 1. (ii) MSE(ˆȲ pc ) < MSE(ˆȲ p1 ), jika α < (iii) MSE(ˆȲ p2 ) < MSE(ˆȲ p1 ), jika > Selanjutnya menentukan penaksir yang lebih efisien juga dapat dilihat dari nilai M SE masing-masing penaksir diberikan pada tabel berikut Tabel 2: Nilai M SE dari Masing-masing Penaksir No Penaksir M SE 1 ˆȲ p ,92 2 ˆȲ p ,95 3 ˆȲ pc 3320,32 Dari Tabel 2 dapat dilihat bahwa MSE penaksir ˆȲ pc merupakan MSE paling minimum, sehingga penaksir ˆȲ pc lebih efisien dari penaksir ˆȲ p1 dan penaksir ˆȲ p2. 7. KESIMPULAN Setelah diperoleh nilai MSE dari masing-masing penaksir rasio untuk rata-rata populasi yang diajukan pada sampling acak sederhana. Kemudian membandingkan M SE dari masing-masing penaksir, sehingga dapat disimpulkan bahwa kombinasi penaksir rasio dan penaksir regresi Ȳpc dengan menggunakan median dan koefisien skewness lebih efisien dibandingkan dengan penaksir Ȳp1 dan penaksir Ȳp2 jika syarat lebih efisien terpenuhi. 7
8 DAFTAR PUSTAKA [1] Cochran, W. G Teknik Penarikan Sampel, 3 rd Ed. Terjemahan dari Sampling Techniques, oleh Rudiansyah & E.R Osman. Universitas Indonesia, Jakarta. [2] Sinaga, C. V. D. N Pola Konsumsi Karyawan PT. Perkebunan Nusantara V (PTPN V) Pekanbaru. Skripsi Fakultas Ekonomi Universitas Riau, Pekanbaru. [3] Sembiring, R. K Analisis Regresi. Second Edition. ITB, Bandung [4] Singh, H. P. & R. Tailor Estimation of Finite Population Mean with Known Coefficient of Variation of an Auxiliary Character. Statistica, anno LXV, n.3: [5] Subramani, J. & Kumarapandiyan, G Estimation of Population Mean Using Known Median and Co-Efficient of Skewness, American Journal of Matematics and Statistics, 2(5):
PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA
PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA Erpan Gusnawan 1, Arisman Adnan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciPENAKSIR UNTUK RASIO POPULASI DENGAN VARIABEL BANTU YANG DITRANSFORMASI PADA METODE PASCA STRATIFIKASI ABSTRACT
PEAKSIR UTUK RASIO POPULASI DEGA VARIABEL BATU YAG DITRASFORMASI PADA METODE PASCA STRATIFIKASI Marthel Lock, Arisman Adnan 2, Haposan Sirait 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika
Lebih terperinciPENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE
Vol. 12, No. 1, 9-18, Juli 2015 PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Raupong, M. Saleh AF, Hasruni Satya Taruma Abstrak Penaksiran rataan dan variansi
Lebih terperinciPENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA
PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA oleh FATIMAH MUTIARA SARI M0111032 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI
PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI oleh EKO BUDI SUSILO M0110022 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH
ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH oleh RAMADHANI KUSUMA PUTRA M0110069 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH
ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH Ramadhani Kusuma Putra, Isnandar Slamet, dan Mania Roswitha Jurusan Matematika Fakultas Matematika
Lebih terperinciPENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013
PENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013 oleh TONI IRAWAN M0110078 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciPENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN GABUNGAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA
PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN GABUNGAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA oleh DESY PRASIWI M0111018 SKRIPSI ditulis dan diajukan untuk
Lebih terperinciKEAKURATAN PENDUGA RASIO MENGGUNAKAN KOEFISIEN VARIASI SELURUH STRATA VARIABEL BANTU PADA SAMPEL ACAK STRATIFIKASI
KEAKURATAN PENDUGA RASIO MENGGUNAKAN KOEFISIEN VARIASI SELURUH STRATA VARIABEL BANTU PADA SAMPEL ACAK STRATIFIKASI oleh ATIKA OKTAFIANA M0110010 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPERSEMBAHAN. Karya ini kupersembahkan untuk. kedua orang tuaku ibu Menik, bapak Slamet Suseno, ketiga kakakku Ani, Oky dan Pe i
ABSTRAK Ary Yunita. 2016. PERBANDINGAN KEAKURATAN PENDUGA RASIO VARIANSI POPULASI MENGGUNAKAN MEDIAN DAN KOEFISIEN VARIASI-MEDIAN VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA. Fakultas Matematika
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciPENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT
PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG Agustinus Simanjuntak Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya Pekanbaru
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN. Rince Adrianti 1, Haposan Sirait 2 ABSTRACT ABSTRAK
PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN Rince Adrianti, Haposan Sirait Mahasiswa Program Studi S Matematika Dosen Matematika, Jurusan Matematika Fakultas
Lebih terperinciAnalisis Korelasi & Regresi
Analisis Korelasi & Regresi Oleh: Ki Hariyadi,, S.Si., M.PH Nuryadi, S.Pd.Si UIN JOGJAKARTA 1 Pokok Bahasan Analisis Korelasi Uji Kemaknaan terhadap ρ (rho) Analisis Regresi Linier Analisis Kemaknaan terhadap
Lebih terperinciRATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA
RATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA oleh INTAN LISDIANA NUR PRATIWI NIM. M0110040 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciANALISIS PENAKSIRAN REGRESI LINIER PADA SAMPLING KELOMPOK
ANALISIS PENAKSIRAN REGRESI LINIER PADA SAMPLING KELOMPOK ARTIKEL Oleh ISWAHYUDI JOKO S, S.Si, M.Pd PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS MUHAMMADIYANEGERI
Lebih terperinciPENAKSIR VARIANSI POPULASI YANG EFISIEN PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI
PENAKIR VARIANI POPLAI YANG EFIIEN PADA AMPLING ACAK EDERHANA MENGGNAKAN KOEFIIEN REGREI Neneng Gutiana Rutam Efendi Harion Mahaiwa Program Matematika Doen Juruan Matematika Fakulta Matematika dan Ilmu
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel
49 BAB III OBJEK DAN METODE PENELITIAN 1.1 Objek Penelitian Dalam penelitian ini, yang menjadi objek penelitian terdiri dari variabel independen (X) yaitu dividen dan variabel dependen (Y) yaitu harga
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperincioleh PRITA DEWI HUTRIANA SARI NIM. M
ESTIMASI RATA-RATA PRODUKSI JAGUNG DI PROVINSI JAWA BARAT MENGGUNAKAN PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DENGAN KOEFISIEN KURTOSIS VARIABEL BANTU DAN REGRESI ROBUST oleh PRITA DEWI HUTRIANA
Lebih terperinciPERTURBASI NILAI EIGEN DALAM MENGATASI MULTIKOLINIERITAS
PERTURBASI NILAI EIGEN DALAM MENGATASI MULTIKOLINIERITAS ANDI YUNI DEVIYANTI 1 ANDI KRESNA JAYA 2 DAN ANISA 3 Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Bootstrap Bootstrap adalah prosedur statistika yang melakukan sampling dari sebuah populasi yang dikerjakan dengan cara resampling dari sampel (http://wwwmathsanueduau/~peter/edgtalk/edgtalk1pdf)
Lebih terperinciPENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 209-218 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA
Lebih terperinciMODEL PENGENDALIAN PERSEDIAAN DENGAN PENUNGGAKAN PESANAN KETIKA TERJADI KEKURANGAN STOK. F. Aldiyah 1, E. Lily 2 ABSTRACT
MODEL PENGENDALIAN PERSEDIAAN DENGAN PENUNGGAKAN PESANAN KETIKA TERJADI KEKURANGAN STOK F. Aldiyah 1, E. Lily 1 Mahasiswa Program Studi S1 Matematika Dosen Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciPEMILIHAN KOEFISIEN TERBAIK KUADRATUR KUADRAT TERKECIL DUA TITIK DAN TIGA TITIK. Nurul Ain Farhana 1, Imran M. 2 ABSTRACT
PEMILIHAN KOEFISIEN TERBAIK KUADRATUR KUADRAT TERKECIL DUA TITIK DAN TIGA TITIK Nurul Ain Farhana, Imran M Mahasiswa Program Studi S Matematika Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat Suku Bunga Deposito (3 Bulan) Dan Kredit Macet (NPL) Terhadap Loan To Deposit Ratio (LDR) Bank Umum Di
Lebih terperinciOleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Oleh FATMA JULITA M0111034 SKRIPSI ditulis
Lebih terperinciANALISA DATA. Mayang Adelia Puspita
ANALISA DATA Mayang Adelia Puspita www.caknun.com PENDEKATAN EKONOMETRIK DALAM ANALISIS DATA Konsep dasar Ekonometrik Ekonometrika merupakan suatu ilmu tersendiri yang merupakan penggabungan dari teori
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
Lebih terperinciBAB IV STUDI KASUS. Indeks merupakan daftar harga sekarang dibandingkan dengan
BAB IV STUDI KASUS 4.1 Indeks Harga Konsumen Indeks merupakan daftar harga sekarang dibandingkan dengan sebelumnya menurut persentase untuk mengetahui turun naiknya harga barang. Indeks Harga Konsumen
Lebih terperinciMata Kuliah: Statistik Inferensial
ANALISIS REGRESI DAN KORELASI LINIER 1 OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Pengertian Korelasi Sederhana Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Uji Signifikansi
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciPERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL
perpustakaan.uns.ac.id PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Fatma Julita, Etik
Lebih terperinciPerturbasi Nilai Eigen dalam Mengatasi Multikolinearitas
Vol. 10, No. 1, 6-13, Juli 2013 Perturbasi Nilai Eigen dalam Mengatasi Multikolinearitas Andi Yuni Deviyanti 1, Andi Kresna Jaya 1, Anisa 1 Abstrak Multikolinieritas adalah salah satu pelanggaran asumsi
Lebih terperinciBab 2 LANDASAN TEORI
9 Bab 2 LANDASAN TEORI 21 Uji Kecukupan Sampel Dalam melakukan penelitian yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel Pengujian
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 terperinciSIMULASI 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 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 terperinciPelanggaran 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 terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih 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 terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tujuan Operasional Penelitian Tujuan operasional penelitian ini yaitu: Untuk dapat memperoleh informasi berkualitas yang up-to-date, akurat, dan terpercaya. Kerahasiaan
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN
Lebih terperinciOleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN EFISIENSI PENDUGA RASIO EKSPONENSIAL MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK STRATIFIKASI Oleh FATMA JULITA M0111034 SKRIPSI ditulis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap
Lebih terperinciBAB 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 terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciANALISIS REGRESI DAN KORELASI
ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG Analisis regresi dan korelasi mengkaji dan mengukur keterkaitan seara statistik antara dua atau lebih variabel. Keterkaitan antara dua variabel regresi
Lebih terperinciMODIFIKASI FAMILI METODE ITERASI MULTI-POINT UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yolla Sarwenda 1, Zulkarnain 2 ABSTRACT
MODIFIKASI FAMILI METODE ITERASI MULTI-POINT UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yolla Sarwenda 1, Zulkarnain 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciPENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 23 28 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD FEBY RIDIANI Program
Lebih terperinciMETODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT
METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Mahrani 1, M. Imran, Agusni 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciAtina Ahdika. Universitas Islam Indonesia 2015
Atina Ahdika Universitas Islam Indonesia 2015 Pada materi sebelumnya, kita telah belajar tentang koefisien korelasi, yaitu suatu ukuran yang menyatakan tentang kuat tidaknya hubungan linier antara dua
Lebih terperinciPertemuan 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 terperinciLEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK ( ) = ( + ) Kata kunci: regresi linear ganda, multikolinearitas, regresi gulud.
1 LEAST SQUARE AND RIDGE REGRESSION ESTIMATION ABSTRAK Metode kuadrat terkecil atau Ordinary Least Square (OLS) merupakan suatu metode penaksiran koefisien regresi yang paling sederhana. Jika diantara
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah metode survey dengan menyebarkan kuesioner secara acak kepada responden. Penelitian ini dilaksanakan
Lebih terperinciBAB III METODE PENELITIAN. Yang menjadi objek dari penelitian ini adalah ekspor industri tekstil dan
52 BAB III METODE PENELITIAN 3.1 Objek Penelitian Yang menjadi objek dari penelitian ini adalah ekspor industri tekstil dan produk tekstil. Fokus yang akan diteliti adalah faktor-faktor yang mempengaruhi
Lebih terperinciBAB 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 terperinciBAB III METODOLOGI PENELITIAN. 3.1 Objek Penelitian Obyek penelitian ini adalah laporan keuangan perusahaan perusahaan
23 BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian Obyek penelitian ini adalah laporan keuangan perusahaan perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia (BEI). Periode data yang digunakan
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI PARETO DENGAN METODE KUADRAT TERKECIL, MAXIMUM PRODUCT OF SPACING DAN REGRESI RIDGE SKRIPSI MEILISA MALIK
ESTIMASI PARAMETER DISTRIBUSI PARETO DENGAN METODE KUADRAT TERKECIL MAXIMUM PRODUCT OF SPACING DAN REGRESI RIDGE SKRIPSI MEILISA MALIK 070803005 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
Lebih terperinciPENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA
PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA S K R I P S I Disusun oleh : PRITHA SEKAR WIJAYANTI NIM. J2E 008 046 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN. Dalam suatu penelitian, seringkali tidak mungkin untuk melakukan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Dalam suatu penelitian, seringkali tidak mungkin untuk melakukan pengamatan pada semua elemen populasi. Karena itu, perlu dilakukan pengambilan sampel yang
Lebih terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperincidan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.
Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinciESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI
ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI Megawati 1, Anisa 2, Raupong. 3 Abstrak Regresi kuadrat terkecil berdasarkan plot peluang,
Lebih terperinciDEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA
digilib.uns.ac.id DEFICIENCY PENAKSIR PARAMETER PADA DISTRIBUSI GAMMA oleh ANIS TELAS TANTI M0106003 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciPembahasan Soal. Tjipto Juwono, Ph.D. May 14, TJ (SU) Pembahasan Soal May / 43
Pembahasan Soal Tjipto Juwono, Ph.D. May 14, 2016 TJ (SU) Pembahasan Soal May 2016 1 / 43 Warming Up 1 Berikan contoh untuk skala rasio, skala interval, skala ordinal, skala nominal. 2 Dapatkah kita melakukan
Lebih terperinciLEAST SQUARE AND RIDGE REGRESSION ESTIMATION
LEAST SQUAE AND IDGE EGESSION ESTIMATION Muh. Irwan Prodi Matematika, FST-UINAM Adnan.sauddin@uin-alauddin.ac.id Info: Jurnal MSA Vol. 3 No. 2 Edisi: Juli Desember 2015 Artikel No.: 2 Halaman:7-13 ISSN:
Lebih terperinciLATIHAN REGRESI SEDERHANA
Bahan Ajar Ekonometrika Agus Tri Basuki Universitas Muhammadiyah Yogyakarta LATIHAN REGRESI SEDERHANA Diketahui data konsumsi dan pendapatan penduduk suatu daerah sebagai berikut : Tahun Konsumsi Pendapatan
Lebih terperinciBAB 2. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,
10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu varibel
Lebih terperinciKombinasi Regresi Tak Bias Ridge dengan Regresi Komponen Utama untuk Mengatasi Masalah Multikolinieritas
Statistika, Vol. 17 No. 1, 25 31 Mei 2017 Kombinasi Regresi Tak Bias Ridge dengan Regresi Komponen Utama untuk Mengatasi Masalah Multikolinieritas Fitriana Novitasari, Suliadi, Anneke Iswani A. Prodi Statistika,
Lebih terperinciFAMILI METODE ITERASI DENGAN KEKONVERGENAN ORDE TIGA. Rahmawati ABSTRACT
FAMILI METODE ITERASI DENGAN KEKONVERGENAN ORDE TIGA Rahmawati Mahasiswa Program Studi S Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya,
Lebih terperinciPERSATUAN AKTUARIS INDONESIA
PERSATUAN AKTUARIS INDONESIA Komisi Penguji PERSATUAN AKTUARIS INDONESIA UJIAN PROFESI AKTUARIS MATA UJIAN : A70 Pemodelan dan Teori Risiko TANGGAL : 25 Juni 2013 JAM : 13.30 16.30 WIB LAMA UJIAN : 180
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciLEAST SQUARE AND RIDGE REGRESSION ESTIMATION
LEAST SQUAE AND IDGE EGESSION ESTIMATION Muh. Irwan Prodi Matematika, FST-UINAM Adnan.sauddin@uin-alauddin.ac.id Info: Jurnal MSA Vol. 3 No. 2 Edisi: Juli Desember 2015 Artikel No.: 2 Halaman:7-13 ISSN:
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinciPORTOFOLIO ENVELOPE PADA ASET FINANSIAL
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 80 87 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PORTOFOLIO ENVELOPE PADA ASET FINANSIAL JATU VISITASARI, DODI DEVIANTO Program Studi Matematika, Fakultas
Lebih terperinciX 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 terperinci3.7 Further Results and Technical Notes. Yenni Angraini-G
3.7 Further Results and Technical Notes Yenni Angraini-G161150051 Outline Nonlinear Gauss-Seidel Algorithm (NLGSA) Sifat asimtotik dari penduga Penalized Generalized Weighted Least Squares (PGWLS) Mean
Lebih terperinci