Penerapan SAS/IML Algoritma EM, Pembangkitan sebaran normal ganda, dan Bootstrap
|
|
- Hendri Sugiarto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Penerapan SAS/IML Algoritma EM, Pembangkitan sebaran normal ganda, dan Bootstrap τρ
2 Application EM Algorithm Complete-data specification f(x Φ) f x Φ = b x eφt(x) a(φ) E-step : Estimate the complete data sufficient statistics t(x) by finding t (p) = E t(x) y, Φ (p) M-step : Determine Φ (p+1) as solution of the equations E t x Φ = t (p)
3 In Regression Analysis estimation of missing data So, assume the regression model behave y = Xβ + ε; ε~n(0,1) E-step M-step : estimation of missing data, in criteria t(x) Χ, for independent variable, and t(x) Y, for dependent variable : the maximum likelihood estimator for β is equal to find the β for maximize the equations below L = n 2 ln 2π n 2 lnσ2 1 2σ 2 y Xβ y Xβ So, the result is β = X X 1 X y
4 Latihan 1 Suppose we have data for regression analysis below Y X When we have incomplete data, estimate the missing value using EM algorithm Y X Y = b0 + b1 X
5 Jawaban 1 data reg; input y x; cards; ; run; proc iml; use reg; read all var{y} into y; read all var{x} into x; x0 = {100,100,100}; n = nrow(y);e = 10;x1 = x;i = 1; do while(e > ); x[loc(x1=.)]=x0; *tahapan E; xb = J(n,1,1) x; beta = inv(xb`*xb)*xb`*y; *tahapan M; xbaru = (y - beta[1])/beta[2]; x2 = xbaru[loc(x1=.)]; e = sum(abs(x2-x0)); x0 = x2; i = i+1; end; print x2 i;
6 Sebaran Normal Ganda (Multivariate Normal) Suatu vektor peubah acak Y menyebar normal ganda dituliskan dengan Y~MVN(μ, Σ) Y = Y 1 Y p ; μ = μ 1 μ p ; Σ = 2 σ 1 σ 1p σ p1 σ2 p
7 Sifat Sebaran MVN Kombinasi linier dari semua komponen peubah x juga menyebar normal. Jika X MVN (, ), maka kombinasi linear : a X = a 1 X 1 + a 2 X a p X p menyebar MVN(a, a a) Jika X N p (, ) maka semua anak gugus dari X juga menyebar normal Jika X 1 dan X 2 saling bebas, dan menyebar MVN 1 ( 1, 11 ) dan MVN 2 ( 2, 22 ) maka sebaran bersyarat [X 1 X 2 ] adalah normal ganda : MVN1 2,
8 Penerapan pembangkitan MVN Algoritma pembangkitan Y~MVN(μ, Σ): Bangkitkan Z i ~ N(0,1); i = 1,2, p dengan cov(z i,z j ) = 0 dan simpanlah sebagai vektor z Carilah matriks T sehingga Σ = T T Hitunglah Y = μ + T z maka Y~MVN(μ, Σ)
9 Ilustrasi 2 Misalkan akan dibangkitkan vektor peubah acak Y~MVN(μ, Σ) dengan μ = ; Σ =
10 Jawaban 2 data data1; input s1 s2 s3 means; cards; ; run; proc iml; use data1; read all var{s1 s2 s3} into sigma; read all var{means} into mu; p = nrow(sigma); n = 1000; *banyaknya bil acak yg dibangkitkan; T = half(sigma); do i=1 to n; z = rannor(j(p,1,1)); y = mu + T`*z; y1 = y`; hasily = hasily//y1; end; create datamvn from hasily; append from hasily; quit; proc means data=datamvn; run;
11 Ilustrasi 3 Misalkan akan dibangkitkan vektor peubah acak Y~MVN(μ, Σ) dengan σ 1 =2, σ 2 =5, σ 3 =10 μ = ; ρ =
12 Jawaban 3 data data2; input r1 r2 r3 means sd; cards; ; run; proc iml; use data2; read all var{r1 r2 r3} into R; read all var{means} into mu; read all var{sd} into sd; p = nrow(r); n = 1000; D = diag(sd); DRD = D*R*D`; *sigma; T = half(drd); do i=1 to n; z = rannor(j(p,1,1)); y = mu+t`*z; y1 = y`; hasily = hasily//y1; end; create datamvn2 from hasily; append from hasily; quit; proc corr data=datamvn2; run;
13 Bootstrap
14 Definition method for assigning measures of accuracy to sample estimates allows estimation of the sampling distribution of almost any statistic using only very simple methods Generally, it falls in the broader class of resampling methods
15 Situations where bootstrapping is useful When the theoretical distribution of a statistic of interest is complicated or unknown When the sample size is insufficient for straightforward statistical inference When power calculations have to be performed, and a small pilot sample is available
16 Types of bootstrap scheme Case Resampling Bootstrap is generally useful for estimating the distribution of a statistic (e.g. mean, variance) without using normal theory (e.g. z-statistic, t- statistic)
17 Ilustrasi 4 Diketahui data3 yang berisi contoh 120 tinggi badan yang menyebar N(160,100) Lakukanlah proses bootstrap untuk memperoleh sebaran empirik bootsrap dari rataan contohnya.
18 Jawaban 4 data data3; do i=1 to 120; tinggi = *rannor(1); output; end; run; proc iml; use data3; read all var{tinggi} into tinggi; n = 120;ulangan = 1000; contoh = ceil(120*ranuni(j(n,ulangan,1))); do i = 1 to ulangan; ci = contoh[,i]; tinggis = tinggi[ci,]; tinggiss= tinggiss tinggis; end; M = tinggiss[:,]; create meanb var{m}; append; quit; proc univariate data=meanb;histogram M;run; proc means data=meanb mean std;var M;run;
19 Terima kasih
SAS/BASE & PROC untuk Analisis Statistika
SAS/BASE & PROC untuk Analisis Statistika τρ Tahapan Data Pernyataan LABEL Pernyataan LENGTH Pernyataan WHERE Pernyataan RETAIN Pernyataan SET Pernyataan MERGE Memberikan label pada peubah untuk dicetak
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 terperinciESTIMASI PARAMETER PADA MULTIPLE REGRESI MENGGUNAKAN MAKSIMUM LIKELIHOOD SKRIPSI SITI MAISAROH RITONGA
ESTIMASI PARAMETER PADA MULTIPLE REGRESI MENGGUNAKAN MAKSIMUM LIKELIHOOD SKRIPSI SITI MAISAROH RITONGA 070823013 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciPENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1)
PENGARUH MIXED DISTRIBUTION PADA PENDEKATAN QUASI-LIKELIHOOD DALAM MODEL LINEAR 1) Anang Kurnia Departemen Statistika FMIPA IPB Jl. Meranti, Wing 22 Level 4 Kampus IPB Darmaga, Bogor Email: anangk@ipb.ac.id
Lebih terperinciStatistik Bisnis 2. Week 6 Two-Sample Test Population Proportions and Variances
Statistik Bisnis Week 6 Two-Samle Test Poulation Proortions and Variances Learning Objectives The means of two indeendent oulations The means of two related oulations In this chater, you learn how to use
Lebih terperinciPertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciMA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp
MA3081 STATISTIKA MATEMATIK(A) Bab 2: We love Statistics Pengantar Parameter adalah... ...suatu karakteristik dari populasi. Statistik adalah... ...suatu karakteristik dari sampel. Statistik adalah fungsi
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema
II. TINJAUAN PUSTAKA Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema yang berkaitan dalam hal pendugaan parameter pada model linier campuran ini, yaitu sebagai berikut
Lebih terperinciLampiran 1. Kuesioner Self Efficacy (I) dan Persepsi Manajemen Perusahaan (II) Pendidikan terakhir : SMA / D3 / S1 / S2 / S3 / Lainnya,.
Lampiran 1. Kuesioner Self Efficacy (I) dan Persepsi Manajemen Perusahaan (II) IDENTITAS RESPONDEN Nama (boleh samaran) : Jenis Kelamin : P / L Usia :. Tahun Pendidikan terakhir : SMA / D3 / S1 / S2 /
Lebih terperinciPemeriksaan Sebaran Data Bagus Sartono
STK335 Analisis Eksplorasi Data Pertemuan 04 Pemeriksaan Sebaran Data Bagus Sartono Outline Quantile-Quantile Plot Apa itu kuantil? Plot kuantil QQplot QQplot Normal QQplot selain normal Goodness of Fit
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 terperinciDiskripsi: Types of Statistics dan Penyajian Data
Diskripsi: Types of Statistics dan Penyajian Data summary, diskripsi data dengan angka: Mean, Median, Range, Standard Deviation, Variance, Min, Max, etc. Descriptive statistics of a POPULATION mean N population
Lebih terperinciGambaran Duplikasi Penomoran Rekam Medis. Gambaran Kualifikasi Pendidikan. Gambaran Pengetahuan. Statistics pemberian nomor. N Valid 60.
Gambaran Duplikasi Penomoran Rekam Medis Statistics N Valid 60 Missing 0 Frequency Percent Valid Percent Cumulative Percent Valid duplikasi 24 40.0 40.0 40.0 tidak duplikat 36 60.0 60.0 100.0 Total 60
Lebih terperinciKasus. Survey terhadap remaja usia tahun apakah pernah melakukan kerja paruh waktu (part-time)??
Kasus Survey terhadap remaja usia 15-16 tahun apakah pernah melakukan kerja paruh waktu (part-time)?? Berikut Tabel datanya: Race Gender Yes Part Time Job No White Male 43 134 Female 26 149 Black Male
Lebih terperinciModel Black Litterman dengan Estimasi Theil Mixed
Model Black Litterman dengan Estimasi Theil Mixed S 7 Retno Subekti Jurusan Pendidikan Matematika FMIPA UNY Abstrak Formula return model black litterman dapat ditelusuri melalui berbagai pendekatan, Selain
Lebih terperinciPerbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi
Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Comparison of Bootstrap and Jackknife Resampling Methods in Determining
Lebih terperinciUJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR
PYTHAGORAS, 6(2): 161-166 Oktober 2017 ISSN Cetak: 2301-5314 UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR Hermansah
Lebih terperinciPengantar Statistika Matematika II
Bab 1: a FMIPA Universitas Islam Indonesia Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik dari sampel Akan dibahas konsep statistik dan distribusi sampling Parameter Misalkan
Lebih terperinciStatistik Bisnis 2. Week 4 Fundamental of Hypothesis Testing Methodology
Statistik Bisnis 2 Week 4 Fundamental of Hypothesis Testing Methodology ONE-TAIL TESTS One-Tail Tests In many cases, the alternative hypothesis focuses on a particular direction H 0 : μ 3 H 1 : μ < 3 H
Lebih terperinciAnalisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) SKRIPSI
Analisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) (Studi Kasus Model Return Saham Di BEJ) SKRIPSI Oleh: RATIH DWI ASTUTI
Lebih terperinciADLN Perpustakaan Universitas Airlangga
PERBANDINGAN METODE GENERALIZED CROSS VALIDATION DAN GENERALIZED MAXIMUM LIKELIHOOD DALAM REGRESI NONPARAMETRIK SPLINE UNTUK MEMPERKIRAKAN JUMLAH LEUKOSIT PADA TERSANGKA FLU BURUNG DI JAWA TIMUR RINGKASAN
Lebih terperinciLAMPIRAN A DATA TRY OUT
LAMPIRAN A DATA TRY OUT 58 A-1 DATA TRY OUT HUBUNGAN SEKSUAL 59 x1 x2 x3 x4 x5 a1 1 1 1 1 2 a2 1 1 1 1 1 a3 1 2 1 2 2 a4 1 1 1 1 1 a5 1 1 1 1 1 a6 1 1 1 1 1 a7 1 1 1 1 1 a8 2 2 1 1 2 a9 1 1 1 1 1 a10 2
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciLAMPIRAN. Jumlah Tabungan, Deposito, dan Kredit Tahun (dalam Rp 000)
LAMPIRAN Lampiran i Jumlah Tabungan, Deposito, dan Kredit Tahun 2005-2008 (dalam Rp 000) 2005 2006 2007 2008 Tabungan 3,505,782,603 3,580,721,966 4,266,928,564 5,191,304,160 Deposito 303,031,000 408,810,750
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperincidimana n HASIL DAN PEMBAHASAN
5. Proses penghilangan data dilakukan secara acak untuk memenuhi asumsi mekanisme kehilangan data yang acak (MAR). 6. Ulangan yang digunakan sebanyak 1 kali pada setiap simulasi untuk memberikan peluang
Lebih terperinciPengantar Statistika Matematika II
Bab 4: Metode Evaluasi Estimator Statistika FMIPA Universitas Islam Indonesia Penggunaan metode estimasi yang berbeda dapat menghasilkan estimator yang sama maupun berbeda Dari hasil estimator yang berbeda,
Lebih terperinciTeknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih
Lebih terperinciStatistik Bisnis. Week 9 Confidence Interval Estimation
Statistik Bisnis Week 9 Confidence Interval Estimation Agenda Time Activity 20 minutes Point and Interval Estimate 40 minutes Confidence Interval Estimate for the Mean ( Known) 40 minutes Confidence Interval
Lebih terperinciPENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI
PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009
Lebih terperinciLampiran Hasil Output SPSS. Statistics. Skor Kepuasan Pasien Rawat Jalan. Valid 200 Missing 0 Mean Skor Kepuasan Pasien Rawat Jalan Frequenc y
1 Lampiran Hasil Output SPSS A. Analisis Univariat 1. Kepuasan Pasien Statistics Skor Kepuasan Pasien Rawat Jalan 200 Missing 0 Mean 46.73 Skor Kepuasan Pasien Rawat Jalan Frequenc y Cumulative 39 4 2.0
Lebih terperinciKEPERCAYAAN DIRI. Corrected Item-Total Correlation
LAMPIRAN 61 KEPERCAYAAN DIRI PUTARAN 1 N % Cases Valid 60 100.0 Excluded( a) 0.0 Total 60 100.0 a Listwise deletion based on all variables in the procedure. Reliability Statistics Alpha N of Items.756
Lebih terperinciPENDUGAAN DATA HILANG DENGAN MENGGUNAKAN DATA AUGMENTATION. Abstract
Pendugaan Data Hilang Mesra Nova) PENDUGAAN DATA HILANG DENGAN MENGGUNAKAN DATA AUGMENTATION Mesra Nova 1, Moch. Abdul Mukid 2 1 Alumni Program Studi Statistika UNDIP 2 Staf Pengajar Program Studi Statistika
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO
PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO ESTIMATE MULTIPLE LINEAR REGRESSION PARAMETERS) Iesyah
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data 1. Deskriptif Statistik Statistik deskriptif digunakan untuk menjelaskan atau menggambarkan secara umum berbagai karakteristik data yang telah dikumpulkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Berpikir Penelitian Penelitian ini bertujuan untuk menganalisis jenis promosi penjualan yang disukai konsumen pasta gigi. Dengan demikian analisis ini akan dilakukan
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 terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
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 terperinciKAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA. Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran
KAJIAN METODE IMPUTASI DALAM MENANGANI MISSING DATA Triyani Hendrawati Staf Pengajar Statistika Universitas Padjadjaran triyani.hendrawati@gmail.com ABSTRAK. Pada sebuah survey, adakalanya tidak semua
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciSUBSAMPLE IN BIG DATA BASED SOME METHOD
SUBSAMPLE IN BIG DATA BASED SOME METHOD (LEVERAGE, MEAN OF LOG LIKELIHOOD, BUGS OF LITTLE BOOTSTRAPS (BLB)) TUGAS PENGANTAR BIG DATA Dosen Pengampu : Danang Akbar Riyano Farah Adibah M Dr.Danardono, MPH
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
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 terperinciSKALA UJI COBA. SKALA I No Pernyataan Tanggapan 1. Saya senang dengan penampilan saya SS S E TS STS 2. Saya merasa tidak memiliki kemampuan yang dapat
84 Lampiran 1 SKALA UJI COBA SKALA I No Pernyataan Tanggapan 1. Saya senang dengan penampilan saya 2. Saya merasa tidak memiliki kemampuan yang dapat dibanggakan 3. Saya mampu mengerjakan tugas dengan
Lebih terperinciInferensia Statistik parametrik VALID?? darimana sampel diambil
Inferensia Statistik parametrik VALID?? Tergantung dari bentuk populasi Tergantung dari bentuk populasi darimana sampel diambil Uji kesesuaian (goodness of fit) ) untuk tabel frekuensi Goodness-of-fit
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling)
Rencana Penerimaan Sampel (Acceptance Sampling) 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/
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 terperinciESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI
ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciABSTRAK. Kata kunci: e-commerce, relative advantage, compatibility, complexity, adoption. iii Universitas Kristen Maranatha
ABSTRAK Pendapatan yang dihasilkan melalui e-commerce di Indonesia masih sangat rendah apabila dibandingkan dengan negara Asia lainnya. Hal ini terjadi karena hanya sebagian kecil saja dari masyarakat
Lebih terperinciBAB 5 SIMPULAN DAN SARAN
63 BAB 5 SIMPULAN DAN SARAN 5.1 Simpulan Dari hasil pengujian hipotesis dan pembahasan, maka kesimpulan yang dapat dijelaskan dalam penelitian ini adalah sebagai berikut: 1. Berdasarkan hasil penelitian
Lebih terperinciESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II
ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih A 1* Rini Cahyandari 2 Tarkinih 3 123 Program
Lebih terperinciModel Regresi Zero Inflated Poisson Pada Data Overdispersion
Model Regresi Zero Inflated Poisson Pada Data Overdispersion Wirajaya Kusuma Fakultas MIPA, Universitas Mataram e-mail: Kusuma_Wirajaya@yahoo.co.id Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Statistik Deskriptif. Statistik Deskriptif menjelaskan karakteristik masing-masing variabel yang terdapat dalam penelitian, baik variabel dependen maupun variabel independent
Lebih terperinciBAB I. REGRESI LINIER BERGANDA
BAB I. REGRESI LINIER BERGANDA Membuka program SPSS kemudian memilih tab sheet Variable View. Melakukan input variabel yang akan diteliti pada sheet Variable View. Input dilakukan dengan memperhatikan
Lebih terperinciABSTRAK. Teknologi pengkode sinyal suara mengalami kemajuan yang cukup. pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari
ABSTRAK Teknologi pengkode sinyal suara mengalami kemajuan yang cukup pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari pengkode sinyal suara yaitu output sinyal suara yang mempunyai
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciSebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor
Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,
Lebih terperinciStatistik Bisnis. Week 13 Chi-Square Test
Statistik Bisnis Week 13 Chi-Square Test Learning Objectives In this chapter, you learn: How and when to use the chi-square test for contingency tables TEST FOR THE DIFFERENCE BETWEEN TWO PROPORTIONS Contingency
Lebih terperinciLAMPIRAN 1 LAMPIRAN KUESIONER
LAMPIRAN 1 LAMPIRAN KUESIONER IDENTITAS RESPONDEN Nama :... L/P Umur :... Alamat :... No.hp :... Jenis Produk Smartfren Yang di Gunakan :... PETUNJUK PENGISIAN ANGKET 1. Baca sejumlah pertanyaan dibawah
Lebih terperinciPenaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Bayes
Penaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Baes Sisca Agnessia Departemen Matematika, FMIPA UI, Kampus UI Depok 6 sisca.agnessia@ahoo.com Abstrak Dalam
Lebih terperinciPERBANDINGAN METODE PENDUGAAN PARAMETER DALAM PEMODELAN PERSAMAAN STRUKTURAL LA MBAU
v PERBANDINGAN METODE PENDUGAAN PARAMETER DALAM PEMODELAN PERSAMAAN STRUKTURAL LA MBAU Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Matematika SEKOLAH PASCASARJANA
Lebih terperinciPENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA
PENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA 09083005 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan suatu metode dalam statistik yang popular, karena banyak digunakan pada penelitian dalam berbagai bidang. Contoh dari penggunaan
Lebih terperinciBAB III. METODE PENELITIAN
BAB III. METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian ini dilaksanakan
Lebih terperinciPREDIKSI PELAPORAN PENCURIAN KENDARAAN BERMOTOR BERBASIS LINIER REGRESI BERGANDA DI KOTA SEMARANG
PREDIKSI PELAPORAN PENCURIAN KENDARAAN BERMOTOR BERBASIS LINIER REGRESI BERGANDA DI KOTA SEMARANG Brenda Charmelita Program Studi Teknik Informatika, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11,
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Penelitian 1. Statistik Deskriptif Statistik deskriptif menggambarkan tentang ringkasan data-data penelitian seperti jumlah data, rata-rata, nilai
Lebih terperinciMA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: Model AR dan INAR Cerdas dan Stokastik Setelah rantai Markov, distribusi eksponensial, lalu apa? Proses Bernoulli, Proses Poisson, Proses Stokastik lain?
Lebih terperinciLampiran 1. Perkembangan GDP Riil Pertanian (Constant 2000, Juta US$) Negara Berkembang Tahun Indonesia Thailand Cina India Brasil Argentina Meksiko
Lampiran 1. Perkembangan GDP Riil Pertanian (Constant 2, Juta US$) Negara Berkembang Tahun Indonesia Thailand Cina India Brasil Argentina Meksiko Mesir Afrika Selatan Turki 198 14751.87 6487.26 68232.337
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciKUESIONER PENELITIAN
KUESIONER PENELITIAN PENGARUH KOMPONEN KOMUNIKASI DALAM PELAKSANAAN PREVENTION MOTHER TO CHILD TRANSMISSION (PMTCT) OLEH BIDAN TERHADAP KUNJUNGAN KLIEN PADA PELAYANAN VOLUNTARY COUNCELLING AND TEST (VCT)
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian Objek dalam penelitian ini adalah perusahaan manufaktur disektor 5 (consumer goods industry) periode 2008-2010. Berikut ini peneliti
Lebih terperinciSampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.
Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi
Lebih terperinciE-Jurnal Matematika Vol. 2, No.3, Agustus 2013, ISSN:
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 40-45 ISSN: 2303-1751 ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN METODE GOMPIT (Studi Kasus: Mahasiswa Fakultas
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability
Statistik Bisnis 1 Week 9 Discrete Probability Random Variables Random Variables Discrete Random Variable Continuous Random Variable Wk. 9 Wk. 10 Probability Distributions Probability Distributions Wk.
Lebih terperinciBAB II. REGRESI LINIER BERGANDA DENGAN VARIABEL DUMMY
BAB II. REGRESI LINIER BERGANDA DENGAN VARIABEL DUMMY Membuka program SPSS kemudian memilih tab sheet Variable View. Melakukan input variabel yang akan diteliti pada sheet Variable View. Input dilakukan
Lebih terperinciPenaksiran Parameter Model Kalibrasi Linier yang Berdistribusi Skew-Normal dengan Algoritma-EM
Vol. 12, No. 1, 36-47, Juli 2015 Penaksiran Parameter Model Kalibrasi Linier yang Berdistribusi Skew-Normal dengan Algoritma-EM Try Widyaiswara Hairil 1, Anna Islamiyati 1, Raupong 1 Abstrak Sebuah penelitian
Lebih terperinciLAMPIRAN A: SKALA PENELITIAN A-1 Skala Dukungan Sosial Orangtua
LAMPIRAN LAMPIRAN A: SKALA PENELITIAN A-1 Skala Dukungan Sosial Orangtua Kelas : No. Absen : PETUNJUK PENGISIAN Di halaman berikut ada beberapa pernyataan yang akan Anda jawab. Sebelum Anda menjawab, ada
Lebih terperinciKAJIAN ESTIMASI PARAMETER MODEL AUTOREGRESIF TUGAS AKHIR SM 1330 NUR SHOFIANAH NRP
TUGAS AKHIR SM 1330 KAJIAN ESTIMASI PARAMETER MODEL AUTOREGRESIF NUR SHOFIANAH NRP 1203 100 009 Dosen Pembimbing Dra. Laksmi Prita W, MSi Dra. Nuri Wahyuningsih, MKes JURUSAN MATEMATIKA Fakultas Matematika
Lebih terperinciMengolah Data Bidang Industri
Mengolah Data Bidang Industri Pengolahan data dalam bidang industri menggunakan aplikasi SPSS 20 mempunyai fungsi sebagai alat bantu untuk memberikan gambaran dalam hal prediksi penjualan atau omzet perusahaan,
Lebih terperinciLAMPIRAN A SKALA PENELITIAN
51 LAMPIRAN A SKALA PENELITIAN 52 A 1 SKALA PERILAKU MEMBELI DAGING SAPI IMPOR 53 SKALA PERILAKU MEMBELI DAGING SAPI IMPOR No Pernyataan Jawaban 1 Dalam 1 bulan berapa kali anda membeli di CV RAB : a.
Lebih terperinciPenggunaan Metode Bootstrap dalam Regresi Cox Proportional Hazards pada Ketahanan Hidup Pasien Diabetes mellitus
Penggunaan Metode Bootstrap dalam Regresi Cox Proportional Hazards pada Ketahanan Hidup Pasien Diabetes mellitus Ninuk Rahayu a, Adi Setiawan b, Tundjung Mahatma c a,b,c Program Studi Matematika Fakultas
Lebih terperinciPENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI
PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas
Lebih terperinciABSTRAK. Kata-kata kunci: biaya pemasaran dan penjualan. viii. Universitas Kristen Maranatha
ABSTRAK Dalam kegiatan operasional perusahaan, penggunaan biaya sangat berperan penting untuk kegiatan tersebut. Tanpa adanya biaya tersebut, maka perusahaan akan sangat sulit menjalankan usahanya. Salah
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
40 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik Deskriptif menjelaskan karakteristik dari masing-masing variabel yang terdapat dalam penelitian, baik variabel dependen maupun
Lebih terperinciREGRESI MULTIVARIATE
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 REGRESI MULTIVARIATE Oleh: Hery Tri Sutanto Jurusan Matematika MIPA UNESA Abstrak Jika analisa regresi univariate yang
Lebih terperinci1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga.
LAMPIRAN Lampiran 1. Evaluasi Model Evaluasi Model Keterangan 1) Kriteria Ekonomi Estimasi model dikatakan baik bila hipotesis awal penelitian terbukti sesuai dengan tanda dan besaran dari penduga. 2)
Lebih terperinciL A M P I R A N. Universitas Sumatera Utara
L A M P I R A N Lampiran 1. Karakteristik Petani Kubis Bunga Kecamatan Tigapanah Kabupaten Karo 2015 Responden Nama Pengalaman Bertani ( Tahun) Usia Pendidikan Jumlah Tanggungan 1 Diamon Pelawi 20 42 SMA
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciTINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai
II. TINJAUAN PUSTAKA 2.1. Model Linear Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai berikut : Y i = β 0 + X i1 β 1 + X i2 β 2 + + X ip β p +ε i ; i = 1,2,, n bila dirinci
Lebih terperincioleh YUANITA KUSUMA WARDANI M
ESTIMASI PARAMETER MODEL REGRESI PROBIT SPASIAL MENGGUNAKAN SOFTWARE R DENGAN ALGORITME GIBBS SAMPLING oleh YUANITA KUSUMA WARDANI M0111083 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI
PENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI Disusun Oleh : BITORIA ROSA NIASHINTA 24010211120021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSKRIPSI ERLINDA SIREGAR
ANALISIS DISKRIMINAN DUA GRUP (TWO-GROUP DISCRIMINANT ANALYSIS ) PADA STATISTIK MULTIVARIAT SKRIPSI ERLINDA SIREGAR 090823054 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciKETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD)
KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD) Budyanra Jurusan Statistika, Sekolah Tinggi Ilmu Statistik, Jakarta
Lebih terperinci