JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311"

Transkripsi

1 JURNAL SAINS DAN SENI POMIS Vol., No., (03) (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas Kesehata Nurul Qomaryah, Sat Wula Puram, M. Setyo Pramoo Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam,, Isttut eolog Seuluh Noember (IS) Jl. Aref Rahma am, Surabaya 60 Idoesa e-mal: saturam@statsta.ts.ac.d Abstra Data rofl esehata 0 dar Des Jatm meuua d Jatm terad asus emata bu dareaa roses haml, bersal, da fas sebesar 67 bu da 80% emata terad d Rumah Sat da Pusesmas. Kedua temat tersebut meruaa fasltas esehata bag bu haml dalam ersala da medaata erawata. Aga emata tersebut auh dar target MDGs da berebala dega safety atet. Peelta bertuua utu medesrsa da memodela umlah emata bu d Jatm dega meyertaa varabel dar hasl Rfases Pusesmas da rofl esehata. Metode yag dguaa medesrsa megguaa eta temat da emodela megguaa GWPR. Pemodela dega metode memerhata leta geografs wlayah area erbedaa trads da budaya masyaraat megea ehamla da eagaaya berbeda-beda ta wlayah. asl dar desrs varabel adalah umlah emata bu terecl d Kota Mooerto. Berdasara hasl emodela, model GWPR lebh ba darada model regres Posso area meml la R-sq lebh besar 93,37% da AIC lebh ecl 49,069. Model GWPR meghasla betu model yag berbeda-beda ada ta abuate/ota d Jawa mur. Kata Kuc geograhcally wehted osso regresso; umlah emata bu; rfases; Jatm. K I. PENDAULUAN asus emata bu yag dareaa roses haml, bersal, da fas yag dsebut emata bu d dua esehata meruaa emata selama ehamla atau dalam erode 4 har setelah berahrya ehamla, abat semua sebab yag terat dega atau derberat oleh ehamla atau eagaaya, teta bua dsebaba oleh ecelaaa atau cedera. Dar data Das Kesehata (Des) Jatm, selama tahu 0 tercatat umlah emata bu sebaya 67 bu (haml, bersal, da fas). Dar seluruh asus d Jatm, setar 80% emata terad d Rumah Sat da Pusesmas. Kedua temat tersebut meruaa fasltas esehata bag bu haml dalam ersala da medaata erawata []. Kemetra Kesehata RI melalu Baltbag Kemetra Kesehata melasaaa rogram Rset Fasltas Kesehata (Rfases) yag bertuua utu medaata data serta ods fasltas esehata emertah. Oleh sebab tu, aalss fator-fator yag memegaruh umlah emata bu dalam eelta meyertaa varabel redtor dar hasl Rfases Jatm ada elayaa esehata bu d Pusesmas seluruh Jatm. Peagaa ermasalaha emata bu tda bsa dlaua secara geeralsr ada seta wlayah area fator yag memegaruh bsa saa berbeda. Perbedaa fator yag memegaruh dareaa erbedaa budaya da trads megea mtos ehamla da erawataya. Beberaa eelta megea umlah emata bu yag erah dlaua sebelumya megguaa metode Satal Durb Model utu megdetfas fator-fator yag memegaruh umlah emata bu d Jatm []. Varabel yag sgfa beregaruh adalah ersetase ersala dbatu oleh duu, ersetase rumah tagga bererlau hdu bersh sehat, da ersetase saraa esehata d ta abuate/ota d Jatm. Peelta laya memodela materal mortalty d Jatm dega edeata GWPR [3]. asl dar eelta meuua adaya ersamaa erlau atar loas yag berdeata. Varabel ersetase saraa esehata beregaruh sgfa dseta abuate/ota. A. Model Regres Posso II. INJAUAN PUSAKA Regres Posso meruaa model regres oler dmaa varabel reso (varabel Y) megut dstrbus Posso. Dstrbus Posso meruaa dstrbus yag alg sederhaa utu data cout [4]. Fugs eluag dar dstrbus Posso daat dyataa sebaga berut. y e f (y, ) ; y= 0,,, y! Model regres Posso daat dyataa dalam betu berut.

2 JURNAL SAINS DAN SENI POMIS Vol., No., (03) (30-98X Prt) D-3 μ y 0 β l β atau y e( β) Karea y ~ osso e( μ β), maa betu model mead. Peasra arameter (β) ada model regres Posso megguaa metode MLE (Mamum Lelhood Estmato). Awalya, mecar ersamaa lelhood dar fugs eluag dstrbus Posso, subttus μ terhada y, da mecar ersamaa lelhood dalam betu l. e e l L( ) l e( β) y β l(y ) β e y y! β Kemuda dturua terhada β yag meruaa betu vetor, area dalam hal meml beberaa arameter. l Lβ e β y β Kemuda ersamaa datas dsamadegaa ol da dselesaa teras Newto-Rahso dareaa a dselesaa dega MLE ddaata ersamaa yag tda close form. Pegua sgfas arameter model regres osso terdr dar u sereta da arsal. U sgfas secara sereta megguaa Mamum Lelhood Rato est (MLR) dmaa hotess eguaya adalah sebaga berut. : : Palg sedt ada satu β 0 ; =,,,8 7, 8, 0 Statst U : D (ˆ) l ola 0 a χ ;α D βˆ artya bahwa ada salah satu arameter yag beregaruh secara sgfa terhada model regres Posso. meruaa raso atara fugs lelhood utu hmua arameter d bawah 0 ( L( ωˆ ) ) dega fugs lelhood dega hmua arameter sela arameter dbawah 0 ( L( ˆ ) ). Utu egua sgfas secara arsal adalah sebaga berut. : β 0 0 : β 0 Statst u : βˆ z se βˆ ola 0 a zhtug z α artya bahwa arameter e- sgfa terhada model regres Posso. adalah umlah samel, bayaya varabel, da α sebaga taraf sgfas. B. Model GWPR GWPR meruaa suatu metode statsta yag sebearya egembaga dar regres osso amu yag membedaa adalah dalam metode memerhata embobot berua leta ltag da leta buur dar tt-tt egamata yag damat da dsmbola,v ). Model GWPR meghasla easr arameter model yag bersfat loal utu seta tt egamata [5]. Berut adalah model GWPR dmaa u sebaga oordat ltag da v sebaga oordat buur yag dguaa sebaga embobot easra arameter atya. y ~ osso μ dmaa μ e β u, v 0 sehgga y ~ e β u, v 0 Keteraga : y : la varabel deede e- : la varabel deede e- ada seta varabel deede e- β,v ) : oefse regres utu seta varabel e- berdasara tt egamata dega oordat ltag u da oordat buur v,v ) : oordat ltag da buur ada tt egamata deede e- Peasra arameter ada model GWPR uga megguaa metode MLE dega membera embobot ada fugs l-lelhood sehgga haslya deroleh berut. l L * βu, v e βu, v y βu, v ly! w u, v * l L βu,v e β u,v y w u,v β u,v e βu,v y w u,v 0 Persamaa datas berbetu close form sehgga dselesaa megguaa teras umer Newto Rahso Iteratvely Reweghted Least Square. Pada model GWPR dlaua egua esamaa atara model GWPR dega model regres osso. : (β v )) β ;,,38 0, : (β, v )) β 0,,,8( 7,8,0) Devas M odela Statst U : df A Fht Devas M odelb df B ola 0 a Fht F(,df,df ) artya bahwa ada erbedaa yag sgfa atara model osso dega model GWPR. Model A meruaa model regres Posso dega df A = -(+) da model B adalah model GWPR dega A B

3 JURNAL SAINS DAN SENI POMIS Vol., No., (03) (30-98X Prt) D-33 df B = - trace(s)+trace(s WSW - ). S meruaa hat matrs da W adalah matrs embobot. Pegua selautya yatu u sgfas arameter model regres osso dega hotes egua sebaga berut. : β,v ) 0 0 :β,v ) 0 Statst U : βˆ, v ) t se(βˆ, v )) Statst u ddeat dega dstrbus ormal stadard sehgga sgfas test adalah t, 96 utu a sebesar 0% dega samel yag besar. Ja ddaata eutusa ola 0, berart arameter e- ada loas e- ( u, v) beregaruh sgfa terhada model. Gagal tola 0 a t, 96 artya bahwa arameter e- ada loas e ( u, v) tda sgfa terhada model. C. Peetua Badwth (G) da Pembobot Otmum Badwdth daaloga sebaga radus dar suatu lgara sehgga sebuah tt yag berada dalam radus tersebut mash dagga meml egaruh. Badwth yag ddaat harus otmum dareaa beregaruh terhada easra arameter model yag aa dtasr ada suatu wlayah. Setelah ddaata la badwth yag otmum, lagah selautya adalah mecar la embobot. Meurut Naaya, bobot fugs erel las (fed gaussa erel) yag dguaa atara meml fugs sebaga berut. d w, v ) e G Alteratf utu embobot laya daat megguaa b-square erel dega fugs sebaga berut. d, d G w u, v G 0 laya dmaa: d u u v v d meruaa ara Eucldea loas ( u, v) da loas ( u, v ) g meruaa la badwdth otmum d seta loas Metode yag dguaa utu memlh badwdth otmum adalah Cross Valdato (CV) dega rumus sebaga berut. CV(g) y ŷ (b) Pemlha model terba megguaa rtera la AIC (Aae s Iformato Crtero). AIC = D(G) + K(G) dega D(G) y log ŷ (, v ), G)/y (y ŷ, v ), G) D(G) adalah devas model dega badwdth (G), K(G) adalah umlah arameter dalam model badwdth (G). Model terba adalah model dega la AIC alg ecl. D. Defs Kemata Ibu Pegerta emata bu meurut WO adalah emata selama ehamla atau dalam erode 4 har setelah berahrya ehamla, abat semua sebab yag terat dega atau derberat oleh ehamla atau eagaaya, teta bua dsebaba oleh ecelaaa atau cedera. Peyebab emata bu melahra dategora mead dua hal, yatu eyebab lagsug yag berhubuga dega omlas obstetr (ebdaa) da Peyebab tda lagsug yag dabata oleh eyat yag tmbul selama ehamla da tda ada ataya dega eyebab lagsug obstetr. III. MEODE PENELIIAN Data yag dguaa adalah data seuder hasl dar Rfases (Rset Fasltas Kesehata) Jatm 0 ada Kemetra Ltbages RI da Profl esehata Jatm. Varabel eelta adalah Y (Jumlah emata bu), X (ersetase bu haml dega K), X (Persetase ersala dtolog teaga esehata), X 3 (Persetase bu haml medaat tablet Fe), X 4 (Persetase bu fas yag medaat elayaa esehata), X 5 (Persetase uuga bu haml dega K4), X 6 (Persetase Pusesmas yag melaua egata Program Perecaaa Persala da Pecegaha Komlas atau P4K), X 7 (Persetase Pusesmas yag melaua egata emtraa bda da duu), X 8 (Persetase Pusesmas yag melaua egata elas bu), X 9 (Persetase Pusesmas yag melaua egata elayaa ateatal tertegras), X 0 (Persetase Pusesmas yag melaua egata lega esehata bu), X (Persetase Pusesmas yag megut elatha Asuha Persala Normal atau APN), X (Persetase Pusesmas yag megut elatha Pelayaa Obstetr Neoatal Emerges Dasar atau PONED), X 3 (Persetase Pusesmas yag megut elatha Pemataua Wlayah Setemat Kesehata Ibu da Aa atau PWS-KIA), X 4 (Persetase Pusesmas yag megut elatha lega esehata bu), X 5 (Persetase Pusesmas yag meml edoma elayaa esehata materal da eoatal), X 6 (Persetase Pusesmas yag meml edoma ecegaha da eagaa malara ada bu haml), X 7 (Persetase Pusesmas yag meml edoma oerasoal elayaa teradu esehata rerodus atau Kesro), da X 8 (Persetase Pusesmas yag meerma Audt Materal Peratal atau AMP). Lagah-lagah aalss data adalah sebaga berut.. Utu megetahu desrs dar abuate/ota d Jatm berdasara varabel eelta, maa edesrsa megguaa eta temat Pros Jatm yatu

4 JURNAL SAINS DAN SENI POMIS Vol., No., (03) (30-98X Prt) D-34 medesrsa varabel Y da varabel redtor dar sudut ewlayahaya.. Megatas asus multolertas megguaa metode stewse dega rtera la S mmu, R-sq (ad) masmum, da C-mallows mmum. 3. Megaalss model regres Posso a. Peasra arameter model regres Posso dega metode MLE. b. Megu sgfas arameter model regres osso secara sereta da arsal. U sgfas arameter secara sereta megguaa la devas sebaga statst u. U sgfas arsal megguaa la Z htug yag dbadga dega Z tabel. c. Meghtug la AIC model regres Posso. 4. Megaalss model GWPR yatu sebaga berut. a. Meghtug ara euclda atar loas egamata berdasara oss geografs. Jara euclda atara loas yag terleta ada oordat,v ) terhada loas yag terleta ada oordat,v ). b. Meguruta ara euclde dar seluruh loas terhada suatu loas, sehgga deroleh uruta tetagga terdeat dar loas. c. Meetua badwdth otmum berdasara rtera CV mmum. d. Meghtug matrs embobot dega megguaa fugs embobot erel. e. Measr arameter model GWPR dega metode MLE. b. Megu sgfas arameter model regres GWPR secara arsal ada wlayah (abuate/ota) megguaa t htug sehgga ddaata varabel aa saa yag beregaruh terhada wlayah yag telah d estmas modelya. Kemuda hal tersebut dlaua utu ta wlayah abuate/ota d Jatm. f. Meghtug la AIC model GWPR. g. Pegua esesuaa model atara model regres Posso dega model GWPR megguaa la devas dar masg-masg model da dcar la F htug. 5. Perbadga model Regres Posso dega model GWPR megguaa la AIC. Model yag ba adalah model yag meml la AIC alg ecl. IV. ANALISIS DAN PEMBAASAN A. Desrs Jumlah Kemata Ibu Desrs dar varabel umlah emata bu megguaa eta temat dega umlah emata bu tertgg terad d abuate Jember sebaya 54 wa da Kota Surabaya sebesar 47 wa. Jumlah emata bu teredah berada d Kota Mooerto sebaya wa. Berdasara hasl ersebara atara etga wlayah adalah (Kabuate Jember, Kota Surabaya, da Kota Mooerto) adalah utu ersetase elayaa K (X ) ota Surabaya masu dalam ategor redah (9,9%-95,7%), Gambar. Persebara Jumlah Kemata Ibu d Jatm Kabuate Jember ategor sedag (95,7%-97,9%), da Kota Mooerto termasu ategor tgg yatu sebesar (97,9%-00%). Persetase ersala dtolog teaga esehata (X ) yag mash redah d Jatm dega ersetase sebesar 89,74 %- 94,08% adalah Kota Surabaya. al berart mash terdaat ersala yag dlaua bua oleh teaga esehata ada Kota Surabaya, msal duu. Persetase bu haml yag medaat tablet Fe (X 3 ) berola megelomo d daerah yag salg berdeata dega ategor tgg sebesar 87,34%- 00% da etga wlayah tersebut masu dalam ategor. Persebara ersetase bu fas yag medaat elayaa esehata (X 4 ) sebaga besar wlayah abuate d Jatm berada d ategor sedag (,54%-5,37%). asl ersebara ersetase uuga bu haml K4 (X 5 ) uga sebaga besar wlayah termasu ategor sedag da ota Mooerto masu dalam ategor tgg. Persebara ersetase Pusesmas d Jatm yag melaua egata P4K (X 6 ) terdaat tga wlayah yag termasu ategor redah (85,7%-90,9%) yatu Kabuate Poorogo, Kabuate reggale, da Kota Pasurua. Persebara ersetase Pusesmas yag melaua egata emtraa bda da duu (X 7 ) utu wlayah erotaa cederug lebh redah bla dbadga dega wlayah abuate. Persebara ersetase Pusesmas yag melaua egata elas bu (X 8 ) meuua bahwa Kota Mooerto termasu ategor tgg (77,3%-00%). Kemuga hal lah yag meyebaba redahya umlah emata bu d Kota Mooerto. Kegata elayaa ateatal tertegras ada Pusesmas (X 9 ) terdaat 7 wlayah d Jatm yag masu ategor redah (66,7%-77,4%) adalah Kota Madu, Kota Pasurua, Gres, Bagala, Kedr, Poorogo, da Bayuwag. Persetase Pusesmas yag melaua egata lega esehata bu (X 0 ) sebaga besar berada d ategor sedag ada Gambar yag dblo wara hau. Persebara ersetase Pusesmas yag megut elatha PONED (X ), elatha PWS-KIA (X 3 ), da elatha lega esehata bu (X 4 ) sebaga besar d wlayah Jatm mash tergolog redah. Padahal elatha sagat derlua gua megata ualtas dar etugas Pusesmas dalam megatas masalah yag terad ada bu haml, bersal, da fas. Utu ersebara ersetase Pusesmas yag megut elatha APN (X ) berola meyebar dega wlayah yag tergolog redah (0%-30%)

5 JURNAL SAINS DAN SENI POMIS Vol., No., (03) (30-98X Prt) D-35 adalah Mageta, Poorogo, Ngau, uba, Jember, Kota Bltar, Kota Malag da Kota Probolggo. Ketersedaa buu edoma melut elayaa esehata materal da eoatal (X 5 ), ecegaha da eagaa malara ada bu haml (X 6 ), da edoma oerasoal elayaa teradu Kesro (X 7 ). Wlayah Kabuate Sumee meruaa wlayah yag termasu ategor redah dalam eemla etga buu edoma tersebut. Wlayah d Jatm yag alg redah ersetase Pusesmas dalam medaata egawasa da evaluas rogram esehata bu (X 8 ) adalah Kota Pasurua sebesar 4,3%. B. Pemodela Jumlah Kemata Ibu asl dar metode stewse ddaata bahwa varabel yag masu dalam emodela ada ada ste e-7 area meml la S mmum, R-sq (ad) masmum, da Cmallows mmum. Varabel yag masu dalam emodela adalah X, X4, X5, X7, X8, X9, X, X, X4, X6, X7, da X8.. Regres Posso asl u sgfas arameter secara sereta ddaata la devas sebesar 5,97 da la Ch-Square dega taraf sgfas (α) sebesar 0% yatu 8,549. Nla devas lebh besar darada la Ch-Square berart mmal terdaat salah satu arameter yag beregaruh secara sgfa terhada model regres Posso. U sgfas arameter secara arsal megguaa statst u Z htug. Parameter dataa sgfa (tola 0 ) a la Z htug >Z a/. Oleh sebab tu, berdasara la Z htug yag ddaat bahwa arameter yag sgfa terhada model adalah β 0, β, β 4, β 5, β 8, β 9, β, β 4, da β 6.. Dar hasl estmas arameter ddaata model lega regres osso adalah sebaga berut. lμˆ,606 0,774X 0,54X 0,093X 0,063X 8 0,483X 0,043X 0,0075X 9 0,344X4 0,80X6 0,093X7 0,03X8 al berart varabel yag secara sgfa memegaruh emata bu d Jatm secara global adalah X, X 4, X 5, X 8, X 9, X, X 4, da X 6. Berdasara model yag ddaat, a ersetase uuga bu haml dega K bertambah satu erse, maa aa meurua l Y sebesar 0,774 dega syarat varabel laya osta. Iterretas utu varabel laya adalah sama dega tada ostf adalah megata da besaraya sesua dega oefseya. Varabel yag sgfa beregaruh terhada l Y amu tda sesua dega teor adalah varabel X 4, X 9, X 4, da X 6. al dareaa eemat varabel tersebut meruaa varabel roses, sedaga varabel umlah emata bu adalah varabel outut, yag egaruhya dalam meurua umlah emata bu membutuha watu atau roses ,588X 7 Gambar. Persebara Persetase Pusesmas Yag Melaua Kegata Lega Kesehata Ibu abel U Kesesuaa Model GWPR Model Devas df Devas/df F htug Global 5,97 5,008,789 GWPR 7,45 0,358 0,855. GWPR Pegua esesuaa model GWPR dguaa utu megetahu ebaa model GWPR dbadga model regres Posso. abel meuua bahwa la F htug yag ddaat adalah sebesar,789. Nla F tabel dega taraf sgfas (α) sebesar 0% atau F (0,05; 5; 0,358) adalah sebesar,76. Nla F htug urag dar F tabel sehgga eutusa yag ddaat adalah gagal tola 0. al berart tda ada erbedaa yag sgfa atara model regres Posso dega model GWPR. Pegua sgfas arameter model GWPR meruaa egua sgfas arameter ada model regres yag ddaat dar ta wlayah d Jatm. al bermafaat utu megetahu fator-fator yag beregaruh terhada umlah emata bu d seta abuate/ota Jatm. Berut meruaa egua arameter model GWPR yag ddaat. :β, v ) 0; 0,,4,...,8 0 : β ( u, v ) 0 Pegua megguaa statst u t htug yag dbadga dega z tabel =,64. Parameter dataa sgfa (tola 0 ) a la t htug >,64. Parameter yag sgfa hamr d seluruh wlayah abuate/ota d Jatm adalah β 0, β, β 4, β 9, β 4, da β 6. Gambar 3 meelasa berdasara hasl emodela GWPR, wlayah d Jatm terbag mead 5 elomo. a elomo meml varabel sgfa yag berbeda-beda da erbedaa dtada oleh wara merah, ug, hau, merah muda, da bru. Perbedaa atara wlayah merah da wlayah ug adalah varabel X7 tda sgfa ada wlayah ug dareaa mash terdaat duu badel yag tda mau melaua egata emtraa dega bda desa seert d wlayah Samag [6]. Perbedaa Bodowoso dbadga elomo wara merah da ug adalah varabel X 5 tda sgfa ada wlayah tersebut area la X 5 ada

6 JURNAL SAINS DAN SENI POMIS Vol., No., (03) (30-98X Prt) D-36 abuate cederug relatf lebh ecl bla dbadga dega sebaga besar wlayah ada elomo merah da ug. Perbedaa atara wlayah elomo hau dega etga elomo sebelumya adalah ada varabel X 8 tda sgfa beregaruh, hususya Kabuate Sumee, area berbetu eulaua (hgga eulaua Masalembo) sehgga ases utu bu haml megadaa saraa belaar elomo mead lebh sult. al yag berbeda sedr ada ada Kabuate Bayuwag dmaa X 7 sgfa beregaruh haya ada wlayah. Perlu eelta laut megea masalah esehata rerodus masyaraat Bayuwag dareaa belum dtemua asus yag sgfa terad ada masyaraat Bayuwag megea Kesro. Dugaa semetara, eggua KB d Bayuwag mash sedt yag mead eserta atf sehgga derlua hal tersebut gua megatas eada 4 terlalu yag mead eyebab emata bu d Bayuwag. [7]. Salah satu cotoh model GWPR d Kota Mooerto adalah sebaga berut. lμˆ,6 0,0X 0,545X 0,33X 0,086X 4 0,643X 8 0,758X 9 0,868X 0,33X4 0,76X6 Perbadga model regres Posso dega model GWPR bertuua utu medaata model terba yag daat dteraa ada asus umlah emata bu d Jatm. Krtera ebaa model yag dguaa adalah AIC. abel Krtera Kebaa Model Model AIC R-Sq Regres Posso 5,97 90,4% GWPR 49, ,37% abel meuua bahwa la AIC model GWPR lebh ecl darada AIC model regres Posso. Nla R-Sq model GWPR uga lebh besar darada R-Sq model regres Posso. al meuua bahwa model GWPR lebh teat dguaa dalam aalss umlah emata bu d Jatm. V. KESIMPULAN. Peyebara umlah emata bu d Jatm meml ola meyebar dega wlayah yag termasu ategor sagat tgg adalah Kabuate Jember da Kota Surabaya sedaga yag teredah adalah Kota Mooerto.. Berdasara hasl emodela model GWPR lebh ba darada model regres Posso area meml la R-sq lebh besar 93,37% da AIC lebh ecl 49,069. Model GWPR meghasla betu model yag berbeda-beda ada ta abuate/ota d Jawa mur. Varabel yag sgfa d seluruh wlayah Jatm adalah ersetase uuga bu haml K, ersetase bu fas yag medaat elayaa esehata, ersetase Pusesmas yag melaua egata elayaa ateatal tertegras, da ersetase Pusesmas meml edoma ecegaha da eagaa malara ada bu haml. 5 7 Gambar 3. Persebara Varabel Yag Sgfa DAFAR PUSAKA [] Azz, N. A. (0). 67 bu meggal d Jatm dalam Setahu. htt://regoal.omas.com/read/0///54563/67.ibu.me ggal.d.jatm.dalam.setahu [dases taggal, 05 Arl 03, uul 7:58] [] Pertw, L. D. (0). Satal Durb Model Utu Megdetfas Fator-Fator Yag Memegaruh Kemata Ibu D Jatm. Surabaya. Isttut eolog Seuluh Noember. [3] Novta, L. (0). Pemodela Materal Mortalty D Jatm Dega Pedeata Geograhcally Weghted Posso Regresso (GWPR). Surabaya. Isttut eolog Seuluh Noember. [4] Agrest, A. (00), Categorcal Data Aalyss Secod Edto. New Yor: Joh Wley & Sos. [5] Naaya,., Fothergham, A.S. da Brudso, C. (005). Geograhcally weghted Posso regresso for dsease assocato mag. Statstcs Medce 005; 4:695-77: Wley Iterscece [6] Pramoo, M.S., Wulasar, S., Lestar, W., Sadewo, F. X., & Suto. (0). Determa Aga Kemata Bay d Jaawa mur dega Pedeata Statsta Sasal. Surabaya. Kemetera Kesehata RI Bada Peelta da Pegembaga Kesehata Pusat umaora, Kebaa Kesehata da Pemberdayaa Masyaraat [7] Das Kesehata Bayuwag. (0).htt://des.bayuwagab.go.d/-laora-husus/3-esehata-rero- dus-meguteluarga-berecaa.html [dases taggal, 9 Jul 03, uul 05:08] [8] Aom. (0). Sosalsas Paca Uaya Peurua Aga Kemata Ibu da Aa. htt://alatesehata.com/emata-bulagsug-emata-bu-ta-lagsug.h [dases taggal, 3 Februar 03, uul 05:49] [9] Bada Peelta da Pegembaga Kesehata Kemetra Kesehata RI. (00). Rset Fasltas Kesehata 0 Pedoma Pegsa Kuesoer Pusesmas. Jaarta: Bada Peelta da Pegembaga Kesehata Kemetra Kesehata RI. [0] Dermawa, D. A. (03). Pemodela Aga Kemata Ibu D Kabuate Booegoro Dega Pedeata Geograhcally Weghted Regresso. Surabaya. Isttut eolog Seuluh Noember. [] Erdhadfa, R. (0). Perbadga Geograhcally Weghted Posso Regresso, Geograhcally Weghted Posso Regresso Semarametrc (Stud Kasus : Kemata Demam Berdarah Degue d Jatm). Surabaya. Isttut eolog Seuluh Noember. [] Istmal, Yulat, S., Rata M., ody A. W., Rdha M. N., Kemas M. L., & egu, A. R. (0). Sstem Iformas Geografs Rfases Kemees RI Stud Kasus Kota asmalaya. Yogyaarta. Isttut eolog elom. [3] Nmah, M. (0). Data Fata: Peyebab Kemata Ibu. htt:// com/smceta/de.h?fuseacto=bertaceta.detalbertaceta&d_b ertaceta=08765 [dases taggal, Arl 03, uul 05:55]. [4] O. (007). D Jatm Aga Kemata Ibu da Bay Mash gg. htt:// mod=berta&d=386 [dases taggal, 04 Arl 03, uul 0:46]. [5] Walole, R. E. (98). Pegatar Statsta, ed.3. Jaarta: P Grameda Pustaa Utama.

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D6 Aalss Regres Logst Ordal utu Megetahu Tgat Gaggua Tuagrahta d Kabuate Poorogo Berdasara Fator-Fator Iteral Peebab Tuagrahta Eva Arum Setar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur SEMINAR HASIL TUGAS AKHIR GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Std Kass : Ides Pembaga Masa d Pros Jawa Tmr Oleh : Ney Ptr Pradta (307 00 055) Dose Pembmbg : Dr. Prhad M.Sc GEOGRAPHICALLY

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

PENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2.

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2. Pemodela Data (Ilham Maggr) PEMODELAN DAA KEMISKINAN DI PROVINSI SUMAERA BARA DENGAN MEODE GEOGRAPHICALLY EIGHED REGRESSION (GR) Ilham Maggr Dw Israt Alm Jrsa Statsta FSM UNDIP Staf Pegaar Jrsa Statsta

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

ESTIMASI DAN PENGUJIAN HIPOTESIS GEOGRAPHICALLY WEIGHTED REGRESSION

ESTIMASI DAN PENGUJIAN HIPOTESIS GEOGRAPHICALLY WEIGHTED REGRESSION eta -N: 85-5893 / e-n: 54-458 htt://ralbeta.ac.d Vol. 5 No. Me Hal. 4-56 eta MA DAN PNGUJAN HPO GOGRAPHCALLY GHD RGRON Alfra Mla Astt Abstra: alah sat aalss statsta ag meghbga arabel reso dega arabel bebas

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

Prosiding FMIPA Universitas Pattimura 2013 ISBN:

Prosiding FMIPA Universitas Pattimura 2013 ISBN: Prosdg FMIPA Uverstas Pattmura 03 ISBN: 978-60-975-0-5 PENDEKAAN MODEL GEOGRAPHICALLY WEIGHED REGRESSION UNUK MENGANALISIS JUMLAH PENDUDUK MISKIN: UPAYA PENURUNAN JUMLAH PENDUDUK MISKIN DI PROVINSI MALUKU

Lebih terperinci

Teknik Mengatasi Data Hilang pada Kasus Rancangan Blok Lengkapacak

Teknik Mengatasi Data Hilang pada Kasus Rancangan Blok Lengkapacak Jural Sas Matemata da Statsta, Vol. 3, No., Jul 07 ISSN 693-390 prt/issn 407-0939 ole Te Megatas Data Hlag pada Kasus Racaga Blo Legapaca Rado Yedra, Muslm, Jurusa Matemata, Faultas Sas da Teolog, UIN

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion)

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion) Jural EKSPONENSIALVolume Nomor September 00 ISSN 085-789 Pemlha Model Regres Terba Megguaa Aae s Iformato Crtero (The Best Regresso ModelSelecto UsgAae s Iformato Crtero) M. Fathurahma Staf Pegaar Program

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

Pemodelan dan Pemetaan Prevalensi Kusta di Kabupaten/Kota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression

Pemodelan dan Pemetaan Prevalensi Kusta di Kabupaten/Kota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression D-396 JURNAL SAINS DAN SENI ITS Vo. 5 No. (6) 337-35 (3-98X Prt) Pemodea da Pemetaa Prevaes Kusta d Kabuate/Kota Jawa Tmur dea Pedeata Mxed Georahcay Wehted Reresso Me Rza Shovaa, da R. Mohamad Ato Jurusa

Lebih terperinci

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu

Lebih terperinci

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP

PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP PENANGANAN MISSING DATA PADA RANCANGAN BLOK RANDOM LENGKAP Rosa Sey Yudasar Jurusa Matemata, Faultas Matemata da Ilmu Pegetahua Alam,Uverstas Neger Surabaya rosaseywah@yahoo.com Drs. Hery Tr Sutato, M.S

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN NASABAH BANK X

PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN NASABAH BANK X ISSN: 339-54 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahu 04, Halama 33-33 Ole d: htt://ejoural-s.ud.a.d/de.h/gaussa PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE

PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa

Lebih terperinci

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b] Jural Sas da Matemata Vol (3): 58-63 () Fuctoally Small Rema Sums Fugs Tertegral Hestoc-uford ada [a,b] Solh, Sumato, St Khabbah 3,,3 Program Stud Matemata, FSM UNIP Jl Prof Soedarto, SH Semarag, 575 E-mal:

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci