HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita
|
|
- Verawati Sudirman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita Kabupaten Jember terdiri dari 247 desa/kelurahan % dari jumlah tersebut atau 35 desa/kelurahan terpilih sebagai contoh dalam susenas 2008, dengan jumlah rumah tangga untuk masing-masing desa/kelurahan yang dipilih sebagai contoh berkisar antara 14 hingga 16 rumah tangga (Lampiran 3). Jumlah contoh untuk masing-masing desa/kelurahan sangat kecil jika dibandingkan dengan jumlah rumah tangga di masing-masing desa/kelurahan tersebut, yaitu hanya berkisar antara 0.1% hingga 1.26%. Hasil pendugaan pengeluaran per kapita desa dengan metode pendugaan langsung dapat dilihat pada Lampiran 4. Kecilnya jumlah contoh yang digunakan untuk menduga pengeluaran per kapita desa secara langsung menyebabkan MSE yang dihasilkan sangat besar (Lampiran 4). Untuk memperbaiki hasil pendugaan pengeluaran per kapita desa, selanjutnya digunakan model SAE dengan metode EBLUP dan SEBLUP. Model SAE dengan mengikut model Fay-Herriot sebagai berikut : Dalam penelitian ini, adalah vektor rata-rata pengeluaran per kapita desa yang dihasilkan dengan metode pendugaan langsung, adalah matriks persentase keluarga penerima askeskin setahun terakhir, adalah vektor koefisien regresi, adalah matriks insidensial (dalam penelitian ini merupakan matriks identitas), adalah pengaruh acak area dan adalah vektor galat contoh. Penduga EBLUP untuk model tersebut adalah : 1 Sebelum melakukan pendugaan terhadap pengeluaran per kapita desa dengan metode EBLUP, terlebih dahulu dilakukan pendugaan terhadap koefisien regresi dan komponen ragam peubah acak. Hasil pendugaan tersebut kemudian digunakan untuk menduga pengeluaran per kapita desa. Hasil pendugaan ini menggunakan hasil penelitian Matualage, Saefuddin, Wigena (2011) dengan nilai pendugaan koefisien regresi dan komponen ragam peubah acak dapat dilihat pada Tabel 1. Nilai untuk penduga koefisien regresi bernilai negatif, yang mempunyai arti bahwa penambahan satu persen keluarga penerima askeskin setahun terakhir
2 di suatu desa cenderung menurunkan pengeluaran per kapita desa tersebut sebesar untuk metode ML dan untuk metode REML. Hasil pendugaan pengeluaran per kapita tiap desa dapat dilihat pada Lampiran 4. Tabel 1 Nilai duga koefisien regresi dan ragam peubah acak dengan metode EBLUP Penduga EBLUP ML EBLUP REML Salah satu pengembangan dari metode EBLUP, yaitu SEBLUP adalah dengan mengasumsikan bahwa terdapat otoregresi spasial antar area kecil. Metode ini lebih kompleks bila dibandingkan dengan metode EBLUP, karena pendugaan pada tahap pertama dilakukan untuk menduga bukan hanya koefisien regresi dan ragam peubah acak area, tetapi juga koefisien otokorelasi. Model yang digunakan adalah sebagai berikut : dengan adalah vektor pendugaan pengeluaran per kapita desa dengan menggunakan metode langsung, adalah matriks persentase keluarga penerima askeskin setahun terakhir, adalah koefisien regresi, adalah matriks insidensial (dalam penelitian ini, sama dengan matriks identitas), adalah matriks identitas, adalah koefisien otoregresif spasial, adalah matriks pembobot spasial, adalah vektor galat dari pengaruh acak area dan adalah vektor galat contoh. Pendugaan koefisien regresi, ragam dari galat peubah acak area dan koefisien otoregresif spasial dengan metode ML dan REML dapat dilihat pada Tabel 2. Sama dengan hasil pendugaan dengan EBLUP, nilai penduga koefisien regresif dengan metode SEBLUP juga menghasilkan nilai negatif, walaupun nilainya lebih kecil dibanding nilai pendugaan yang dihasilkan dengan metode EBLUP. Nilai pendugaan untuk koefisien otoregresif spasial yang dihasilkan bernilai positif dan sangat kuat, artinya bahwa suatu desa/kelurahan di Kabupaten Jember yang memiliki pengeluaran per kapita yang besar, dikelilingi oleh
3 desa/kelurahan lain yang memiliki pengeluaran per kapita yang besar pula, dan suatu desa/kelurahan yang memiliki pengeluaran per kapita yang kecil, dikelilingi oleh desa/kelurahan lain yang memiliki pengeluaran per kapita yag kecil pula. Hal ini juga didukung oleh nilai penduga ragam dari galat pengaruh acak area yang sangat kecil, yaitu Hasil pendugaan koefisien regresi, komponen ragam dari galat pengaruh acak area dan koefisien otoregresif spasial ini digunakan untuk menduga pengeluaran per kapita desa dengan metode SEBLUP. Nilai dugaan untuk pengeluaran per kapita desa dengan metode SEBLUP dapat dilihat pada Lampiran 4. Tabel 2 Nilai duga koefisien regresi, ragam galat peubah acak area dan koefisien otoregresif spasial dengan metode SEBLUP (Rupiah) Penduga SEBLUP ML SEBLUP REML Perbandingan antara hasil pendugaan pengeluaran per kapita desa baik dengan metode langsung, EBLUP dan SEBLUP dapat dilihat pada diagram kotak garis (Gambar 1). Terlihat bahwa terdapat pencilan untuk pengeluaran per kapita dengan metode langsung (empat pencilan) dan EBLUP (dua pencilan), sedangkan untuk pengeluaran per kapita dengan metode SEBLUP tidak terdapat pencilan. Pencilan-pencilan ini dapat terjadi karena jumlah contoh untuk tiap desa/kelurahan yang diambil sangat kecil (14 hingga 16 rumah tangga) terutama jika pendugaan dilakukan dengan pendugaan langsung. Akibat adanya pencilan, rata-rata nilai pendugaan untuk pengeluaran per kapita desa dengan metode langsung dan metode EBLUP lebih besar dibandingkan dengan rata-rata nilai pendugaan dengan metode SEBLUP, dengan simpangan baku pengeluaran per kapita antar desa yang besar pula (Tabel 3). Hasil pendugaan dengan metode EBLUP dan SEBLUP, penduga dengan ML dan REML tidak berbeda.
4 Gambar 1 Diagram kotak garis pengeluaran per kapita desa/kelurahan untuk masing-masing metode pendugaan Tabel 3 Nilai dugaan pengeluaran per kapita untuk setiap metode Penduga EBLUP EBLUP SEBLUP SEBLUP Statistik Langsung ML REML ML REML Rata-rata Simpangan baku Q Median Q Pendugaan MSE dan RRMSE Hasil pendugaan MSE secara lengkap dapat dilihat pada Lampiran 4. Nilai ini kemudian digunakan untuk menghitung nilai RRMSE. Nilai ini dihitung untuk melihat kebaikan suatu penduga. Nilai dugaan dari RRMSE dengan metode EBLUP dan SEBLUP secara lengkap untuk 35 desa/kelurahan dapat dilihat pada lampiran 5. Perbandingan nilai RRMSE antar penduga langsung, EBLUP ML, EBLUP REML, SEBLUP ML dan SEBLUP untuk masing-masing desa/kelurahan
5 dapat dilihat pada Gambar 2. Dari gambar ini terlihat bahwa nilai RRMSE dari penduga SEBLUP ML maupun SEBLUP REML jauh lebih kecil dibandingkan dengan nilai RRMSE dari penduga langsung maupun EBLUP untuk setiap desa, sedangkan nilai RRMSE dari penduga langsung tidak jauh beda dengan nilai RRMSE dari penduga EBLUP (ML maupun REML). Hal ini mengindikasikan bahwa pendugaan dengan metode SEBLUP dapat memperbaiki pendugaan parameter yang diperoleh dengan menggunakan metode langsung maupun dengan metode EBLUP. Hasil RRMSE yang dihasilkan dengan menggunakan metode EBLUP tidak mampu memperbaiki pendugaan dengan metode langsung. Hal ini dapat terjadi karena informasi tambahan yang digunakan dalam model tidak mampu menggambarkan area tersebut RRMSE (%) PASEBAN GUMUKMAS TEMBOKREJO WRINGIN TELU AMPEL KESILIR SABRANG SIDODADI PACE SEMPOLAN GARAHAN MRAWAN KEMUNING SARI KIDUL SUKAMAKMUR WIROWONGSO KARANG SEMANDING BALUNG KIDUL GADINGREJO WRINGIN AGUNG PRINGGOWIRAWAN JATIROTO SUKOREJO GAMBIRONO SERUT KEMUNINGLLOR SUMBER PINANG KALISAT SUREN RANDU AGUNG SUMBERJAMBE ARJASA TEGAL BESAR KARANGREJO SUMBERSARI JEMBER LOR Desa Gambar 2 Perbandingan nilai RRMSE untuk masing-masing desa/kelurahan dengan metode langsung ( ), EBLUP ML ( ), EBLUP REML ( ), SEBLUP ML ( ) dan SEBLUP REML ( ) Pengujian Model Asumsi yang digunakan dalam model Fay-Herriot adalah asumsi kenormalan dari peubah acak. Pengujian asumsi ini dilakukan dengan menguji sisaan baku contoh yang menyebar normal dengan rata-rata 0 dan standar baku 1 (Gambar 3).
6 Jika data menyebar di sekitar garis lurus maka dapat disimpulkan bahwa data tersebut menyebar normal. Berdasarkan Gambar 3, terlihat bahwa data menyebar disekitar garis lurus yang menggambarkan bahwa data menyebar normal..999 Peluang Probability Average: StDev: N: residual Sisaan Anderson-Darling Normality Test A-Squared: P-Value: Gambar 3 Plot q-q untuk sisaan baku dari model pendugaan dengan metode SEBLUP Hasil ini juga dikuatkan dengan uji statistik menggunakan metode Anderson- Darling yang memberikan nilai dengan nilai P sebesar 0,113 (H0 diterima untuk 0.05 dengan H0 = data berdistribusi normal) artinya bahwa sisaan tersebut berdistribusi normal.
Kata kunci: Geographically Weighted Regression, Gauss Kernel, bandwidth, cross validation
PENGGUNAAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT GAUSS KERNEL UNTUK KLASIFIKASI DESA MISKIN (Studi kasus desa-desa di Kabupaten Jember, Jawa Timur) Rita Rahmawati 1, Anik Djuraidah 2,
Lebih terperinciMETODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIS SPASIAL PADA AREA KECIL UNTUK PENDUGAAN PENGELUARAN PER KAPITA
METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIS SPASIAL PADA AREA KECIL UNTUK PENDUGAAN PENGELUARAN PER KAPITA (Studi Kasus : Kabupaten Jember Provinsi Jawa Timur) DARIANI MATUALAGE SEKOLAH PASCASARJANA
Lebih terperinciMODEL REGRESI TERBOBOTI GEOGRAFIS BAYES UNTUK DATA KEMISKINAN (Kasus 35 Desa atau Kelurahan di Kabupaten Jember) YUSNITA
MODEL REGRESI TERBOBOTI GEOGRAFIS BAYES UNTUK DATA KEMISKINAN (Kasus 35 Desa atau Kelurahan di Kabupaten Jember) YUSNITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 PERNYATAAN MENGENAI TESIS
Lebih terperinciPENDUGAAN AREA KECIL DENGAN TRANSFORMASI PADA PENDUGAAN PROPORSI KELUARGA MISKIN DI KABUPATEN JEMBER IMAM APRIYANTO
PENDUGAAN AREA KECIL DENGAN TRANSFORMASI PADA PENDUGAAN PROPORSI KELUARGA MISKIN DI KABUPATEN JEMBER IMAM APRIYANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinci(R.11) PENGGUNAAN MATRIKS PEMBOBOT SPASIAL PADA MODEL SMALL AREA ESTIMATION DENGAN METODE SPATIAL EMPIRICAL BEST LINEAR UNBIASED PREDICTION
(R.11) PENGGUNAAN MATRIKS PEMBOBOT SPASIAL PADA MODEL SMALL AREA ESTIMATION DENGAN METODE SPATIAL EMPIRICAL BEST LINEAR UNBIASED PREDICTION Dariani Matualage (1), Asep Saefuddin (2), Aji Hamim Wigena (2)
Lebih terperinciTINJAUAN PUSTAKA Profil Kabupaten Jember Pengeluaran Per kapita
TINJAUAN PUSTAKA Profil Kabupaten Jember Berdasarkan data BPS (2009), Kabupaten Jember secara geografis terletak pada 113 0 30-113 0 45 Bujur Timur dan 8 0 00-8 0 30 Lintang Selatan. Wilayah Kabupaten
Lebih terperinciPengembangan dan Aplikasi Geoinformatika Bayesian pada Data Kemiskinan di Indonesia (Studi Kasus Jawa Timur)
Jurnal Ilmu Pertanian Indonesia (JIPI), Agustus 2012 ISSN 0853 4217 Pengembangan dan Aplikasi Geoinformatika Bayesian pada Data Kemiskinan di Indonesia (Studi Kasus Jawa Timur) Vol. 17 (2): 77 82 (Bayesian
Lebih terperinciHASIL DAN PEMBAHASAN Deskripsi Data
HASIL DAN PEMBAHASAN Deskripsi Data Jawa Timur merupakan salah satu provinsi di Indonesia yang mempunyai 38 kabupaten/kota, terdiri atas 29 kabupaten dan 9 kota. Secara umum wilayah Provinsi Jawa Timur
Lebih terperinci(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
(DS.5) MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER (Kasus : Pendugaan Proporsi Keluarga Miskin Di kabupaten Jember Jawa Timur) Etis Sunandi 1), Khairil A Notodiputro 2), Anik
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Propinsi Jawa Timur Tahun 2008 Jawa Timur adalah provinsi yang terdiri dari 29 kabupaten dan 9 kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi
Lebih terperinciDATA DAN METODE PENELITIAN
8 DATA DAN METODE PENELITIAN Data Data yang digunakan dalam penelitian ini terdiri dari dua jenis, yaitu data yang dibangkitkan dari simulasi dan data riil yang diperoleh dari Badan Pusat Statistik(BPS),
Lebih terperinciKODE WILAYAH ADMINISTRASI
KODE WILAYAH ADMINISTRASI LAMPIRAN PERATURAN BUPATI JEMBER NOMOR : 8 TAHUN 2009 TANGGAL 4 Februari 2009 KODE WILAYAH ADMINISTRASI DI LINGKUP PEMERINTAH KABUPATEN JEMBER 1. Kelompok Sekretariat Kabupaten
Lebih terperinciKODE WILAYAH ADMINISTRASI DI LINGKUP PEMERINTAH KABUPATEN JEMBER
LAMPIRAN PERATURAN BUPATI JEMBER NOMOR : 8 TAHUN 2009 TANGGAL 4 Februari 2009 KODE WILAYAH ADMINISTRASI DI LINGKUP PEMERINTAH KABUPATEN JEMBER 1. Kelompok Sekretariat Kabupaten Jember 35.09 Kabupaten Jember
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Deskripsi Data Simulasi Plot pencaran titik data antara peubah respon dengan peubah penjelas dapat dilihat pada Gambar 5. Gambar tersebut mengungkapkan bahwa secara keseluruhan pola
Lebih terperinciHASIL DAN PEMBAHASAN
19 HASIL DAN PEMBAHASAN Deskripsi Data Secara umum, wilayah Jawa Timur dapat dibagi menjadi 2 bagian besar, yaitu Jawa Timur daratan dan Kepulauan Madura. Luas wilayah Jawa Timur daratan hampir mencakup
Lebih terperinciAtina Ahdika. Universitas Islam Indonesia 2015
Atina Ahdika Universitas Islam Indonesia 2015 Pada materi sebelumnya, kita telah belajar tentang koefisien korelasi, yaitu suatu ukuran yang menyatakan tentang kuat tidaknya hubungan linier antara dua
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciHASIL DAN PEMBAHASAN
3 HASIL DAN PEMBAHASAN Analisis Dekriptif Analisis deskripsi merupakan teknik eksplorasi data untuk melihat pola data secara umum. Dari data TIMSS 7 rata-rata capaian matematika siswa Indonesia sebesar
Lebih terperinci4. HASIL DAN PEMBAHASAN. Tabel 1. Hasil pendugaan selang prediksi dari data simulasi yang menyebar Gamma dengan D i = 1 dan tanpa peubah penyerta
4. HASIL DAN PEMBAHASAN 4.1 Simulasi 4.1.1 Tanpa Peubah Penyerta Hasil simulasi untuk kasus data yang menyebar Gamma dan tanpa peubah penyerta diperoleh hasil nilai-nilai panjang selang prediksi (average
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Analisa pemodelan fungsi hubungan pada variabel repon dengan variabel prediktor akan dijelaskan pada bab ini. Analisis yang digunakan pada penelitian ini adalah menggunakan
Lebih terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinciKAJIAN TRANSFORMASI LOGARITMA UNTUK PENDUGA SPATIAL EMPIRICAL BEST LINEAR UNBIASED PREDICTION PADA PENDUGAAN AREA KECIL HAZAN AZHARI ZAINUDDIN
KAJIAN TRANSFORMASI LOGARITMA UNTUK PENDUGA SPATIAL EMPIRICAL BEST LINEAR UNBIASED PREDICTION PADA PENDUGAAN AREA KECIL HAZAN AZHARI ZAINUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN
Lebih terperinciMETODOLOGI HASIL DAN PEMBAHASAN
3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal
Lebih terperinciGEOINFORMATIKA PADA KASUS AREA KECIL DAN PENERAPANNYA UNTUK MENDETEKSI KANTONG- KANTONG KEMISKINAN DI JEMBER
GEOINFORMATIKA PADA KASUS AREA KECIL DAN PENERAPANNYA UNTUK MENDETEKSI KANTONG- KANTONG KEMISKINAN DI JEMBER TITIN SISWANTINING S E K O L A H P A S C A S A R J A N A I N S T I T U T P E R T A N I A N B
Lebih terperinciTINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk
5 TINJAUAN PUSTAKA Pemilihan Peubah Gizi Buruk Gizi buruk adalah keadaan kurang zat gizi tingkat berat yang disebabkan oleh rendahnya konsumsi energi dan protein dalam waktu cukup lama yang ditandai dengan
Lebih terperinciBAB IV PEMBAHASAN. Proses estimasi pada metode IRLS ini dengan meminimumkan fungsi residu, yang dapat dituliskan sebagai berikut.
BAB IV PEMBAHASAN Pada bab ini akan dibahas mengenai estimasi parameter model Regresi M- kuantil, penurunan model Regresi M-kuantil, dan contoh penerapan model Regresi M-kuantil pada pengaruh pendapatan
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinci(DS.4) MODEL OTOREGRESIF SIMULTAN BAYES UNTUK ANALISIS DATA KEMISKINAN
(DS.4) MODEL OTOREGRESIF SIMULTAN BAYES UNTUK ANALISIS DATA KEMISKINAN Safaat Yulianto 1, Anik Djuraidah 2, Aji Hamim Wigena 2 1Akademi Statistika Muhammadiyah Semarang 2Jurusan Statistika, Institut Pertanian
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
2 5. Pemilihan Pohon Contoh BAB V HASIL DAN PEMBAHASAN Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh
Lebih terperinciBAB 3 METODE PENELITIAN. Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi
BAB 3 METODE PENELITIAN 3.1 Wilayah dan Pengumpulan Data Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi yang terdiri dari 23 Kecamatan. Lokasi masing-masing kecamatan dapat dilihat
Lebih terperinciLampiran 4. Uji Kenormalan Data.
166 Lampiran 4. Uji Kenormalan Data. Untuk menguji kenormalan data, penulis menggunakan Minitab versi 13. Hal ini dilakukan untuk mempermudah perhitungan. Langkah-langkah yang dilakukan yaitu : 1. Masukkan
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 terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari
BAB 5 HASIL DAN PEMBAHASAN 5. Plot Sebaran Normal Pada Gambar 5. dapat dilihat plot sebaran normal pertumbuhan Spheres dari pengguna lensa OPTRON ANTI-EMI SV. Probability Plot of spheres ANTI-EMI SV Normal
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinci3 METODE. 3.1 Data = 0 1. time 0, =1, 2,,, =1, 2,, dengan n = 100 dan m = 5.
11 3 METODE 3.1 Data Data dalam penelitian ini terdiri dari dua sumber yaitu data simulasi dan data terapan. Data simulasi berguna untuk mengukur kinerja penduga kekar Huber pada data longitudinal. Data
Lebih terperinciSMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SUMENEP DENGAN PENDEKATAN NONPARAMETRIK
SMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SUMENEP DENGAN PENDEKATAN NONPARAMETRIK Moh Yamin Darsyah Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciHASIL DAN PEMBAHASAN. Algoritma Cepat Penduga GS
HASIL DAN PEMBAHASAN Algoritma Cepat Penduga GS Sebagaimana halnya dengan algoritma cepat penduga S, algoritma cepat penduga GS dikembangkan dengan mengkombinasikan algoritma resampling dan algoritma I-step.
Lebih terperinciANALISIS DATA UNIVARIATE DAN MULTIVARIATE
ANALISIS DATA UNIVARIATE DAN MULTIVARIATE Febti Eka Pratiwi (383) cation_forever@yahoo.com Ria Dhea Layla NK (38363) d.d_bgt@hellokitty.co.id Abstrak Peningkatan produksi padi guna penyediaan beras sebagai
Lebih terperinciHASIL DAN PEMBAHASAN
Konsentrasi lemak ikan (%) Kandungan zat aktif (absorban) HASIL DAN PEMBAHASAN Deskripsi Data Berdasarkan data yang digunakan dalam penelitian ini, akan dilakukan pengidentifikasian multikolinieritas.
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, ahun 2015, Halaman 977-986 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP)
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi)
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Berdasarkan data jumlah kepala keluarga pada masing-masing perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah
Lebih terperinciAPROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN
APROKSIMASI BOOTSTRAP PARAMETRIK PADA PENDUGAAN SELANG PREDIKSI STATISTIK AREA KECIL LA ODE ABDUL RAHMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SURAT PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciDATA DAN METODE. Data
DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil percobaan padi varietas IR 64 yang dilaksanakan tahun 2002 pada dua musim (kemarau dan hujan). Lokasi penelitian
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data Tabel 5.1. Hasil Pengumpulan data penelitian dalam kilometer per liter dapat dilihat pada Tabel 5.18 Data Hasil
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciKAJIAN PENGARUH PENAMBAHAN INFORMASI GEROMBOL TERHADAP HASIL PREDIKSI AREA NIRCONTOH
KAJIAN PENGARUH PENAMBAHAN INFORMASI GEROMBOL TERHADAP HASIL PREDIKSI AREA NIRCONTOH (Studi Kasus Pengeluaran per Kapita Kecamatan di Kota dan Kabupaten Bogor) RAHMA ANISA SEKOLAH PASCASARJANA INSTITUT
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n<<p DAN TERDAPAT KEKOLINEARAN-GANDA
BAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n
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 terperinciKorelasi Bivariat dan Regresi Linier Sederhana.
Korelasi Bivariat dan Regresi Linier Sederhana Pendahuluan Dalam suatu observasi, kita sering kali mencatat dua atau lebih variabel dalam suatu individu, misalkan: dari 1 orang dicatat data tinggi dan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Kemiskinan Berdasarkan pendekatan kebutuhan dasar, ada tiga indikator kemiskinan yang digunakan, Pertama Head Count Index (HCI- P0) yaitu persentase penduduk yang dibawah garis
Lebih terperinciHASIL DAN PEMBAHASAN
36 HASIL DAN PEMBAHASAN Deskripsi Data Penelitian ini diawali dengan melihat ketergantungan antar lokasi dan waktu. Lokasi-lokasi dalam penelitian ini saling berhubungan, hal ini ditunjukkan dengan nilai
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciMODEL OTOREGRESI SIMULTAN DAN OTOREGRESI BERSYARAT UNTUK ANALISIS KEMISKINAN DI PROVINSI JAWA TIMUR MIRA MEILISA
MODEL OTOREGRESI SIMULTAN DAN OTOREGRESI BERSYARAT UNTUK ANALISIS KEMISKINAN DI PROVINSI JAWA TIMUR MIRA MEILISA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari
34 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, time series triwulan dari tahun 2005-2012, yang diperoleh dari data yang dipublikasikan
Lebih terperinciDATA DAN METODE Data Data Simulasi Data Sekunder
11 DATA DAN METODE Data Data dalam penelitian ini terdiri dari dua sumber yaitu data simulasi dan data sekunder Data simulasi berupa data bangkitan yang berguna untuk mengukur kinerja metode BICOV dan
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinci4 HASIL DAN PEMBAHASAN
16 4 HASIL DAN PEMBAHASAN Pada bab ini dibahas mengenai kajian simulasi dan kajian terapan. Simulasi dilakukan untuk mengevaluasi penduga yang diperoleh dengan menggunakan metode pendugaan klasik dan metode
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciKebutuhan Rumah Sederhana di Kabupaten Jember dengan Robust Small Area Estimation. Simple House Needs in Jember with Robust Small Area Estimation
Jurnal ILMU DASAR Vol. 18 No. 1, Januari 2017 : 1-8 1 Kebutuhan Rumah Sederhana di Kabupaten Jember dengan Robust Small Area Estimation Simple House Needs in Jember with Robust Small Area Estimation Frida
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya
Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciPENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES
PENERAPAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA MODEL PENDUGA AREA KECIL DALAM PENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES SKRIPSI Disusun Oleh : RAHAYU NINGTYAS 24010211130042
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL
PENDUGAAN AREA KECIL TERHADAP ANGKA MELEK HURUF DI KABUPATEN KUTAI KARTANEGARA DENGAN METODE EMPIRICAL BAYES BERBASIS MODEL BETA-BINOMIAL Norlatifah 1), Gandhi Pawitan 2), Enny Supartini 3) 1) Mahasiswa
Lebih terperincihomogen jika titik-titik tersebar secara merata atau seimbang baik di atas maupun dibawah garis, dengan maksimum ragam yang kecil.
8 koefisien regresi berganda dari variabel tak bebas Y terhadap variabel bebas Xi. Pada kasus ini, persamaan mengandung arti sebagai berikut, seperti yang telah dimodelkan Merdun (23) di Sungai Saluda,
Lebih terperinciVI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI
VI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI 6.1. Analisis Fungsi Produksi Model fungsi produksi yang digunakan adalah fungsi Cobb Douglas. Faktor-faktor
Lebih terperinciUniversitas Negeri Malang
1 Penerapan Metode Regresi New Stepwise untuk Mengetahui Faktor- Faktor yang Mempengaruhi Kekuatan Metallic Box (Studi Kasus di PT. PINDAD (Persero) Turen) Universitas Negeri Malang E-mail: Nisahidayatul@gmail.com
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian mengenai faktor-faktor yang mempengaruhi realisasi KUR di wilayah perkotaan ini dilakukan di Bank Rakyat Indonesia (BRI). Bank ini dipilih
Lebih terperinciREGRESI LINIER GANDA. Fitriani Agustina, Math, UPI
REGRESI LINIER GANDA 1 Pengertian Regresi Linier Ganda Merupakan metode yang digunakan untuk memodelkan hubungan linear antara variabel terikat dengan dua/lebih variabel bebas. Regresi linier untuk memprediksi
Lebih terperinciPENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH
PENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH Erliyana Devitasari, Sri Sulistijowati Handayani, dan Respatiwulan Program Studi Matematika FMIPA
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari dua bagian. Pada bagian pertama berisi tinjauan pustaka dari penelitian-penelitian sebelumnya dan beberapa teori penunjang berisi definisi-definisi yang digunakan
Lebih terperinciSTUDI PENENTUAN MATRIKS PEMBOBOT SPASIAL OPTIMUM DALAM PENDUGAAN AREA KECIL ASFAR
STUDI PENENTUAN MATRIKS PEMBOBOT SPASIAL OPTIMUM DALAM PENDUGAAN AREA KECIL ASFAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciV. HASIL DAN PEMBAHASAN Analisis Faktor yang Memengaruhi Tabungan Rumah Tangga
53 V. HASIL DAN PEMBAHASAN 5.1. Analisis Faktor yang Memengaruhi Tabungan Rumah Tangga Analisis ini dilakukan dengan memasukkan variabel-variabel independen yang diduga memengaruhi variabel dependen (tabungan
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Eksplorasi Data Diagram kotak garis (boxplot) merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran.
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan.
TINJAUAN PUSTAKA Pencilan Aunuddin (1989) mendefinisikan pencilan sebagai nilai ektstrim yang menyimpang agak jauh dari kumpulan pengamatan lainnya, yang secara kasar berada pada jarak sejauh tiga atau
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat Suku Bunga Deposito (3 Bulan) Dan Kredit Macet (NPL) Terhadap Loan To Deposit Ratio (LDR) Bank Umum Di
Lebih 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 terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data sekunder tahunan Data sekunder
III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder tahunan 2000-2011. Data sekunder tersebut bersumber dari Lampung dalam Angka (BPS), Badan Penanaman Modal Daerah
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciPENGARUH PENDUGAAN RAGAM PENARIKAN CONTOH PADA SMALL AREA ESTIMATION
PENGARUH PENDUGAAN RAGAM PENARIKAN CONTOH PADA SMALL AREA ESTIMATION Anang Kurnia Khairil A. Notodiputro Departemen Statistika - IPB Center for Statistics and Public Opinions 1. Pendahuluan Otonomi daerah
Lebih terperinciHASIL DAN PEMBAHASAN
14 HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Berdasarkan data dari Dinas Kependudukan dan Catatan Sipil Kota Bekasi bahwa jumlah rumah tangga sebanyak 428,980 dengan jumlah anggota rumah tangga
Lebih terperinciTINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen
4 TINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen (1989). Namun demikian sebagian besar penerapannya menggunakan
Lebih terperinciPencilan. Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya
Pencilan Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya Bisa jadi terletak pada tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciBAB 2 TINJAUAN PUSTAKA = (2.2) =
BAB 2 TINJAUAN PUSTAKA 2.1. Regresi Linear Berganda Regresi linear berganda adalah regresi dimana variabel terikatnya dihubungkan atau dijelaskan dengan lebih dari satu variabel bebas,,, dengan syarat
Lebih terperinci