IMAM AHMAD AL FATTAH Pembimbing II : Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si.
|
|
- Adi Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan Regresi Probit Ordinal IMAM AHMAD AL FATTAH Pembimbing I : Dra. Madu Ratna, M.Si. Pembimbing II : Dr. Vita Ratnasari, S.Si., M.Si. Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si. 1 Juli 013 Tugas Akhir Jurusan Statistika FMIPA ITS
2 Agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran Daftar Pustaka
3 Pendahuluan (1) Latar Belakang (1) Dasar Diploma Pendidikan Menengah Tinggi Sarjana Magister Doktor IPK Masa Studi Spesialis 3
4 Pendahuluan () Latar Belakang () Masa Studi 3 Semester (Lebih Cepat) 4 Semester (Normal) > 4 Semester (Lebih Lama) Regresi Logistik Ordinal Regresi Probit Ordinal Ketepatan Klasifikasi Pseudo R McFadden, AIC & SBIC 4
5 Pendahuluan (3) Penelitian Terdahulu Kelulusan Studi Regresi Logistik Ordinal Regresi Probit Ordinal Perbandingan Anggraeni, Indarto, & Kusumadewi, 004 Starck, Love, & McPherson, 008 Noranita & Bahtiar, 010 Padmini, Suciptawati, & Susilawati, 01 Fuks & Salazar, 008 Khasanah, 008 Nurmalinda, 011 McKelvey & Zavonia, 1975 O Donnell & Connor, 1996 Kockelman & Kweon, 00 Purwantono, 009 Rachmasita, 011 Jumaidin, 009 Akbar, Mukkaromah, & Paramita, 010 5
6 Pendahuluan (4) Perumusan Masalah 1. Bagaimana karakteristik lulusan mahasiswa pascasarjana program magister ITS Surabaya?. Bagaimana implementasi regresi logistik ordinal dan regresi probit ordinal untuk mengetahui faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa pascasarjana program magister ITS Surabaya? 3. Bagaimana perbandingan hasil analisis dari regresi logistik ordinal dan regresi probit ordinal pada studi kasus faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa pascasarjana program magister ITS Surabaya? 6
7 Pendahuluan (5) Tujuan Penelitian 1. Mendeskripsikan karakteristik lulusan mahasiswa pascasarjana program magister ITS Surabaya.. Menentukan faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa pascasarjana program magister ITS Surabaya menggunakan model regresi logistikordinal dan model regresi probit ordinal. 3. Membandingkan hasil analisis dari regresi logistik ordinal dan regresi probit ordinal pada studi kasus faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa pascasarjana program magister ITS Surabaya. 7
8 Pendahuluan (6) Manfaat Penelitian 1. Memberikan sumbangan pemikiran untuk perkembangan statistika dengan memperkaya wawasan dan memperdalam pengetahuan tentang metode regresi logistik ordinal dan metode regresi probit ordinal.. Memberikan metode terbaik untuk menyelesaikan permasalahan dalam analisis regresi yang melibatkan variabel respon diskrit dengan skala ordinal. 3. Dengan mengetahui karakteristik dan faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa pascasarjana program magister ITS Surabaya, diharapkan hasil dari penelitian ini dapat dijadikan sebagai salah satu masukan bagi pejabat birokrasi di ITS Surabaya dalam rangka pengambilan kebijakankebijakan tertentu guna mewujudkan keberhasilan pendidikan tinggi di ITS Surabaya. 8
9 Pendahuluan (7) Batasan Penelitian 1. Penaksiran parameter dilakukan dengan menggunakan metode MLE.. Penelitian ini terbatas pada faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa pascasarjana program magister ITS Surabaya pada periode Maret 008 sampai dengan Maret
10 Tinjauan Pustaka (1) (Walpole, 1995) Statistika deskriptif merupakan metodemetode yang berkaitan dengan pengumpulan dan penyajian suatu data sehingga memberikan informasi yang berguna Statistika Deskriptif (Bhattacarya & Johnson, 1977) Statistika deskriptif merupakan statistika yang digunakan untuk mendeskripsikan atau menggambarkan obyek penelitian yang diambil dari sampel maupun populasi. Tabel kontingensi atau yang sering disebut tabulasi silang (cross tabulation) adalah tabel yang berisi data jumlah atau frekuensi atas beberapa kategori yang dapat digunakan untuk menggambarkan dua atau lebih variabel secara simultan yang merefleksikan distribusi bersama dari dua atau lebih variabel dengan jumlah kategori yang terbatas (Agresti, 00). 10
11 Tinjauan Pustaka () 11 Regresi Logistik Ordinal (1) Regresi logistik ordinal merupakan salah satu metode statistika yang dapat digunakan untuk menganalisis permasalahan yang melibatkan variabel respon yang berskala ordinal dengan tiga atau lebih kategori dan beberapa variabel prediktor yang dapat berupa data kategori dan/atau kontinu (Hosmer & Lemeshow, 000) = = = p k ki k j p k ki k j x x x j Y P exp 1 exp ) ( β θ β θ Peluang kumulatif P(Y j x) = + = = p k ki k j x j Y P j Y P X j Y P 1 0 ( 1 ( log ) ( β θ x x Berdasarkan definisi cumulative logit models > = x x ( ( log ) ( j Y P j Y P X j Y P
12 Tinjauan Pustaka (3) Regresi Logistik Ordinal () Pendugaan Parameter Maximum Likelihood Estimation (MLE) dapat digunakan karena distribusi dari respon Y diketahui. MLE mempunyai beberapa kelebihan apabila dibandingkan dengan metode lain, antara lain dapat digunakan untuk model yang tidak linier seperti regresi logistik dan hasil penaksirannya mendekati parameternya (Hosmer & Lemeshow, 000). Menurut Kleinbaum (1994), MLE merupakan metode estimasi yang lebih disukai untuk regresi logistik. 1
13 Tinjauan Pustaka (4) 1 : Regresi Logistik Ordinal (4) H : 0 0 β k = H β 0 k Statistik uji: Uji Parsial, k=1,,,p W k ˆ β k = SE( ˆ βk ) Tolak H o apabila > atau P-Value < α k χ α,1 W ( ) 13
14 Tinjauan Pustaka (5) Regresi Logistik Ordinal (3) Uji Serentak H0 β1 β β p 1 : : = =... = = 0 H Minimal ada satu β 0 Statistik uji: G Tolak H o apabila G > k L( ˆ) ω = ln L( Ωˆ ) χ ( α, w), k=1,,,p atau P-Value < α 14
15 Tinjauan Pustaka (6) Regresi Logistik Ordinal (5) Uji Kesesuaian Model H 0 : H 1 : model sesuai (tidak ada perbedaan antara hasil observasi dengan hasil prediksi) model tidak sesuai (ada perbedaan antara hasil observasi dengan hasil prediksi) Statistik uji: n ˆ π 1 ˆ ij π ij D= yij ln + ( 1 yij ) ln i= 1 y ij 1 y ij 15
16 Tinjauan Pustaka (7) Regresi Logistik Ordinal (6) Odds Ratio Menurut Hosmer dan Lemeshow (000): Odds Ratio merupakan ukuran asosiasi yang menggambarkan seberapa besar kemungkinan suatu kejadian terjadi. (Perbandingan sukses dan gagal dalam dua kelompok) Odds ratio digunakan untuk interpretasi parameter yang bertujuan untuk menentukan hubungan fungsional antara variabel prediktor dengan variabel respon dan menentukan unit perubahan dalam variabel prediktor. 16
17 Tinjauan Pustaka (8) Regresi Probit Ordinal (1) Pemodelan regresi probit ordinal dapat diawali dengan memperhatikan model sebagai berikut (Greene, 000). Y * = x T β + ε Dimana = [ β β ] T dan ε diasumsikan β [ ] T 0 1 N β p ( 0, σ ) x = 1 X 1i X pi 17
18 Tinjauan Pustaka (9) Regresi Probit Ordinal () γ β T x ( Y = 0) = Φ σ P 1 γ β x γ β T 1 P x ( Y = 1) = Φ Φ σ σ γ β x i i 1 ( = i 1) = Φ Φ σ σ P Y k ( Y = k) = Φ σ P 1 γ β T T x γ T β T x γ * Y γ1 Dikategorikan dengan Y = 0 * 1 < Y γ * γ i < Y γ i Y = 1 Y = i 1 1 Dikategorikan dengan * Y > γ k Dikategorikan dengan Dikategorikan dengan Y = k 18
19 Tinjauan Pustaka (10) Regresi Probit Ordinal (3) Pendugaan Parameter Maximum Likelihood Estimation (MLE) dapat digunakan karena distribusi dari respon Y diketahui. Untuk mendapatkan dugaan parameter dengan MLE diawali dengan membuat fungsi likelihood. Penduga untuk β dapat diperoleh dengan cara memaksimumkan fungsi lnlikelihood, yaitu dengan cara mendapatkan turunan pertama dari fungsi lnlikelihood. 19
20 Tinjauan Pustaka (11) 1 : Regresi Logistik Ordinal (4) H : 0 0 β k = H β 0 k Statistik uji: Uji Parsial, k=1,,,p W k ˆ β k = SE( ˆ βk ) Tolak H o apabila > atau P-Value < α k χ α,1 W ( ) 0
21 Tinjauan Pustaka (1) Regresi Probit Ordinal (4) Uji Serentak H0 β1 β β p 1 : : = =... = = 0 H Minimal ada satu β 0 Statistik uji: Tolak H o apabila L( ˆ) ω G = ln L( Ωˆ ) k G > χ ( p), k=1,,,p atau P-Value < α 1
22 Tinjauan Pustaka (13) Multikolinieritas Multikolinieritas merupakan suatu kasus dimana terdapat hubungan yang linear atau korelasi antara variabel bebas yang signifikan pada model regresi. Deteksi Multikolinieritas (Hocking, 1996) Variance Inflation Factors (VIF) =, j=1,,,p VIF > 10 dikatakan terdapat kasus multikolinieritas. 1 1 R j
23 Tinjauan Pustaka (14) Kriteria Pemilihan Model Terbaik Pseudo R McFadden R MF log L = 1 LogL Akaike s Information Criterion (AIC) ln L( P) AIC( p) = + n Schwardz Bayessian Information Criterion (SBIC) 1 0 p n ln L( P) SBIC( p) = + n p ln n n 3
24 Tinjauan Pustaka (15) Metode Bootstrap Metode yang digunakan untuk mengestimasi suatu distribusi populasi yang tidak diketahui dengan distribusi empiris yang diperoleh dari proses resampling atau pengambilan sampel secara berulang disebut metode bootstrap (Efron & Tibshirani, 1993). Meskipun jumlah replikasi bootstrap kecil (misal B=5), biasanya sudah cukup informatif. Tetapi dengan B=50 sudah sangat cukup untuk memberikan estimasi yang akurat (Efron & Tibshirani, 1993). Jumlah replikasi bootstrap yang besar (missal B=00), biasanya tidak perlu dilakukan dalam hal mengestimasi standar eror. Jumlah replikasi bootstrap yang besar diperlukan dalam hal interval konfidensi bootstrap (Efron & Tibshirani, 1993). 4
25 Tinjauan Pustaka (16) Masa Studi Mahasiswa Peraturan Akademik Institut Teknologi Sepuluh Nopember Surabaya Tahun 009 BAB VIII tentang Kelulusan Pasal 5 menyebutkan bahwa predikat kelulusan ditetapkan berdasarkan IPK dan masa studi. IPK adalah angka yang didapat dari hasil bagi jumlah mutu kumulatif dengan jumlah satuan kredit semester kumulatif. Sedangkan masa studi adalah masa untuk penyelesaian beban studi dalam mengikuti proses pendidikan pada program studinya (Warsa, 004). 5
26 Tinjauan Pustaka (17) FAKTOR-FAKTOR YANG MEMPENGARUHI MASA STUDI MAHASISWA Menurut Thoha (003), masa studi S dipengaruhi oleh empat faktor, yaitu jenis kelamin, status perkawinan, nilai IPK S1, dan jenis pekerjaan. Wulandari (004) menyatakan bahwa masa studi paling dipengaruhi oleh kesesuaian program studi S1 dan S, status perguruan tinggi asal, dan sumber biaya. Penghasilan orang tua dan usia berpengaruh signifikan terhadap keberhasilan studi mahasiswa (Syafrudin, 006). Skor Test Potensi Akademik (TPA), kesesuaian bidang studi, IPK saat S1, status perkawinan, dan asal perguruan tinggi saat S1 mempengaruhi prestasi mahasiswa pascasarjana ITS periode lulusan dalam hal lama tempuh studi (Hadi & Suhartono, 01). Ada lima variabel prediktor yang mempengaruhi keberhasilan studi mahasiswa antara lain, nilai IPK jenjang sarjana, dana perkuliahan, nilai Test Potensi Akademik (TPA), nilai Test of English as a Foreign Language (TOEFL), dan kesesuaian bidang minat (Ratnasari, 01). 6
27 Metodologi Penelitian (1) Sumber Data Pascasarjana Institut Teknologi Sepuluh Nopember (ITS) Surabaya Data lulusan mahasiswa pascasarjana program magister ITS Surabaya periode Maret 008 sampai dengan Maret
28 Metodologi Penelitian () Variabel Penelitian (1) Variabel Keterangan Kategori Y Masa studi 0 : > 4 Semester 1 : = 4 Semester : = 3 Semester X1 Nilai Tes Potensi Akademik (TPA) - X Nilai TOEFL - X3 Jenis kelamin 0 : Perempuan 1 : Laki-laki X4 Kesesuaian bidang studi 0 : Tidak Sesuai 1 : Sesuai X5 Nilai IPK S1 - X6 Lama waktu dari lulus S1 ke S - 8
29 Metodologi Penelitian (3) Variabel Penelitian () Variabel Keterangan Kategori X7 Sumber dana 0 : Sendiri 1 : Beasiswa X8 Status perkawinan 0 : Menikah 1 : Belum Menikah X9 Jenis pekerjaan 0 : Pegawai negeri/bumn 1 : Pegawai swasta/wiraswasta : Belum bekerja X10 Usia - X11 Fakultas FMIPA (0), FTI (1), FTSP (), FTK (3), FTIF (4) 9
30 Metodologi Penelitian (4) D i a g r a m A l i r 30
31 Analisis dan Pembahasan (1) Statistika Deskriptif Variabel Respon 161, 1.5% 355, 7.6% 768, 59.8% kategori > 4 Semester = 4 Semester = 3 Semester 31
32 Analisis dan Pembahasan () Statistika Deskriptif Variabel Prediktor Kontinu Variabel Minimum Maksimum Rata-rata Standar Deviasi X 1 (TPA) 43,1 1,11 131,46 9,16 X (TOEFL) ,16 65,43 X 5 (IPK S1) 4 3,0891 0,3317 X 6 (Lama Tunggu) 0 3 5,336 4,771 X 10 (Usia) ,095 6,33 3
33 Analisis dan Pembahasan (3) Statistika Deskriptif Variabel Prediktor Kategori (1) 483, 37.6% 409, 31.9% 801, 6.4% kategori Perempuan Laki-laki 875, 68.1% Kategori Tidak Sesuai Sesuai 33
34 Analisis dan Pembahasan (4) Statistika Deskriptif Variabel Prediktor Kategori () 39, 18.6% 347, 7.0% 303, 3.6% 591, 46.0% 693, 54.0% 395, 30.8% Kategori Biaya Sendiri Beasiswa BPPS Beasiswa Instansi Beasiswa Lain Kategori Sudah Menikah Belum Menikah 34
35 Analisis dan Pembahasan (5) Statistika Deskriptif Variabel Prediktor Kategori (3) 96, 7.5% 50, 19.5% 110, 8.6% 43, 3.9% 351, 7.3% 683, 53.% Kategori Pegawai Negeri / BUMN Pegawai Swasta / Wiraswasta Belum Bekerja 15, 16.7% 440, 34.3% Kategori FMIPA FTI FTSP FTK FTIF 35
36 Analisis dan Pembahasan (6) Statistika Deskriptif Cross Tabulation (1) Masa Studi Jenis Kelamin Perempuan Laki-laki Total >4 Semester =4 Semester =3 Semester Total Masa Studi Kesesuaian Bidang Tidak Sesuai Sesuai Total >4 Semester =4 Semester =3 Semester Total
37 Analisis dan Pembahasan (7) Statistika Deskriptif Cross Tabulation () Masa Studi Sumber Pendanaan Biaya Sendiri Beasiswa BPPS Beasiswa Instansi Beasiswa Lainnya Total >4 Semester =4 Semester =3 Semester Total Status Pernikahan Masa Studi Belum Total Menikah Menikah >4 Semester =4 Semester =3 Semester Total
38 Analisis dan Pembahasan (8) Statistika Deskriptif Cross Tabulation (3) Masa Studi Jenis Pekerjaan Pegawai Negeri / BUMN Pegawai Swasta / Wiraswasta Belum Bekerja Total >4 Semester =4 Semester =3 Semester Total Masa Studi Fakultas FMIPA FTI FTSP FTK FTIF Total >4 Semester =4 Semester =3 Semester Total
39 Analisis dan Pembahasan (9) Uji Multikolinieritas Variabel Nilai VIF Variabel Nilai VIF X 1 1,5 X 8;0 1,867 X 1,71 X 9;0 4,183 X 3;0 1,164 X 9;1,937 X 4;0 1,099 X 10 5,7 X 5 1,540 X 11;0 4,474 X 6 4,965 X 11;1 4,045 X 7;0 74,938 X 11; 5,607 X 7;1 35,64 X 11;3 9,083 X 7; 19,819 39
40 Analisis dan Pembahasan (10) Regresi Logistik Ordinal Uji Parsial Variabel Koefisien Std. Error W P-Value Keputusan Konstanta (0) 3,4395 1,007 11,355 0,0008 Konstanta (1) 6,690 1, ,897 0,0000 X 1 0,001 0,00 0,9137 0,3391 Terima H 0 X 0,003 0,0010 5,4571 0,0195 Tolak H 0 X 3;0-0,518 0,144 4,0985 0,049 Tolak H 0 X 4;0-0,666 0,166 4,4357 0,035 Tolak H 0 X 5 1,0575 0,113 5,044 0,0000 Tolak H 0 X 6 0,0118 0,063 0,003 0,6545 Terima H 0 X 8;0-0,0837 0,1504 0,3099 0,5778 Terima H 0 X 9;0 0,985 0,1839,6343 0,1046 Terima H 0 X 9;1-0,0357 0,1854 0,0370 0,8474 Terima H 0 X 10 0,0011 0,014 0,008 0,9577 Terima H 0 X 11;0 0,4835 0, ,5077 0,0000 Tolak H 0 X 11;1-0,1858 0,1046 3,159 0,0758 Terima H 0 X 11; -0,81 0,163 4,3977 0,0000 Tolak H 0 X 11;3 0,3735 0,1639 5,1938 0,07 Tolak H 0 Nilai χ 1;0,05 = 3,841 40
41 Analisis dan Pembahasan (11) Regresi Logistik Ordinal Uji Serentak Model P-value Intercept Only Final 0,000 41
42 Analisis dan Pembahasan (1) Regresi Logistik Ordinal Estimasi Parameter Variabel B S.E. Wald Sig. Exp(B) Konstanta (0),753 0,603 4,569 0,000 15,689 Konstanta (1) 5,9 0,65 9,48 0, ,33 X 0,00 0,001,49 0,015 1,00 X 3;0-0,93 0,11 -,417 0,016 0,746 X 3;1 X 4;0-0,73 0,16 -,167 0,030 0,761 X 4;1 X 5 1,001 0,18 5,51 0,000,71 X 11;0 0,534 0,106 5,037 0,000 1,706 X 11;1-0,0 0,103 -,140 0,03 0,80 X 11; -0,874 0,14-7,073 0,000 0,417 X 11;3 0,397 0,16,447 0,014 1,487 X 11;4 4
43 Analisis dan Pembahasan (13) Regresi Logistik Ordinal Model Terbaik (1) Logit( ˆ γ ) 1 =, ,00X 0,93X 3;0 0,73X 4;0 + 1,001X ,534X 11;0 0,X 11;1 0,874X 11; + 0,397X 11;3 Logit( ˆ γ ) = 5,9 + 0,00X 0,93X 3;0 0,73X 4;0 + 1,001X ,534X 11;0 0,X 11;1 0,874X 11; + 0,397X 11;3 43
44 Analisis dan Pembahasan (14) Regresi Logistik Ordinal Model Terbaik () exp ( ) ( A) ˆ1 π y = ˆ π ( ) 1+ exp( A) ( B) ( B) exp = ( y) ˆ3 π ( y) = 1+ exp y ˆ π exp ( B) A =, ,00X 0,93X + 0,534X 11;0 0,X 11;1 3;0 0,73X 0,874X 11; 4;0 + 1,001X + 0,397X 5 11;3 + B = 5,9 + 0,00X 0,93X + 0,534X 11;0 0,X 11;1 3;0 0,73X 0,874X 11; 4;0 + 1,001X + 0,397X 5 11;3 + 44
45 Analisis dan Pembahasan (15) Regresi Logistik Ordinal Uji Kesesuaian Model Statistik Uji P-value Deviance 1,000 45
46 Analisis dan Pembahasan (16) Regresi Logistik Ordinal Ukuran Kebaikan Model Aktual Prediksi >4 Semester =4 Semester =3 Semester Total >4 Semester =4 Semester =3 Semester Total x100% = 61,76% Kriteria Pemilihan Model Nilai Pseudo R McFadden 0,0601 AIC 1,7510 SBIC 1,791 46
47 Analisis dan Pembahasan (17) Regresi Probit Ordinal Uji Parsial Variabel Koefisien Std. Error W P-Value Keputusan Konstanta (0) 1,8870 0, ,4176 0,001 Konstanta (1) 3,7597 0, ,5687 0,0000 X 1 0,0013 0,001 1,1566 0,8 Terima H 0 X 0,0013 0,0006 5,681 0,0177 Tolak H 0 X 3;0-0,155 0,0714 4,757 0,097 Tolak H 0 X 4;0-0,1413 0,074 3,8053 0,0511 Terima H 0 X 5 0,5983 0,10 4,7815 0,0000 Tolak H 0 X 6 0,0083 0,0151 0,3061 0,5801 Terima H 0 X 8;0-0,0515 0,0855 0,3635 0,5466 Terima H 0 X 9;0 0,1706 0,1056,6069 0,1064 Terima H 0 X 9;1-0,0045 0,1058 0,0018 0,9661 Terima H 0 X 10-0,0014 0,013 0,0137 0,9069 Terima H 0 X 11;0 0,66 0,064 18,16 0,0000 Tolak H 0 X 11;1-0,0958 0,0591,661 0,1051 Terima H 0 X 11; -0,475 0,076 4,407 0,0000 Tolak H 0 X 11;3 0,14 0,0910 5,4530 0,0195 Tolak H 0 Nilai χ 1;0,05 = 3,841 47
48 Analisis dan Pembahasan (18) Regresi Probit Ordinal Uji Serentak Model P-value Intercept Only Final 0,000 48
49 Analisis dan Pembahasan (19) Regresi Probit Ordinal Estimasi Parameter & Model Variabel B S.E. Wald Sig. Exp(B) Konstanta (0) 1,635 0,345 4,735 0,000 5,18 Konstanta (1) 3,496 0,354 9,878 0,000 3,985 X 0,001 0,006,657 0,008 1,001 X 3;0-0,17 0,069 -,476 0,013 0,84 X 3;1 X 5 0,568 0,103 5,495 0,000 1,764 X 11;0 0,34 0,059 5,464 0,000 1,38 X 11;1-0,106 0,058-1,834 0,067 0,900 X 11; -0,498 0,071-7,019 0,000 0,608 X 11;3 0,184 0,087,104 0,035 1,0 X 11;4 Pˆ ( Y = 0) = Φ[ 1, 635 ( C) ] ( = 1) = Φ[ 3,496 ( C) ] Pˆ ( Y 0) P ˆ Y = Pˆ ( Y = ) = 1 Φ[ 3, 496 ( C) ] C = 0,001X + X 0,17X 3;0 + 0,568X 5 + 0,34X11;0 0,106X11;1 0,498X11; 0, ;3 49
50 Analisis dan Pembahasan (0) Regresi Probit Ordinal Efek Marginal Pˆ Y X Pˆ Y X Efek Marginal Nilai TOEFL ( = 0) ˆ [ ˆ] 0, 0001 = β φ γ 1 x T β = ( = 1) ˆ { [ ˆ] [ ˆ] } T T 5 = β φ γ x β φ γ x β = 9, ( = ) ˆ [ ˆ] = β φ γ x T β = 0, Pˆ Y X 50
51 Analisis dan Pembahasan (1) Regresi Probit Ordinal Uji Kesesuaian Model Statistik Uji P-value Deviance 1,000 51
52 Analisis dan Pembahasan () Regresi Probit Ordinal Ukuran Kebaikan Model Aktual Prediksi Total Aktual Prediksi >4 Semester =4 Semester =3 Semester Total >4 Semester =4 Semester =3 Semester x100% = 61,45% Kriteria Pemilihan Model Nilai Pseudo R McFadden 0,0569 AIC 1,7554 SBIC 1,7916 5
53 Analisis dan Pembahasan (3) Perbandingan Data Empiris Model Ketepatan Klasifikasi Regresi Logistik Ordinal 61,76% Regresi Probit Ordinal 61,45% Kriteria Nilai Logistik Probit Pseudo R McFadden 0,0601 0,0569 AIC 1,7510 1,7554 SBIC 1,791 1,
54 Analisis dan Pembahasan (4) Perbandingan Data Resampling 0.09 Logit Probit Pseudo R-Sq McFadden B Logit Probit Logit Probit AIC SBIC B B
55 Kesimpulan dan Saran (1) Kesimpulan (1) Lulusan mahasiswa program magister ITS mayoritas memiliki masa studi 4 semester dimana mayoritas lulusan tersebut berjenis kelamin laki-laki, memiliki kesesuaian bidang antara jenjang sarjana dan magister, dan paling banyak berasal dari FMIPA. Adapun rata-rata nilai TOEFL lulusan tersebut pada saat masuk S sebesar 435 dan rata-rata IPK pada saat S1 sebesar 3,09. 55
56 Kesimpulan dan Saran () Kesimpulan () Berdasarkan analisis regresi logistik ordinal, faktor yang berpengaruh terhadap masa studi lulusan mahasiswa program magister ITS adalah nilai TOEFL, jenis kelamin, kesesuaian bidang studi, nilai IPK S1, dan asal fakultas. Nilai odds ratio menunjukkan bahwa semakin tinggi nilai TOEFL dan nilai IPK S1 maka probabilitas untuk lulus dalam waktu 3 semester akan cenderung semakin tinggi. Selain itu, lulusan yang berjenis kelamin laki-laki dan memiliki kesesuaian bidang memiliki probabilitas yang lebih besar untuk lulus lebih cepat daripada lulus perempuan dan tidak memiliki kesesuaian bidang studi. Dilihat dari asal fakultasnya, probabilitas terbesar untuk lulus lebih cepat berasal dari lulusan FMIPA. Dengan menggunakan análisis regresi probit ordinal, faktor yang berpengaruh terhadap masa studi lulusan mahasiswa program magister ITS adalah nilai TOEFL, jenis kelamin, nilai IPK S1, dan asal fakultas. Dilihat dari nilai efek marginalnya, nilai TOEFL, nilai IPK S1, dan asal fakultas dari FMIPA dan FTK memberikan pengaruh yang besar terhadap probabilitas untuk lulus lebih cepat. Sedangkan jenis kelamin perempuan dan asal fakultas dari FTSP memberikan pengaruh yang besar terhadap probabilitas untuk lulus lebih dari 4 semester. 56
57 Kesimpulan dan Saran (3) Kesimpulan (3) Pada studi kasus faktor-faktor yang mempengaruhi masa studi lulusan mahasiswa program magister ITS, análisis regresi logistik ordinal lebih baik daripada análisis regresi probit ordinal karena menghasilkan ketepatan klasifikasinya dan nilai Pseudo R McFadden yang lebih besar, serta nilai Akaike s Information Criterion (AIC), dan Schwardz Bayessian Information Criterion (SBIC) yang lebih kecil. Berdasarkan pola kriteria pemilihan model dari hasil resampling dapat diketahui bahwa model regresi logistik ordinal tidak selalu lebih baik daripada model regresi probit ordinal, tergantung pada permasalahan yang dianalisis. 57
58 Kesimpulan dan Saran (4) Saran Pada penelitian selanjutnya disarankan untuk dikembangkan dengan menggunakan kriteria pemilihan model yang lebih konsisten, yaitu AICc karena software statistik Eviews hanya menyediakan fasilitas kriteria pemilihan model berdasarkan Pseudo R McFadden, AIC, dan SBIC. Berdasarkan metode estimasi yang digunakan, pada penelitian selanjutnya disarankan untuk menggunakan Almost Unbiased Liu Estimator (AULE) untuk mengatasi kasus multikolinieritas. 58
59 Daftar Pustaka (1) Agresti, A. (00). Categorical Data Analysis ( nd Edition). New York: John Wiley & Sons, Inc. Akbar, M.S., Mukarromah, A., & Paramita, L. (010). Bagging Regresi Logistik Ordinal pada Status Gizi Balita. Media Statistika, III(), Bhattacharyya, G.K., & Johnson, R.A. (1977). Statistical Concepts and Methods. New York: John Wiley & Sons, Inc. Efron, B. & Tibshirani, J.R. (1993). An Introduction to the Bootstrap. New York: Champman & Hall, Inc. Fathurahman, M. (008). Pemodelan Regresi Probit Ordinal: Studi Kasus Indeks Prestasi Kumulatif Lulusan Magister Program Pasca Sarjana ITS Surabaya. Surabaya: Tesis Jurusan Statistika FMIPA ITS. Finney, D.J. (1971). Probit Analysis (3 th Edition). Cambridge: Cambridge University Press. Fuks, M., & Salazar, E. (008). Applying Models for Ordinal Logistic Regression to the Analysis of Household Electricity Consumption Classes in Rio de Janeiro, Brazil. Energy Economics, XXX(4), Greene, W.H. (000). Econometrics Analysis (4 th Edition). New Jersey: Prentice Hall. 59
60 Daftar Pustaka () Guillory, C.W. (008). A Multilevel Discrete Time Hazard Model of Retention Data in Higher Education. Disertasi Louisiana State University. Louisiana. Gujarati, D.N. (003). Basic Econometric (4 th Edition). New York: McGraw-Hill Companies. Hadi, W.A., & Suhartono. (01). Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pascasarjana ITS dengan Regresi Logistik dan Neural Network, Jurnal Sains dan Seni ITS, I(1), Hocking, R.R. (1996). Methods and Applications of Linear Models: Regression and Analysis of Variance. New York: John Wiley & Sons, Inc. Hosmer, D.W., & Lemeshow, S. (000). Applied Logistic Regression. New York: John Wiley & Sons, Inc. Jumaidin. (009). Bias Pada Model Regresi Logistik Ordinal dan Regresi Probit Ordinal untuk Mengetahui Faktor-faktor yang Mempengaruhi Nilai UNAS. Surabaya: Tesis Jurusan Statistika FMIPA ITS. Kockelman, K.M., & Kweon, Y.J. (00). Driver Injury Severity: An Application of Ordered Probit Models. Accident Analysis and Prevention, XXXIV,
61 Daftar Pustaka (3) Kutner, M.H., Nachtsheim, C.J., & Nether, J. (008). Applied Linier Regression Models. New York: McGraw-Hill Companies. Padmini, I.A.S., Suciptawati, N.L.P., & Susilawati, M. (01). Analisis Waktu Kelulusan Mahasiswa Dengan Metode Chaid: Studi Kasus Pada FMIPA Universitas Udayana. e- Jurnal Matematika, I(1), Ratnasari, V. (01). Estimasi Parameter dan Uji Signifikansi Model Probit Bivariat. Surabaya. Disertasi Jurusan Statistika FMIPA ITS. Starck, P.L., Love, K., & McPherson, R. (008). Calculating Graduation Rates. Journal of Professional Nursing, XXIV(4), Thoha, I.F. (003). Studi Tentang Tingkat Keberhasilan Mahasiswa S Program Pascasarjana IPB. Bogor: Skripsi Departemen Statistika FMIPA IPB. Walpole, R.E. (1995). Pengantar Statistika (Edisi Ketiga). Jakarta: PT Gramedia Pustaka Utama. Warsa, U.C. (004). Keputusan Rektor Universitas Indonesia Nomor 478/SK/R/UI/004 TentangEvaluasiKeberhasilanStudiMahasiswa Universitas Indonesia. Jakarta. 61
62 S E M I N A R H A S I L Analisis Faktor-faktor yang Mempengaruhi Masa Studi Lulusan Mahasiswa Program Magister Institut Teknologi Sepuluh Nopember (ITS) Surabaya Menggunakan Regresi Logistik Ordinal dan Regresi Probit Ordinal IMAM AHMAD AL FATTAH Pembimbing I : Dra. Madu Ratna, M.Si. Pembimbing II : Dr. Vita Ratnasari, S.Si., M.Si. Penguji : Dr. Dra. Ismaini Zain, M.Si. Prof. Dr. Drs. I Nyoman Budiantara, M.Si. 1 Juli 013 Tugas Akhir Jurusan Statistika FMIPA ITS
(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciPemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014
Prosiding Seminar Sains dan Teknologi FMIPA Unmul Pemodelan Regresi Probit Ordinal Pada Kasus Penentuan Predikat Kelulusan Mahasiswa FMIPA Universitas Mulawarman Tahun 2014 Dewi Andriani 1, Sri Wahyuningsih
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciE-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:
PENERAPAN REGRESI PROBIT BIVARIAT UNTUK MENDUGA FAKTOR-FAKTOR YANG MEMENGARUHI KELULUSAN MAHASISWA (Studi Kasus: Mahasiswa Fakultas MIPA Unversitas Udayana) Ni Gusti Ketut Trisna Pradnyantari 1, I Komang
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network
Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network 1 Wijdani Anindya Hadi (1) dan Dr. Suhartono, S.Si. M.Sc (2) Statistika, FMIPA,
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciModel Probit Untuk Ordinal Response
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id
Lebih terperinciANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH
ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH Rizal Rahmad 1, Toni Toharudin 2, Anna Chadijah 3 Prodi Master Statistika Terapan,
Lebih terperinciStatistika Regresi Logistik Neural Network Deskriptif Ketepatan Klasifikasi Model dengan Input Signifikan
Statistika Regresi Logistik Neural Network Deskriptif Ketepatan Klasifikasi Model dengan Input Signifikan Predicted Predicted Actual < 3,5 3,5 Actual Tidak tepat Tepat waktu < 3,5 36 10 Tidak tepat 74
Lebih terperinciANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
1 SidangTugas Akhir Javelline Putri B. Purba (1310030080) Dosen Pembimbing : Dr.Dra.Ismaini Zain, Msi ANALISIS STATISTIK PERSEPSI MAHASISWA TERHADAP PERAN DOSEN WALI DI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010
ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:
Lebih terperinciPEMODELAN REGRESI PROBIT ORDINAL PADA PERSENTASE SEKOLAH TERKLASIFIKASI HITAM MENURUT POLA JAWABAN UN
PEMODELAN REGRESI PROBI ORDINAL PADA PERSENASE SEKOLAH ERKLASIFIKASI HIAM MENURU POLA JAWABAN UN Karlina Rachmasita dan Ismaini Zain Mahasiswa Jurusan Statistika FMIPA-IS e-mail: karlinanee@yahoo.com Dosen
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciREGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN
REGRESI LOGISTIK UNTUK PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT KABUPATEN/KOTA DI PULAU KALIMANTAN M. Fathurahman Jurusan Matematika, Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperincipendekatan regresi logistik biner Oleh :Wida Suliasih ( )
Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciAnalisis Log Linier. Uji K-Way: efek interaksi order ketiga tidak terdapat dalam model
Statistika Deskriptif Hubungan Variabel Analisis Log Linier Uji K-Way: efek interaksi order ketiga tidak terdapat dalam model Uji Asosiasi Parsial: ada hubungan antara lama kelulusan dengan asal instansi
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciMODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH
JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAHTANGGA UNTUK MAKANAN BERPROTEIN TINGGI 1
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Menurut Hosmer dan Lemeshow (2000) tujuan melakukan analisis data kategori menggunakan regresi logistik adalah mendapatkan model terbaik dan sederhana untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR
ANALISIS REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR 1 Mei Puspita Rini, 2 Ismaini Zain, 3 Dwiatmono Agus Widodo 1,2,3 Jurusan Statistika
Lebih terperinciPENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA
PENERAPAN REGRESI LOGISTIK ORDINAL MULTILEVEL TERHADAP NILAI AKHIR METODE STATISTIKA FMIPA IPB IIN MAENA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciSEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si
SEMINAR HASIL TUGAS AKHIR Presented by Rizky Amalia Yulianti 1309 100 076 Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Agenda 1. 2. 3. 4. 5. Pendahuluan Tinjauan Metodelogi Hasil dan Kesimpulan 1.
Lebih terperinciMETODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT ABSTRAK
METODE PREDICTION CONFIGURAL FREQUENCY ANALYSIS (PCFA) UNTUK MENENTUKAN KARAKTERISTIK USER DAN NON USER MOTOR X DI JAWA BARAT (Studi Kasus PT. XYZ) Muhamad Iqbal Mawardi Departemen Statistika, Universitas
Lebih terperinciAnalisis Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit
Seminar Hasil Tugas Akhir Analisis Faktor-Faktor Yang Mempengaruhi Remitan TKI Jawa Timur Dengan Menggunakan Regresi Tobit Oleh Sri Kindrana S 1306. 100. 022 Pembimbing Dr. Dra. Ismaini Zain, M.Si JURUSAN
Lebih terperinci4 HASIL DAN PEMBAHASAN
9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB 2005-2010 Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun 2005-2010 menurun tetapi
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE DI RSU HAJI SURABAYA
ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE DI RSU HAJI SURABAYA Oleh : Endhy Bastyan NRP : 1308100011 Tahap : Sarjana Dosen Pembimbing :Dr. I Nyoman Latra,
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciDEWA AYU RATIH WEDA ISWARA NRP
Faktor-faktor yang Mempengaruhi Tingkat Konsumsi Pengguna NAPZA Suntik (Penasun) di Yayasan Bina Hati Surabaya Menggunakan Metode Regresi Logistik Ordinal I DEWA AYU RATIH WEDA ISWARA NRP 1310 100 023
Lebih terperinciPemodelan Regresi Logistik Biner dan Ordinal Pada Proses Seleksi Mahasiswa Baru Program D3KPLN PENS Abstract Keywords I.
Jurnal Artikel Teknologi ini telah dipresentasikan Informasi-Aiti dalam Innovative Vol.15 no and 1 Creative tahun 2018, Information hal.56-66 Technology Conference (ICITech) dengan tema E-Transaction and
Lebih terperinciBAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di
5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciPemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan
D181 Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan Rizfanni Cahya Putri dan Vita Ratnasari Jurusan Statistika, Fakultas
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit
Analisis Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Gender (IPG) dengan Menggunakan Regresi Probit Oleh: Ari Vanerlin Fitarisca 1310 100 048 Dosen Pembimbing: Dr. Vita Ratnasari, S.Si, M.Si Juli
Lebih terperinciFaktor-Faktor yang Membedakan Jenis Pelanggaran lalu lintas di Polres Sidoarjo dengan Menggunakan Metode Regresi Logistik Biner
Faktor-Faktor yang Membedakan Jenis Pelanggaran lalu lintas di Polres Sidoarjo dengan Menggunakan Metode Regresi Logistik Biner Oleh : Febrian Hadi Santoso 1308 030 016 Pembimbing : Wibawati, S.Si, M.Si
Lebih terperinciHary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciJURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.
JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 405-416 Online di: http://ejournal-s1undipacid/indexphp/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK
Lebih terperinciANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA
TUGAS AKHIR ANALISIS STATISTIK KEPUASAN PENGGUNA WAHANA PERMAINAN BOOM BOOM CAR DI TAMAN REMAJA SURABAYA Any Masruroh 1308 030 065 Dosen Pembimbing Ir. Arie Kismanto, M.Sc PENDAHULUAN Latar Belakang Permasalahan
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK
FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK Oleh: Agista Dyah Prabawati (1308 100 026) Dosen Pembimbing: Dra. Destri Susilaningrum,
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciDosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi. Oleh : Firda Velayati
Dosen Pembimbing : Ir. Mutiah Salamah, M. Kes Dra. Destri Susilaningrum, MSi Oleh : Firda Velayati 307 00 05 PENDAHULUAN LATAR BELAKANG Ekonomi masyarakat Pesisir Pendapatan nelayan dinaikkan Penelitian
Lebih terperinciMODEL LOGIT DAN MODEL PROBIT FAKTOR-FAKTOR KEBERHASILAN BELAJAR MAHASISWA PADA SISTEM PEMBELAJARAN JARAK JAUH (SPJJ)
JURNAL MODEL LOGIT DAN MODEL PROBIT FAKTOR-FAKTOR KEBERHASILAN BELAJAR MAHASISWA PADA SISTEM PEMBELAJARAN JARAK JAUH (SPJJ) (Studi Kasus: Mahasiswa Jurusan Manajemen Fakultas Ekonomi Universitas Terbuka
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-61
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-61 Model Regresi Probit Bivariat pada Kasus Penderita HIV dan AIDS di Jawa Timur Bella Yuliatin Puspita Sari, dan Farida Agustini
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN DALAM PEREKONOMIAN RUMAH TANGGA DI KOTA SEMARANG MENGGUNAKAN REGRESI TOBIT
Analisis Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan dalam Perekonomian Rumah Tangga di Kota Semarang Menggunakan Regresi Tobit ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR
Senin, 4 Maret 203 Ruang Sidang Gedung H ANALISIS REGRESI LOGISTIK BINER TERHADAP MINAT WISUDAWAN ITS SEBAGAI JOB CREATOR Disusun Oleh: MIRNA RAMADHANI (30030074) DOSEN PEMBIMBING Dra. Destri Susilaningrum,
Lebih terperinciForum Statistika dan Komputasi, Oktober 2010 p : ISSN :
, Oktober 2010 p : 23-31 ISSN : 0853-8115 Vol 15 No.2 APLIKASI REGRESI LOGISTIK ORDINAL MULTILEVEL UNTUK PEMODELAN DAN KLASIFIKASI HURUF MUTU MATA KULIAH METODE STATISTIKA (The Application of Multilevel
Lebih terperinciANALISIS REGRESI RIDGE UNTUK MENGATASI MULTIKOLINIER PADA VARIABEL-VARIABEL YANG MEMPENGARUHI INDEK PRESTASI KUMULATIF MAHASISWA BERBASIS KOMPUTER
ANALISIS REGRESI RIDGE UNTUK MENGATASI MULTIKOLINIER PADA VARIABEL-VARIABEL YANG MEMPENGARUHI INDEK PRESTASI KUMULATIF MAHASISWA BERBASIS KOMPUTER Ferdy Adhiputra Universitas Bina Nusantara, Jakarta, DKI
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciBOOTSTRAP AGGREGATING (BAGGING) REGRESI LOGISTIK ORDINAL UNTUK MENGKLASIFIKASIKAN STATUS GIZI BALITA DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 103-110 ISSN: 2303-1751 BOOTSTRAP AGGREGATING (BAGGING) REGRESI LOGISTIK ORDINAL UNTUK MENGKLASIFIKASIKAN STATUS GIZI BALITA DI KABUPATEN KLUNGKUNG Palupi
Lebih terperinci(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER
(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER Drs. Soekardi Hadi P. Prodi Matematika Fakultas Sains dan Teknologi Universitas Islam As-Syafi iyah Email : s.hadip@yahoo.co.id Abstrak
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciStatistika ITS Surabaya
SEMINAR TUGAS AKHIR POLA HUBUNGAN ANTARA STATUS GIZI BALITA DAN FAKTOR- FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KESEJAHTERAAN KELUARGA PADA KELUARGA NELAYAN DI SURABAYA TIMUR Oleh : Rindyanita Rizky K.
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-79
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-79 Faktor-faktor yang Mempengaruhi Tingkat Konsumsi Pengguna Napza Suntik (Penasun) di Yayasan Bina Hati Surabaya Menggunakan
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik
Lebih terperinciPENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA
PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK
MISKLASIFIKASI MAHASISWA BARU F SAINTEK UIN SUNAN KALIJAGA JALUR TES TULIS DENGAN ANALISIS REGRESI LOGISTIK Mohammad Farhan Qudratullah Program Studi Matematika Fakultas Sains dan Teknologi Universitas
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 205, Halaman 44-45 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian KEEPAAN KLASIFIKASI INGKA KEPARAHAN KORBAN KECELAKAAN LALU LINAS MENGGUNAKAN
Lebih terperinciMOCH. FAUZI PEMBIMBING : MUHAMMAD SJAHID AKBAR
Faktor-faktor yang Mempengaruhi Peranan Ibu Rumah Tangga Nelayan Terhadap Pemenuhan Kebutuhan Rumah Tangga di Kelurahan Tebul Bangkalan dengan Metode Regresi Logistik Biner MOCH. FAUZI 1307 030 056 PEMBIMBING
Lebih terperinciRata-rata Nilai. 2 saudara 25%
Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai
Lebih terperinciMODEL PELUANG KEJADIAN TSUNAMI PASCA TERJADI GEMPA BUMI DI WILAYAH PESISIR PULAU SUMATERA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 37 46. MODEL PELUANG KEJADIAN TSUNAMI PASCA TERJADI GEMPA BUMI DI WILAYAH PESISIR PULAU SUMATERA Jose Rizal, Etis Sunandi,
Lebih terperinciRegresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur
1 Regresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur Elvira Pritasari dan Purhadi Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciAnalisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi
Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor
Lebih terperinciEARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK
EARLY WARNING SYSTEM (EWS) UNTUK PREDIKSI KESEHATAN BANK PERKREDITAN RAKYAT (BPR) DI INDONESIA: PENDEKATAN MODEL REGRESI LOGISTIK Diah Arianti, 1) dan Nur Iriawan 2) 1) Information Management Technology,
Lebih terperinciPemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya
Jurnal Penelitian Sains Volume 16 Nomor 2(A) April 2013 Pemodelan Tingkat Kepuasan Mahasiswa terhadap Pelayanan Laboratorium Komputer Jurusan Matematika Fakultas MIPA Universitas Sriwijaya Dian Cahyawati
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciPolres Tapanuli Selatan merupakan bagian dari Kepolisian Republik Indonesia yang melayani di bidang pemeliharan dan keamanan, ketertiban
Saintia Matematika Vol. 1, No. 5 (2013), pp. 435 444. ANALISA TINGKAT KEPUASAN MASYARAKAT TERHADAP PROSES PELAYANAN PEMBUATAN SIM (SURAT IZIN MENGEMUDI) DI SATLANTAS POLRES TAPANULI SELATAN Lisna Astria,
Lebih terperinciINSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Seminar Hasil Tugas Akhir
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 Seminar Hasil Tugas Akhir 1 PEMODELAN DAN PEMETAAN RATA-RATA USIA KAWIN PERTAMA WANITA DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DI PROVINSI JAWA TIMUR
Lebih terperinciUniversitas Negeri Malang
IMPLEMENTASI REGRESI LOGISTIK ORDINAL PADA FAKTOR- FAKTOR YANG MEMPENGARUHI PERMINTAAN ASURANSI JIWA (Studi Kasus di AJB Bumiputera 1912 Cabang Malang Dieng) Universitas Negeri Malang E-mail: rramadhayanti@gmail.com
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinci