Dosen Jurusan Matematika FMIPA Universitas Bengkulu, Bengkulu ABSTRACT
|
|
- Ratna Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI TINGKAT KEMISKINAN PADA LEVEL DESA DI KABUPATEN MUKOMUKO DENGAN MENGGUNAKAN SMALL AREA ESTIMATION (ESTIMATION OF POVERTY RATE IN VILLAGE LEVEL AT MUKOMUKO DISTRICT USING SMALL AREA ESTIMATION) Etis Sunandi 1*, Pepi Novianti 2, Idhia Sriliana 3, Dian Agustina 4 Dosen Jurusan Matematika FMIPA Universitas Bengkulu, Bengkulu etiss18@gmail.com ABSTRACT The objectives of this research are to establish a Logit-Normal model of poverty at village level at Mukomuko district through the sample data, to estimate the level of poverty in all villages in the Mukomuko district are not sampled in Susenas 2011 by Normal Logit models are formed; and mapping the poverty level in the village level at Mukomuko district. The method used in this research is the Small Area Estimation (SAE). The result show the estimator of proportions via Hirearchical Bayes (HB) is better than the Estimates of direct proportion. This is indicated by the MSE of the estimators HB proportion are generally smaller than the MSE direct estimators. Estimation of proportions of poverty in Mukomuko district are ranged from 3.6% to 90.4%. The smallest proportion of poverty in Ranah Karya village at Lubuk Pinang Sub-District and the Biggest proportion in Pulai Payung Village at Ipuh Sub-District. The poverty in Mukomuko spread in the Northeast and Southeast of Mukomuko. V Koto, Selagan Raya, and TerasTerunjam In the northeastern of the District have low average proportion. While in the Southeast Mukomuko, Air Rami Sub-District and Malin Deman Sub-District have high average proportion. Keyword : Small Area Estimation, poverty, village, Mukomuko District ABSTRAK Penelitian ini bertujuan membentuk model Logit-Normal pada tingkat kemiskinan Kabupaten Mukomuko melalui data sampel, mengestimasi tingkat kemiskinan di seluruh desa di Kabupaten Mukomuko yang tidak tersampel dalam Susenas 2011 melalui model Logit Normal yang terbentuk; dan memetakan tingkat kemiskinan level desa di Kabupaten Mukomuko. Metode yang digunakan dalam penelitian ini adalah Small Area Estimation (SAE). Hasil penelitian ini adalah pendugaan proporsi melalui Hirearchical Bayes (HB) lebih baik daripada Penduga proporsi langsung. Hal ini dibuktikan dengan sebagian besar MSE dari penduga proporsi HB lebih kecil daripada MSE penduga Langsung. Prediksi proporsi kemiskinan di seluruh desa Kabupaten Mukomuko berkisar antara 3,6 % sampai dengan 90.4 %. Proporsi kemiskinan terkecil berada di Desa Ranah Karya Kecamatan Lubuk Pinang dan proporsi Terbesar pada Desa Pulai Payung Kecamatan Ipuh. Penyebaran kemiskinan di Kabupaten Mukomuko menyebar di bagian Timur Laut dan Tenggara dari Kabupaten Mukomuko. Pada bagian timur laut Kecamatan V Koto, Selagan Raya, dan Teras Terunjam memiliki rata-rata proporsi kemiskinan yang rendah. Sedangkan di bagian Tenggara 363
2 Kabupaten Mukomuko, Kecamatan Air Rami dan Malin Deman memiliki rata-rata proporsi kemiskinan yang tinggi. Kata Kunci: Small Area Estimation, Kemiskinan, Desa, Kabupaten Mukomuko 1. PENDAHULUAN Kemiskinan merupakan salah satu masalah sosial yang mendasar yang dihadapi oleh Bangsa Indonesia. Hasil survey Badan Pusat Statistik (BPS,[1]) pada bulan September 2012, jumlah penduduk miskin (penduduk dengan pengeluaran per kapita per bulan di bawah Garis Kemiskinan) di Indonesia mencapai juta orang (11.66 %). berkurang sebesar 0.54 juta orang (0.30 %) dibandingkan dengan penduduk miskin pada Maret 2012 yang sebesar juta orang (11.96 %). Selama periode Maret 2012 September Persentase penduduk miskin di daerah perkotaan dan perdesaan tercatat mengalami penurunan. Persentase penduduk miskin di daerah perkotaan pada Maret 2012 sebesar 8.78 %. turun menjadi 8.60 % pada September Sementara penduduk miskin di daerah perdesaan menurun dari % pada Maret 2012 menjadi % pada September BPS ( 2012, [1]) mencatat bahwa Bengkulu menduduki peringkat dua terbawah provinsi termiskin di Sumatera yaitu sebesar %. Peringkat satunya diduduki oleh Provinsi Aceh (18.58 %). Menurut [2], Bengkulu memiliki lima kabupaten tertinggal yang menyumbangkan proporsi penduduk miskin, salah satunya adalah Kabupaten Mukomuko. Penduduk miskin di Kabupaten Mukomuko sebanyak 21.6 ribu orang (13.21 %). Banyak program pengentasan kemiskinan yang telah dilakukan oleh pemerintah. Walaupun demikian, penurunan jumlah penduduk miskin dari tahun ke tahun terasa sangat lambat. Banyak faktor yang menyebabkan lambatnya laju pengurangan jumlah penduduk miskin, diantaranya adalah terbatasnya dana maupun karena ketidaktepatan program pengentasan kemiskinan. Ketidaktepatan program kemiskinan diantaranya disebabkan oleh kurangnya data yang akurat tentang kemiskinan di suatu wilayah. Sementara itu, ketersedian data kemiskinan sangatlah minim. Apalagi data di tingkat desa. BPS melakukan analisis tingkat kemiskinan dalam Survey Sosial-Ekonomi Nasional (Susenas) setiap 2 tahun sekali. Pengumpulan data Susenas dilakukan dengan Cross sectional. Sebagai contoh Pelaksanaan Susenas 2008 di Provinsi Jawa Timur dari 247 desa/kelurahan, yang menjadi area sampel/blok sensus hanyalah 35 desa/kelurahan. Itupun tidak semua rumah tangga pada setiap area sampel menjadi sampel pengamatan. Rata-rata pada desa yang terpilih 16 rumah tangga. Data inilah yang akan diagregat menjadi data 364
3 tingkat desa sampai tingkat provinsi. Akibatnya presisi dan keakuratan dari statistik data tersebut kecil [3]. Menurut [4], pendekatan klasik untuk menduga parameter didasarkan pada aplikasi model desain penarikan contoh dan dikenal sebagai metode pendugaan langsung. Kelemahan metode ini pada subpopulasi adalah tidak memiliki presisi yang memadai yang disebabkan oleh kecilnya jumlah contoh yang digunakan untuk memperoleh dugaan tersebut. Permasalahan yang ditimbulkan oleh metode pendugaan ini adalah penduga yang dihasilkan merupakan penduga tak bias tetapi memiliki varian yang besar dan apabila pada suatu area kecil ke-i tidak terwakili di dalam survei, maka tidak memungkinkan dilakukan pendugaan secara langsung. Oleh karena itu, dikembangkan metode pendugaan secara tidak langsung dengan memanfaatkan kekuatan area disekitarnya, sumber data di luar area yang statistiknya ingin diperoleh atau informasi-informasi tambahan yang ada di area itu. Tujuan dari metode pendugaan ini adalah untuk meningkatkan keefektifan ukuran contoh dan menurunkan keragaman sehingga lebih akurat. Metode statistika yang sering digunakan upaya mendapatkan suatu informasi yang akurat tentang kemiskinan adalah Small Area Estimation (SAE). SAE merupakan suatu metode statistika untuk menduga parameter pada suatu subpopulasi dimana jumlah contohnya berukuran kecil atau bahkan tidak ada. Metode ini memanfaatkan data dari domain besar untuk menduga variabel yang menjadi perhatian pada domain yang lebih kecil [5]. Berdasarkan latar belakang di atas, peneliti tertarik untuk melakukan penelitian tingkat kemiskinan lebih lanjut. Penelitian ini akan menggunakan model Logit-Normal yang diterapkan pada pengestimasian tingkat kemiskinan level desa di Kabupaten Mukomuko. 2. METODE PENELITIAN Wilayah yang akan menjadi sasaran penelitian ini adalah Kabupaten Mukomuko. Kabupaten Mukomuko terdiri dari 15 kecamatan dengan 152 desa. Variabel-variabel yang digunakan dalam penelitian ini meliputi: (1) Proporsi keluarga miskin; (2) jumlah gizi buruk; (3) jumlah sarana pendidikan; (4) jumlah sarana kesehatan; (5) jumlah penerima jaminan kesehatan masyarakat; (6) jumlah penerima Surat Keterangan Tidak Mampu (SKTM); (6) Jumlah Sumber Air Bersih; dan (7) Jenis Permukaan Jalan. 2.1 Prosedur Analisis Data a. Estimasi tingkat kemiskinan 365
4 Metoda analisis yang digunakan adalah Small Area Estimation (SAE). Yakni, model Logit-Normal. Pendugaan parameter model Logit-Normal melalui metode Hierarcical Bayes dengan algoritma Metropolis-Hasting guna membangkitkan sampel penduga parameter sebanyak 500. Model dibangun dengan menggunakan data sampel area yang ada hingga diperoleh suatu persamaan model linier. Selanjutnya model linier tersebut digunakan untuk mengestimasi tingkat kemiskinan seluruh desa di Kabupaten Mukomuko. Adapun model Logit Normal yang digunakan adalah sebagai berikut [5] : (i) ( ) (ii) ( ) ( ) ( ) atau ( ) ( ) (iii) ( ) Ketika menggunakan metode Hierarcical Bayes, maka dibutuhkan perhitungan sebaran posterior. Perhitungan ini biasanya melalui integral multidimensi. Alternatif yang dapat digunakan yaitu menghitung besaran posterior melalui integrasi numerik. Salah satu metode ini adalah MCMC (Markov Chain Monte Carlo). Ide utama dari MCMC adalah membangun suatu peluang rantai Markov dimana akhirnya menuju satu sebaran posterior tertentu. Bahkan perhitungan sebaran posterior secara langsung yang menghasilkan sampelsampel besaran posterior. Akhirnya, parameter dari sebaran posterior dapat diduga. Prosedur MCMC yang terkenal adalah Gibbs bersyarat. Menurut [5] Gibbs bersyarat untuk model ini adalah i. [ ] [ ( ) ] ii. [ ] * ( ) + (1) iii. ( ) ( ) ( ) Pendugaan parameter dan dibangkitkan secara langsung dari (i) dan (ii). Parameter pada bagian (i) persamaan (1) dinyatakan oleh ( ) ( ). Sementara itu, bagian (iii) persamaan (1) dinyatakan sebagai 366
5 a) ( ) ( ) ( ) b) ( ) { ( ) } (2) c) ( ) ( ) Nilai proporsi Hierarcical Bayes akan diduga melalui simulasi Gibbs Sampling Metropolis-Hasting (M-H). Sampel Gibbs MCMC dapat dibangkitkan langsung dari (c) pada persamaan (2). Adapun algoritma M-H adalah sebagai berikut: (i) Diambil sebarang nilai dari sebaran seragam (0,1). (ii) Dibangkitkan ( ), lalu dicari nilai ( ) ( ). (iii) Dihitung ( ( ) ) { ( ) ( ( ) } ) (iv) Dibangkitkan dari distribusi seragam (0,1). (v) Dipilih ( ) jika ( ( ) ). (vi) Diulangi langkah 3 sampai diperoleh 500 sampel. Setelah dilakukan simulasi M-H, diperoleh barisan penduga proporsi sebagai berikut, ( ) ( ) - Kemudian besaran posterior yang sedang diamati dapat dihitung. Penduga proporsi Hierarcical Bayes ( ) adalah ( ) ( ) Sedangkan varian penduga proporsi Hierarcical Bayes ( ) adalah ( ) ( ( ) ( ) ) b. Penentuan hotspot dengan Geographic Information System (GIS) Dalam menentukan hotspot kemiskinan terlebih dahulu perlu ditentukan cluster area tingkat kemiskinan. Cluster area adalah area-area desa yang berbatasan (connected regions) dan memiliki tingkat kemiskinan yang lebih tinggi daripada area sekitarnya. Proses pendeteksian hotspot terdiri dari langkah-langkah sebagai berikut: 367
6 1) Input Data: proses ini digunakan untuk menginputkan data meliputi jumlah penduduk miskin, data jumlah anggota populasi, data lokasi, data kondisi infrastruktur, potensi ekonomi dan sumberdaya alam. 2) Manipulasi Data dan Manajemen data Tipe data yang diperlukan oleh suatu bagian mungkin perlu dimanipulasi agar sesuai dengan sistem yang dipergunakan. 3) Query dan Analisis Query adalah proses analisis yang dilakukan secara tabular. Pada metode Geographic Information System dilakukan dua jenis analisis yaitu analisis proximity dan analisis overlay. 4) Visualisasi Hasil analisis yang diperoleh akan diwujudkan dalam peta atau grafik. c. Peta Kemiskinan Peta kemiskinan dapat disusun setelah peneliti mengetahui hotspot kemiskinan. Peta ini dapat digunakan untuk memberikan beberapa rekomendasi terkait dengan proses perencanaan dan penyelenggaraan program pengentasan kemiskinan. 3. HASIL DAN PEMBAHASAN 3.1 Pemodelan Kemiskinan Level Desa di Kabupaten Mukomuko Menggunakan SAE Metode Hierarcical Bayes (HB) pada pendugaan area kecil digunakan untuk pendugaan tidak langsung. Metode ini dapat diterapkan pada data Susenas yang memang memiliki persoalan ukuran contoh yang terlalu kecil pada tingkat desa/kelurahan. Pendugaan proporsi Hierarcical Bayes (HB) dari data Susenas, model terbaik dipilih berdasarkan nilai dugaan varian dan RMSE proporsi HB. Pada penelitian ini, nilai proporsi Hierarcical Bayes diduga melalui simulasi Gibbs Sampling Metropolis-Hasting (M-H). Sampel Gibbs MCMC dibangkitkan sebanyak 500 sampel dan ulangan sebanyak 100 kali. Hasil dari pendugaan ini diperoleh penduga proporsi HB memiliki trand (kecendrungan) yang sama dengan penduga proporsi langsung (Gambar 1). Artinya bahwa, kedua metode tersebut mengindikasikan pendugaan menghasilkan penduga proporsi yang konsisten. Hasil pendugaan ini juga memperlihatkan bahwa 95.24% (20 desa) desa sampel memiliki proporsi kemiskinan lebih besar dari 50%. Desa Pulai Payung Kec. Ipuh memiliki 368
7 proporsi kemiskinan tertinggi (0.90). Sedangkan Desa karang Jaya Kec. Teras Terunjam memiliki proporsi kemiskinan terendah (0.45). Selain penduga proporsi, metode HB juga menduga varian dan MSE dari penduga proporsinya. Perbandingan nilai-nilai dugaan varian proporsi HB dan Varian PL disajikan pada Gambar 1. Jika dilihat dari varian penduga proporsi HB per desa sampel, terdapat 14 desa yang memiliki nilai varian PL lebih besar dari varian penduga proporsi HB. Hal ini dimungkinkan terjadi karena peubah penyerta dimasukkan ke dalam model kurang efisien dan tidak signifikan. Walaupun demikian, secara umum nilai dugaan varian HB lebih kecil dugaan varian PL. sehingga dapat ditarik kesimpulan bahwa pendugaan proporsi menggunakan model Logit-Normal HB lebih baik dari pendugaan langsung proporsi. Perbandingan Proporsi Penduga Langsung dan Penduga HB Pulai Payung Teras Terunjam Dusun Baru Pelokan Dusun Pulau Manjunto Jaya Lubuk Pinang Arah Tiga Bumi Mekar Jaya Marga Mulia Talang Arah Talang Sakti Kota Praja Lubuk sanai III Sungai Lintang Lubuk Mukti Gajah Mati Kota Jaya Rawa Bangun Sumber Makmur Teruntung Pondok Kandang Karang Jaya Penduga HB 0 0,2 0,4 0,6 0,8 1 Penduga Langsung Perbandingan Varian Penduga Langsung dan Penduga HB Karang Jaya Teruntung Pondok Kandang Gajah Mati Rawa Bangun Koto Jaya Lubuk Mukti Sungai Lintang Talang Arah Bumi Mekar Jaya Lubuk Sanai III Talang Sakti Kota Praja Marga Mulia Arah Tiga Manjunto Jaya Lubuk Pinang Sumber Makmur Dusun Pulau Dusun Baru Pelokan Teras Terunjam Pulai Payung Varian Penduga HB 0,00 0,01 0,02 0,03 0,04 0,05 Varian PL Gambar 1. Perbandingan penduga dan varian Proporsi HB dan Proporsi Langsung 3.2 Prediksi kemiskinan pada Level Desa di Kabupaten Mukomuko Penduga parameter dengan metode HB dapat menghasilkan prediksi proporsi kemiskinan di tingkat kecamatan di Kabupaten Mukomuko. Prediksi proporsi kemiskinan di 369
8 seluruh desa Kabupaten Mukomuko relatif yaitu berkisar antara 3,6% sampai dengan 90.4%. Proporsi kemiskinan terkecil berada di Desa Ranah Karya Kecamatan Lubuk Pinang dan proporsi terbesar pada Desa Pulai Payung Kecamatan Ipuh. 3.3 Peta Kemiskinan Kabupaten Mukomuko Peta kemiskinan Kabupaten Mukomuko dapat dilihat pada Gambar 2. Pada peta ini warna polygon kecamatan telah diberi warna gradasi sesuai denga tingkat kemiskinanya. Kecamatan yang memiliki proporsi kemiskinan tinggi memiliki polygon berwarna ungu tua. Pada Gambar 2, terlihat bahwa penyebaran kemiskinan di Kabupaten Mukomuko menyebar di bagian Timur Laut dan Tenggara dari Kabupaten Mukomuko. Pada bagian timur laut Kecamatan V Koto, Selagan Raya, dan Teras Terunjam memiliki rata-rata proporsi kemiskinan yang tinggi. Sedangkan di bagian Tenggara Kabupaten Mukomuko, Kecamatan Air Rami dan Malin Deman memiliki rata-rata proporsi kemiskinan yang tinggi. Peta Kemiskinan Kabupaten Mukomuko KEC. LUBUK PINANG KEC. XIV KOTO KEC. KOTA MUKOMUKO Titik _desa_ kabupaten_mukomuko.s hp Desa Non Sampel Desa Sampel Administrasi_muk omuk o_perk ecama ta n. shp W KEC. V KOTO KEC. AIR MANJUNTO KEC. AIR DIKIT N S E KEC. TERAS TERUNJAM KEC. PENARIK KEC. SELAGAN RAYA KEC. TERAMANG JAYA KEC. PONDOK SUGUH KEC. SUNGAI RUMBAI KEC. MALIN DEMAN KEC. IPUH KEC. AIR RAMI Miles Gambar 2. Peta Kemiskinan Kabupaten Mukomuko 4. KESIMPULAN Dari hasil pendugaan disimpulkan bahwa pendugaan proporsi melalui Hirearchical Bayes (HB) lebih baik daripada Penduga proporsi langsung. Hal ini dibuktikan dengan sebagian besar MSE dari penduga proporsi HB lebih kecil daripada MSE penduga Langsung. Prediksi proporsi kemiskinan di seluruh desa Kabupaten Mukomuko berkisar antara 3,6 % sampai dengan 90.4 %. Proporsi kemiskinan terkecil berada di Desa Ranah Karya Kecamatan Lubuk Pinang dan proporsi Terbesar pada Desa Pulai Payung Kecamatan Ipuh. 370
9 Hasil ini pun menunjukkan terdapat 59 (38.82 %) desa memiliki proporsi kemiskinan di atas 0.5. Artinya, 59 desa di Kabupaten Mukomuko merupakan desa miskin. Sebaliknya ada 93 (61.18 %) desa memiliki proporsi kemiskinan di bawah 0.5. Artinya, 93 desa di Kabupaten Mukomuko bukan merupakan desa miskin. Dengan demikian, penelitian ini menyimpulkan bahwa sebagian besar penduduk desa di Kabupaten Mukomuko tidak berada di bawah garis kemiskinan. Penyebaran kemiskinan di Kabupaten Mukomuko menyebar di di bagian Timur Laut dan Tenggara dari Kabupaten Mukomuko. Pada bagian timur laut Kecamatan V Koto, Selagan Raya, dan Teras Terunjam memiliki rata-rata proporsi kemiskinan yang tinggi. Sedangkan di bagian Tenggara Kabupaten Mukomuko, Kecamatan Air Rami dan Malin Deman memiliki rata-rata proporsi kemiskinan yang tinggi. 5. UCAPAN TERIMAKASIH Ucapan terimakasih peneliti sampaikan kepada pihak-pihak yang telah membantu dalam penyelesaian penelitian ini. Ucapan terimakasih pula peneliti sampaikan kepada FMIPA Universitas Bengkulu yang telah mendanai penelitian ini melalui dana BOPTN FMIPA Universitas Bengkulu PUSTAKA [1] BPS. Berita Resmi Statistik-Profil Kemiskinan di Indonesia September No. 06/01/Th. XVI, 2 Januari [2] Lembaga Pengelola dana pendidikan. Daftar Daerah Tertinggal, Terluar Dan Terdepan (3T) [cited 2014 Mei 19]. Available from: [3] Sunandi E, Notodiputro KA, Djuraidah A.Model Spasial Bayes dalam Pendugaan Area Kecil dengan Variabel Respon Biner (Kasus : Pendugaan Proporsi Keluarga Miskin di Kabupaten Jember Jawa Timur) [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor [4] Russo C, Sabbatini M, Salvatore R. General linear models in small area estimation: an assessment in agricultural surveys [internet] [cited 2014 Mei 19]. Available from: /11/agri/wp.25.s.e.pdf [5] Rao JNK. Small Area Estimation. New York: John Wiley and Sons;
MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER
MODEL SPASIAL BAYES DALAM PENDUGAAN AREA KECIL DENGAN PEUBAH RESPON BINER Etis Sunandi 1), Khairil A Notodiputro 2), Anik Djuraidah 2) 1) Jurusan Matematika FMIPA Universitas Bengkulu 2) Jurusan Statistika,
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 terperinciPENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU
PENDEKATAN HIERARCHICAL BAYES SMALL AREA ESTIMATION (HB SAE) DALAM MENGESTIMASI ANGKA MELEK HURUF KECAMATAN DI KABUPATEN INDRAMAYU Ari Shobri B 1), Septiadi Padmadisastra 2), Sri Winarni 3) 1) Mahasiswa
Lebih terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinciLAPORAN PENGELOLAAN ZAKAT DAN INFAK BAZNAS KABUPATEN MUKOMUKO BULAN MARET 2018
LAPORAN PENGELOLAAN DAN INFAK BAZNAS KABUPATEN MUKOMUKO BULAN MARET 2018 A. SALDO KAS BULAN LALU : Rp. 141,323,555 B. / INFAK BULAN INI I. DAFTAR DAN INFAK ASN (INSTANSI) SE - KABUPATEN MUKOMUKO ASN INSTANSI
Lebih terperinciSMALL AREA ESTIMATION PENGELUARAN PER KAPITA DI KABUPATEN BANGKALAN DENGAN METODE HIERARCHICAL BAYES
Statistika, Vol., No., November 5 SMALL AREA ESTIMATION PENGELUARAN PER KAPITA DI KABUPATEN BANGKALAN DENGAN METODE HIERARCHICAL BAYES Andi Muhammad Ade Satriya, Nur Iriawan, Brodjol Sutijo S. U,, Program
Lebih terperinciBAB I PENDAHULUAN. Otonomi daerah menyebabkan adanya pergeseran ketatanegaraan di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Otonomi daerah menyebabkan adanya pergeseran ketatanegaraan di Indonesia dari sentralisasi ke desentralisasi, dimana pemerintah daerah lebih leluasa dalam mengatur
Lebih terperinciSMALL AREA ESTIMATION UNTUK PEMETAAN KEMISKINAN DI KABUPATEN DEMAK
SMALL AREA ESTIMATION UNTUK PEMETAAN KEMISKINAN DI KABUPATEN DEMAK Moh. Yamin Darsyah 1 Setia Iriyanto 2 Iswahyudi Joko S 3 1) Prodi Statistika FMIPA UNIMUS, Semarang 2) Prodi Manajemen FE UNIMUS, Semarang
Lebih terperinciMETODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK
METODE PREDIKSI TAK-BIAS LINEAR TERBAIK DAN BAYES BERHIRARKI UNTUK PENDUGAAN AREA KECIL BERDASARKAN MODEL STATE SPACE KUSMAN SADIK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2009 PERNYATAAN MENGENAI
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Statistik area kecil (small area statistics) saat ini telah menjadi perhatian para statistisi dunia secara sangat serius. Telah banyak penelitian yang dikembangkan
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 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 terperinciLAPORAN PENYELENGGARAAN PEMERINTAHAN DAERAH ( LPPD ) KABUPATEN MUKOMUKO PROVINSI BENGKULU TAHUN 2016
LAPORAN PENYELENGGARAAN PEMERINTAHAN DAERAH ( LPPD ) KABUPATEN MUKOMUKO PROVINSI BENGKULU TAHUN 216 KATA PENGANTAR Puji dan syukur senantiasa kami panjatkan ke hadirat Tuhan Yang Maha Esa atas limpahan
Lebih terperinciPENDUGAAN PROPORSI PADA AREA KECIL. (Skripsi) Oleh SHELA MALINDA TAMPUBOLON
PENDUGAAN PROPORSI PADA AREA KECIL (Skripsi) Oleh SHELA MALINDA TAMPUBOLON FAKULTAS MATEMATIKA DAN ILMU PEGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2018 ABSTRAK PENDUGAAN PROPORSI PADA AREA KECIL
Lebih terperinciAIR RAIHI, KEC,AMATAN TERATdANG JAYA, KACAFJIATAN
PHrulffi RN Tq"TA!"{ g{ats L' PAT'FN M U KOfulUKO PERATURAIS EAERAH KABI"JPATEN MUKOMUKO NOMOR : OS TAHUN?OO5 TffiNT,qT4G PETfrBHNTUK,AI{ KECAMATAN MALIN NEMAN, KFCAMATAN AIR RAIHI, KEC,AMATAN TERATdANG
Lebih terperinciTINJAUAN PUSTAKA. merupakan nilai peubah bebas ke-p pada merupakan nilai koefisien peubah penjelas merupakan galat acak pengamatan ke-i.
TINJAUAN PUSTAKA Model egresi Berganda egresi linier adalah persamaan matematika yang menggambarkan hubungan antara peubah respon y dan peubah bebas X X X2 Xp. Hubungan antara kedua peubah tersebut dinyatakan
Lebih terperinciADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB 1 PENDAHULUAN. metode yang bisaanya digunakan dalam estimasi parameter yakni Ordinary Least
BAB 1 PENDAHULUAN 1.1 Latar Belakang Data populasi dalam suatu penelitian berguna untuk mengetahui karakteristik objek yang akan menghasilkan gambaran akurat mengenai karakteristik objek tersebut. Statistik
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciPENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI
PENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI Disusun Oleh : BITORIA ROSA NIASHINTA 24010211120021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih 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 I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH
Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 53 60 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
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 terperinciPENETAPAN DAERAH PEMILIHAN DAN JUMLAH KURSI ANGGOTA DEWAN PERWAKILAN RAKYAT DAERAH KABUPATEN/KOTA DALAM PEMILIHAN UMUM TAHUN 2014
Lampiran II.17.01 PENETAPAN DAERAH PEMILIHAN DAN JUMLAH KURSI ANGGOTA DEWAN PERWAKILAN RAKYAT DAERAH KABUPATEN/KOTA DALAM PEMILIHAN UMUM TAHUN 2014 SELATAN DP SELATAN 1 Meliputi 1 10 1.1 MANNA 16.088 1.2
Lebih terperinciPENDUGAAN ANGKA MELEK HURUF DI KABUPATEN BANGKALAN MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN HIERARCHICAL BAYES
PENDUGAAN ANGKA MELEK HURUF DI KABUPATEN BANGKALAN MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN HIERARCHICAL BAYES 1 Risya Fadila, 2 Agnes Tuti Rumiati, 3 Nur Iriawan 1,2,3 Program Studi Statistika,
Lebih terperinciPROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT
No. 42 / IX / 14 Agustus 2006 PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT Hasil Survei Sosial Ekonomi Nasional (Susenas) 2005 Dari hasil Susenas 2005, sebanyak 7,7 juta dari 58,8 juta rumahtangga
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis
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 terperinciTaksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area
Taksiran Titik Parameter Populasi pada Small Area dengan Metode Spatial Empirical Bayes Berdasarkan Model Tingkat Area Yudistira 1, Titin Siswantining 2 1. Departemen Matematika, FMIPA, Universitas Indonesia,
Lebih terperinciPENETAPAN DAERAH PEMILIHAN DAN JUMLAH KURSI ANGGOTA DEWAN PERWAKILAN RAKYAT DAERAH PROVINSI DALAM PEMILIHAN UMUM TAHUN 2014
Lampiran I.99 : 108/Kpts/KPU/TAHUN 2013 PENETAPAN DAERAH PEMILIHAN DAN JUMLAH KURSI ANGGOTA DEWAN PERWAKILAN RAKYAT DAERAH PROVINSI DALAM PEMILIHAN UMUM TAHUN 2014 No DAERAH PEMILIHAN JUMLAH PENDUDUK JUMLAH
Lebih terperinciMODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK BAYESIAN
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 128 133 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL PARTISIPASI PEMILIH MASYARAKAT KABUPATEN DHAMASRAYA PADA PEMILU 2014 DENGAN MENGGUNAKAN METODE
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 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 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 terperinciSMALL AREA ESTIMATION UNTUK PEMETAAN ANGKA MELEK HURUF DI KABUPATEN REMBANG. Program Studi Statistika, UNIMUS
SMALL AREA ESTIMATION UNTUK PEMETAAN ANGKA MELEK HURUF DI KABUPATEN REMBANG Moh Yamin Darsyah 1, Iswahyudi Joko Suprayitno 2 1 Program Studi Statistika, UNIMUS Email: mydarsyah@unimus.ac.id 2 Program Studi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang ini, berada di lingkungan bisnis yang kompleks menuntut perusahaan untuk mampu bersaing dengan para kompetitornya. Perubahan-perubahan radikal yang
Lebih terperinciPERATURAN MENTERI AGAMA REPUBLIK INDONESIA NOMOR 13 TAHUN 2009 TENTANG PEMBENTUKAN KANTOR URUSAN AGAMA KECAMATAN DI PROVINSI BENGKULU
PERATURAN MENTERI AGAMA REPUBLIK INDONESIA NOMOR 13 TAHUN 2009 TENTANG PEMBENTUKAN KANTOR URUSAN AGAMA KECAMATAN DI PROVINSI BENGKULU DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI AGAMA REPUBLIK INDONESIA,
Lebih terperinciESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO Yessy Okvita 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciI. PENDAHULUAN. setiap negara, terutama di negara-negara berkembang. Negara terbelakang atau
I. PENDAHULUAN A. Latar Belakang Kemiskinan merupakan suatu masalah yang dihadapi dan menjadi perhatian di setiap negara, terutama di negara-negara berkembang. Negara terbelakang atau berkembang adalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan suatu keadaan penduduk yang tidak mampu untuk memenuhi kebutuhan dasar minimal seperti makanan, pakaian, perumahan, pendidikan dan kesehatan untuk
Lebih terperinciPROFIL KEMISKINAN PROVINSI SUMATERA BARAT SEPTEMBER 2015
No. 04 / 01 /13/Th. XIX / 4 Januari 2016 PROFIL KEMISKINAN PROVINSI SUMATERA BARAT SEPTEMBER 2015 Jumlah penduduk miskin di Provinsi Sumatera Barat pada adalah 349.529 jiwa. Dibanding (379.609 jiwa) turun
Lebih terperinciRANCANG BANGUN PEMETAAN PERSEBARAN PENDUDUK BUTA AKSARA DI KALIMANTAN BARAT DENGAN METODE SAE (SMALL AREA ESTIMATION)
RANCANG BANGUN PEMETAAN PERSEBARAN PENDUDUK BUTA AKSARA DI KALIMANTAN BARAT DENGAN METODE SAE (SMALL AREA ESTIMATION) 1 Deni Farlyanda 1, Heri Priyanto 2, M. Azhar Irwansyah 3 1, 2, 3 Program Studi Teknik
Lebih terperinciANALISIS REGRESI TERPOTONG BEBERAPA NILAI AMATAN NURHAFNI
ANALISIS REGRESI TERPOTONG DENGAN BEBERAPA NILAI AMATAN NOL NURHAFNI SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciBERITA NEGARA REPUBLIK INDONESIA DEPARTEMEN AGAMA. Pembentukan. KUA. Kecamatan.
No.353, 2009 BERITA NEGARA REPUBLIK INDONESIA DEPARTEMEN AGAMA. Pembentukan. KUA. Kecamatan. PERATURAN MENTERI AGAMA REPUBLIK INDONESIA NOMOR 13 TAHUN 2009 TENTANG PEMBENTUKAN KANTOR URUSAN AGAMA KECAMATAN
Lebih terperinciESTIMASI PENGELUARAN PER KAPITA DI KABUPATEN REMBANG DENGAN PENDEKATAN SAE-NONPARAMETRIK. Program Studi Pendidikan Matematika, UNIMUS 2
ESTIMASI PENGELUARAN PER KAPITA DI KABUPATEN REMBANG DENGAN PENDEKATAN SAE-NONPARAMETRIK Iswahyudi Joko Suprayitno 1, Moh Yamin Darsyah 2, Budiharto 3 1 Program Studi Pendidikan Matematika, UNIMUS 2 Program
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 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 terperinciIDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK
IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,
Lebih terperinciPROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER 2015
No. 05/01/72/Th. XIX, 04 Januari 2016 PROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER 2015 RINGKASAN Perkembangan jumlah dan persentase penduduk miskin di Sulawesi Tengah selama periode 2011 2015 terus
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 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 terperincioleh YUANITA KUSUMA WARDANI M
ESTIMASI PARAMETER MODEL REGRESI PROBIT SPASIAL MENGGUNAKAN SOFTWARE R DENGAN ALGORITME GIBBS SAMPLING oleh YUANITA KUSUMA WARDANI M0111083 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER 2014
No. 05/01/72/Th. XVIII, 02 Januari 2015 PROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER RINGKASAN Perkembangan jumlah dan persentase penduduk miskin di Sulawesi Tengah selama periode 2010 terus mengalami
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Kemiskinan merupakan masalah multidimensi yang kompleks, bukan hanya diukur dari pendapatan, tetapi juga menyangkut kerentanan dan kerawanan orang atau sekelompok orang
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN) SKRIPSI Oleh : YANI PUSPITA KRISTIANI 24010211120018
Lebih terperinciTINGKAT KEMISKINAN DI SUMATERA SELATAN (KEADAAN SEPTEMBER TAHUN 2013)
BPS PROVINSI SUMATERA SELATAN No.05/01/16 Th. XVI, 02 Januari 2014 TINGKAT KEMISKINAN DI SUMATERA SELATAN (KEADAAN SEPTEMBER TAHUN ) RINGKASAN Jumlah penduduk miskin (penduduk yang berada dibawah Garis
Lebih terperinciESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)
ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 101-110 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE
Lebih terperinciRINCIAN FORMASI PENERIMAAN PEGAWAI NEGERI SIPIL ( PNS ) DEPARTEMEN AGAMA TAHUN ANGGARAN 2009 NOMOR : B.II/1-a/KP.00.3/ 954 /2009
Unit Kerja : Kanwil Departemen Agama Prov. Bengkulu RINCIAN FORMASI PENERIMAAN PEGAWAI NEGERI SIPIL ( PNS ) DEPARTEMEN AGAMA TAHUN ANGGARAN 2009 NOMOR : B.II/1-a/KP.00.3/ 954 /2009 NO. NAMA JABATAN A.
Lebih terperinciPROFIL KEMISKINAN DI SULAWESI TENGAH MARET 2016
No. 40/07/72/Th. XIX, 18 Juli 2016 PROFIL KEMISKINAN DI SULAWESI TENGAH MARET 2016 RINGKASAN Perkembangan jumlah dan persentase penduduk miskin di Sulawesi Tengah selama periode 2012 2016 cenderung mengalami
Lebih terperinciEfektivitas Metode Regresi Robust Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear Berganda
Jurnal Penelitian Sains Volume 1 Nomer 1(A) 1101 Efektivitas Metode Regresi Robust Penduga Welsch dalam Mengatasi Pencilan pada Pemodelan Regresi Linear Berganda Dian Cahyawati S. 1), Hadi Tanuji ), dan
Lebih terperinciPROFIL KEMISKINAN DI PROVINSI JAWA TENGAH TAHUN 2010
BPS PROVINSI JAWA TENGAH No. 34/07/33/Th. IV, 1 Juli 2010 PROFIL KEMISKINAN DI PROVINSI JAWA TENGAH TAHUN 2010 RINGKASAN Jumlah penduduk miskin (penduduk yang berada di bawah Garis Kemiskinan) di Provinsi
Lebih terperinciPROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER 2013
No. 05/01/72/Th. XVII, 02 Januari 2014 PROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER RINGKASAN Perkembangan selama lima tahun terakhir yaitu periode 2009, jumlah dan persentase penduduk miskin di Sulawesi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciSMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN BANYUWANGI DENGAN METODE HIERARCHICAL BAYES DAN EMPIRICAL BAYES
TESIS SS142501 SMALL AREA ESTIMATION TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN BANYUWANGI DENGAN METODE HIERARCHICAL BAYES DAN EMPIRICAL BAYES WIRAJAYA KUSUMA NRP. 1315 2012 10 DOSEN PEMBIMBING : Prof.
Lebih terperinciMETODE SCAN STATISTIC UNTUK STATISTIK AREA KECIL (Studi kasus: Model Poisson-Gamma) ANDI SETIAWAN
METODE SCAN STATISTIC UNTUK STATISTIK AREA KECIL (Studi kasus: Model Poisson-Gamma) ANDI SETIAWAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 29 RINGKASAN
Lebih terperinciPROFIL KEMISKINAN PROVINSI SUMATERA BARAT MARET 2016
No. 42/7/13/Th. XIX/18 Juli 2016 PROFIL KEMISKINAN PROVINSI SUMATERA BARAT MARET 2016 Jumlah penduduk miskin di Provinsi Sumatera Barat pada 2016 adalah 371.555 jiwa. Dibanding (349.529 jiwa) naik sebanyak
Lebih terperinciABSTRAK. Teknologi pengkode sinyal suara mengalami kemajuan yang cukup. pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari
ABSTRAK Teknologi pengkode sinyal suara mengalami kemajuan yang cukup pesat. Berbagai metode telah dikembangkan untuk mendapatkan tujuan dari pengkode sinyal suara yaitu output sinyal suara yang mempunyai
Lebih terperinciSMALL AREA ESTIMATION UNTUK PENDUGAAN TINGKAT PARTISIPASI ANGKATAN KERJA DI PROVINSI MALUKU DENGAN PENDEKATAN KERNEL-BOOTSTRAP
Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 11 Nomor 1 Hal. 17-23 SMALL AREA ESTIMATION UNTUK PENDUGAAN TINGKAT PARTISIPASI ANGKATAN KERJA DI PROVINSI MALUKU DENGAN PENDEKATAN KERNEL-BOOTSTRAP
Lebih terperinci(R.15) PERTIMBANGAN PENTING YANG MENDASARI PENGGUNAAN METODE SMALL AREA ESTIMATION
(R.15) PERTIMBANGAN PENTING YANG MENDASARI PENGGUNAAN METODE SMALL AREA ESTIMATION 1Nurul Hasanudin, 2 Septiadi Padmadisastra, 3 Nusar Hajarisman Program Pendidikan Magister Program Studi Statistika Terapan
Lebih terperinciPROFIL KEMISKINAN PROVINSI SUMATERA BARAT MARET 2015
No.55 /9 /13/Th. XVIII / 15 September 2015 september2015 PROFIL KEMISKINAN PROVINSI SUMATERA BARAT MARET 2015 Garis Kemiskinan (GK) 2015 mengalami peningkatan 5,04 persen, menjadi Rp 384.277,00 perkapita
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL SKRIPSI Oleh: OCTAFINNANDA UMMU FAIRUZDHIYA 24010210130057 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPROFIL KEMISKINAN PROVINSI SUMATERA BARAT SEPTEMBER 2014
No. 05 /1 /13/Th. XVIII / 2 Januari 2015 PROFIL KEMISKINAN PROVINSI SUMATERA BARAT SEPTEMBER 2014 Jumlah penduduk miskin di Provinsi Sumatera Barat pada September 2014 adalah 354.738 jiwa. Dibanding Maret
Lebih terperinciOPTIMALISASI PORTOFOLIO OBLIGASI BANK DENGAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO MELALUI MODEL GAUSSIAN MIXTURE
OPTIMALISASI PORTOFOLIO OBLIGASI BANK DENGAN METODE BAYESIAN MARKOV CHAIN MONTE CARLO MELALUI MODEL GAUSSIAN MIXTURE Oleh NURUL UTAMININGSIH M0108103 SKRIPSI Ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciLOKASI DAN ALOKASI BLM PNPM MANDIRI TAHUN ANGGARAN 2009 BENGKULU
PERAN LOKASI DAN MANDIRI TAHUN ANGGARAN 2009 DAERAH 1 Kota Bengkulu 1 Gading Cempaka 1.050 1.050 525 525 2 Kampung Melayu 340 340 170 170 3 Muara Bangka Hulu 670 670 335 335 4 Ratu Agung 1.170 1.170 585
Lebih terperinciMengurangi Kemiskinan Melalui Keterbukaan dan Kerjasama Penyediaan Data
Mengurangi Kemiskinan Melalui Keterbukaan dan Kerjasama Penyediaan Data Disampaikan oleh: DeputiMenteri PPN/Kepala Bappenas Bidang Kependudukan dan Ketenagakerjaan pada Peluncuran Peta Kemiskinan dan Penghidupan
Lebih terperinciDATA DASAR PUSKESMAS PROVINSI BENGKULU
DATA DASAR PROVINSI BENGKULU KONDISI DESEMBER 2014 KEMENTERIAN KESEHATAN REPUBLIK INDONESIA JAKARTA, 2015 JUMLAH MENURUT KABUPATEN/KOTA (KEADAAN 31 DESEMBER 2014) PROVINSI BENGKULU KAB/KOTA RAWAT INAP
Lebih terperinciKEMISKINAN PROVINSI SULAWESI UTARA MARET 2014
No. 42/07/71/Th. VIII, 1 Juli 2014 KEMISKINAN PROVINSI SULAWESI UTARA MARET 2014 Angka-angka kemiskinan yang disajikan dalam Berita Resmi Statistik ini merupakan angka yang dihasilkan lewat pengolahan
Lebih terperinciPROFIL KEMISKINAN DI SULAWESI TENGAH MARET 2015
No. 54/09/72/Th. XVIII, 15 September 2015 PROFIL KEMISKINAN DI SULAWESI TENGAH MARET 2015 RINGKASAN Perkembangan jumlah dan persentase penduduk miskin di Sulawesi Tengah selama periode 2011 2015 terus
Lebih terperinciTINGKAT KEMISKINAN DI LUWU TIMUR KEADAAN MARET TAHUN 2015
No : 01/10/7325/Th. I, 11 Oktober 2016 TINGKAT KEMISKINAN DI LUWU TIMUR KEADAAN MARET TAHUN 2015 RINGKASAN Pengukuran kemiskinan oleh BPS menggunakan konsep kemampuan memenuhi kebutuhan dasar (basic needs
Lebih terperinciPROFIL KEMISKINAN SUMATERA UTARA MARET 2015
BPS PROVINSI SUMATERA UTARA No. 58/09/12/Th. XVIII, 15 September 2015 PROFIL KEMISKINAN SUMATERA UTARA MARET 2015 MARET 2015, JUMLAH PENDUDUK MISKIN SUMATERA UTARA NAIK 103.070 ORANG DIBANDING SEPTEMBER
Lebih terperinciMemodelkan regresi logistik biner data set hasil sampel bootstrap B.
B O O T S T R A P A G G R E G A T I N G 1 2 3 4 5 6 7 Tinjauan Pustaka Algoritma Bagging Regresi Logistik Biner Mengambil sampel bootstrap sebanyak n dari data set dengan pengulangan sebanyak n. Pengambilan
Lebih terperinciINDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN II-2016
BADAN PUSAT STATISTIK PROVINSI PAPUA INDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN A. Penjelasan Umum No. 44/08/94/Th. VI, 5 Agustus 2016 Indeks Tendensi Konsumen (ITK) adalah indikator perkembangan
Lebih terperinciTINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SUMATERA UTARA SEPTEMBER 2016 MENURUN
BPS PROVINSI SUMATERA UTARA No. 13/02/12/Th. XX, 06 Februari 2017 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SUMATERA UTARA SEPTEMBER 2016 MENURUN GINI RATIO PADA SEPTEMBER 2016 SEBESAR 0,312 Pada ember
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
BIAStatistics (215) Vol. 9, No. 2, hal. 1-6 ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) 1 Didin Astriani P, 2 Jadi
Lebih terperinciPROFIL KEMISKINAN PROVINSI KALIMANTAN TENGAH SEPTEMBER 2011
No. 07/01/62/Th. VI, 2 Januari 2012 PROFIL KEMISKINAN PROVINSI KALIMANTAN TENGAH SEPTEMBER 2011 RINGKASAN Jumlah penduduk miskin (penduduk dengan pengeluaran per kapita per bulan di bawah garis kemiskinan)
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciPemodelan Spline Truncated dalam Regresi Nonparametrik Birespon
Konferensi Nasional Sistem & Informatika 7 STMIK STIKOM Bali, Agustus 7 Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Luh Putu Safitri Pratiwi Program Studi Sistem Informasi STMIK STIKOM
Lebih terperinciPROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER 2011
No. 05/01/72/Th. XV, 02 Januari 2012 PROFIL KEMISKINAN DI SULAWESI TENGAH SEPTEMBER RINGKASAN Perkembangan selama lima tahun terakhir yaitu periode 2007- jumlah dan persentase penduduk miskin di Sulawesi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Uraian tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, ruang lingkup, dan batasan masalah yang disusun sebagai laporan penelitian Sistem Informasi Geografis
Lebih terperinciBAB I PENDAHULUAN. 7). Analisis ini dikelompokkan menjadi dua, yaitu analisis dependensi dan
BAB I PENDAHULUAN A. Latar Belakang Analisis multivariat merupakan analisis multivariabel yang berhubungan dengan semua teknik statistik yang secara simultan menganalisis sejumlah pengukuran pada individu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Berawal dari kebutuhan analisis data untuk memprediksi suatu nilai bila diberikan suatu nilai-nilai variabel prediktor (x) pada beberapa kasus, maka metode regresi
Lebih terperinciPROFIL KEMISKINAN SUMATERA UTARA SEPTEMBER 2014
BPS PROVINSI SUMATERA UTARA No. 06/01/12/Th. XVIII, 2 Januari 2015 PROFIL KEMISKINAN SUMATERA UTARA SEPTEMBER 2014 RINGKASAN Jumlah penduduk miskin di Sumatera Utara pada September 2014 sebanyak 1.360.600
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciPROFIL KEMISKINAN PROVINSI SUMATERA BARAT SEPTEMBER 2016
No. 04/01/13/Th. XX/3 Januari 2017 PROFIL KEMISKINAN PROVINSI SUMATERA BARAT SEPTEMBER 2016 Garis Kemiskinan (GK) mengalami peningkatan 3,04 persen, menjadi Rp 438.075 per kapita per bulan dari Rp 425.141
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 terperinci