Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression
|
|
- Fanny Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof Andar Departemen Statsta, Faultas MIPA, Insttut enolog Sepuluh Nopember (IS) Jl. Aref Rahman Ham, Surabaya 6 Indonesa e-mal: nndyaemala3@gmal.com, purhad@statsta.ts.ac.d, dan shof.andar@statsta.ts.ac.d Abstra Penddan merupaan suatu elemen yang sangat pentng dalam perembangan suatu bangsa. Beberapa upaya yang dlauan pemerntah dalam hal penddan dmasudan agar dapat memberantas buta huruf atau buta asara. Indator yang dgunaan untu menguur tngat buta huruf adalah Anga Buta Huruf. Namun rata-rata anga buta huruf d Indonesa mash tergolong tngg (4,7%). Penguuran anga buta huruf merupaan nla yang ontnu dan berdstrbus t. Peneltan n menggunaan metode regres t untu menyesuaan dstrbus varabel responnya. Mempertmbangan adanya aspe spasal yang muncul pada data, perlu dlauan modfas pada pemodelan regre t, yatu dengan menerapan pembobot spasal. Oleh arena tu, metode regres yang dusulan dalam peneltan n yatu model regres terbobot atau GWtR. Varabel yang sgnfan pada pemodelan regres t merupaan anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua, persentase pendudu msn dan persentase balta gz buru. Sedangan varabel yang sgnfan pada pemodelan GWtR adalah anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua dan persentase pendudu msn. Perbandngan ebaan edua model menunjuan bahwa metode terba untu memodelan anga buta huruf d abupaten/ota se-jawa mur adalah GWtR. Kata Kunc Anga Buta Huruf, Regres t, GWtR. I. PENDAHULUAN Penddan merupaan suatu elemen yang sangat pentng dalam perembangan suatu bangsa. Dengan penddan, ana-ana dasah melalu pengetahuan yang postf dalam menemuan dan merumusan tujuan untu drnya d masamasa mendatang sesua dengan tujuan penddan nasonal yang dtetapan undang-undang nomor tahun 3 tentang Sstem Penddan Nasonal. Dalam undang-undang tersebut dtegasan bahwa penddan nasonal bertujuan mencerdasan ehdupan bangsa dan menngatan manusa Indonesa seutuhnya yatu manusa yang berman dan bertawa terhadap uhan Yang Maha Esa, berbud peert luhur[]. Beberapa upaya yang dlauan pemerntah provns Jawa mur dalam hal penddan antara lan bantuan baya penddan, dana BOS, beasswa, program penngatan tenaga pendd, penyedaan sarana prasarana penunjang penddan dan lan sebaganya. Hal tersebut dmasudan agar dapat memberantas buta huruf atau buta asara dan juga agar masyaraat dapat memperoleh penddan secara menyeluruh dan merata. Indator yang dgunaan untu menguur tngat buta huruf adalah Anga Buta Huruf. Namun rata-rata anga buta huruf d Indonesa adalah 4,7%, mash belum mendeat %[]. Jawa mur merupaan provns yang denal meml pereonoman yang tngg tetap dalam hal penddan mash dataan rendah, termasu mash tnggnya anga buta huruf. Menurut data Badan Pusat Statst Jawa mur tercatat anga buta huruf untu provns Jawa mur sebesar 7,7%. Dengan tnggnya anga buta huruf d Jawa mur, maa ngn dlauan peneltan mengena fator-fator yang mempengaruh anga buta huruf abupaten/ota d Jawa mur Obje yang aan dgunaan berupa abupaten/ota d provns Jawa mur maa unt pengamatannya aan berupa wlayah atau tempat (spatal). Jara antara satu wlayah dengan wlayah lan juga perlu dperhatan dalam penentuan fator yang mempengaruh anga buta huruf. Salah satu metode statst yang memperhtungan aspe spasal adalah Geographcally Weghted Regresson (GWR). GWR sendr adalah metode pengembangan dar model regres dmana setap parameter dhtung pada setap loas, sehngga pada setap tt loas geografs mempunya nla parameter regres yang berbeda-beda[3]. Pada peneltan n dlauan pemodelan Anga Buta Huruf d Provns Jawa mur dengan metode GWtR arena varabel respon yang dtelt berbentu ontnu dan memperhatan aspe spasal sehngga hubungan antara varabel respon dan varabel predtor dapat detahu d masng-masng abupaten/ota d Provns Jawa mur. Selan tu, anga buta huruf d Provns Jawa mur meml dstrbus t dengan cr-cr urva yang hampr sama dengan dstrbus normal standar dan araterst setap abupaten/ota d Provns Jawa mur juga berbeda. Hal n menunjuan ada pengaruh fator loas atau spasal sehngga metode GWtR sangat tepat untu dgunaan. Peneltan n dharapan dapat mengetahu fator-fator yang mempengaruh anga buta huruf sehngga dapat dlauan upaya pencegahan oleh pemerntah provns pusat. II. INJAUAN PUSAKA A. Pengujan Dstrbus Pengujan Kolomogorv-Smrnov merupaan salah satu metode statst yang dgunaan dalam pengujan esesuaan dstrbus. Hpotess yang dgunaan dalam pengujan Kolmogorov-Smrnov adalah sebaga berut. H : F y F y (Varabel dependen sesua dengan dstrbus dugaan) H : F y F y (Varabel dependen tda sesua dengan dstrbus dugaan) Statst uj :
2 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D- D Sup F ( x) F ( x) () x ola H ja nla Dht D atau p-value < α yang artnya dstrbus varabel dependen tda sesua dengan dstrbus dugaan. B. Multolneartas Salah satu cara untu mendetes adanya asus multolneartas dapat dlhat melalu nla varance nflaton factors (VIF) yang dnyataan sebaga berut[4]. VIFj () R C. Regres t Model regres unvarat t merupaan model regres dengan varabel respon Y berdstrbus t dan data yang damat hanya meml satu varabel respon dengan varabel predtor X, X,, X. Ja hubungan lner antara varabel bebas X, X,, X dengan varabel respon Y untu pengamatan e- dnyataan sebaga: p j n y x ;,,.., n p (3) Selanjutnya ja y bersfat ndependen dan dent berdstrbus t, parameter loas x, parameter sala ψ, dan derajat bebas τ, maa fungs denstas dar y adalah[5]: ( ) ( y x ) f ( y ) ; y ( ) ( ) D. Uj Aspe Spasal Dependens spasal merupaan ndas pada pengamatan d suatu loas berpengaruh terhadap pengamatan d loas lan yang berdeatan. Pengujan dependens spasal dapat dlauan dengan menggunaan uj Moran s I dengan hpotess yang duj yatu tda muncul ndas dependens spasal (H )[6]. Daerah rts tola H ja ZI Z yang artnya bahwa terdapat dependens spasal antar loas dengan α adalah taraf sgnfans. Heterogentas spasal atau eragaman yang terdapat d setap loas pengamatan n dapat dsebaban oleh araterst d setap loas pengamatan. Pengujan heterogentas spasal dapat dlauan menggunaan uj Bruesch-Pagan dengan hpotess yang duj yatu tda muncul ndas heterogentas spasal (H )[7]. Daerah rts tola H ja (4) BP atau ja p-value<α yang artnya bahwa terdapat heterogentas spasal dengan adalah banyanya predtor. E. Geographcally Weghted t Regresson (GWtR) Model Geographcally Weghted t Regresson adalah pengembangan dar model regres unvarat t dmana setap parameter mempertmbangan leta geografs, sehngga setap tt loas geografs mempunya nla parameter regres yang berbeda-beda[8]. Model Geographcally Weghted t Regresson (GWtR) adalah sebaga berut: (u v ) exp( (u v ) (u v ) x (u v ) x... (u v ) x ) exp( x (u v )) (uv ) e x Sehngga fungs epadatan probabltas dar y adalah f( y, v ), ) x, v ) e ( ) x, v ) x, v ) e ( e ) ( ) x, v ) e y x, v ) e (6) Proses penasran parameter model GWtR d suatu tt u, v membutuhan adanya pembobot spasal dmana pembobot yang dgunaan adalah fungs ernel gaussan Fungs ernel fxed meml nla bandwdth yang sama untu semua loas pengamatan, fungs pembobot dar fungs ernel fxed gaussan adalah sebaga berut[9]. w u, v exp j d j b dengan dj u u j v v j antara loas u, v e loas j, j (5) (7) adalah jara eucl-dean u v dan b adalah parameter non negatf yang detahu dan basanya dsebut parameter penghalus (bandwdth). Bandwdth dapat danalogan sebaga radus dar suatu lngaran, sehngga sebuah tt yang berada d dalam radus lngaran mash danggap meml pengaruh. Pengujan parsal parameter model GWtR dgunaan untu mengetahu sgnfans pada masng-masng parameter β ( u, v). Hpotess : H : u, v j H : u, v ;,,, ; j,,, j Statst uj : dmana Z ht ˆ j u, v (8) SE ˆ u, v j ˆ ˆ j, var ˆ j,, SE ˆ j u, v SE u v u v adalah tasran standart error yang ddapatan dar elemen ˆ u, v. dagonal e-j+ dar matrs varan covaran j Ja tngat sgnfans sebesar α, maa eputusan tola H ja Z. ht Z F. Pemlhan Model erba Pemlhan model terba merupaan proses evaluas dar model untu mengetahu seberapa besar peluang masngmasng model yang terbentu sudah sesua dengan data. AIC (Aae s Informaton Crteron) merupaan salah satu rtera yang dgunaan dalam pemlhan model yang
3 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D-3 terba. Ja dua model dbandngan, maa model dengan nla AIC yang terecl merupaan model yang lebh ba. Penentuan nla AIC dlauan dengan perhtungan sebaga berut. AIC ln Lˆ ˆ (9) G. Anga Buta Huruf (ABH) Anga Buta Huruf (ABH) merupaan suatu ndator yang menunjuan etertnggalan seelompo pendudu tertentu dalam mencapa penddan. Anga Buta Huruf n dapat juga dgunaan sebaga ndator untu melhat pencapaan program-program pemerntah dalam usahanya memberantas buta asara. ngat buta huruf rendah atau tngat mele huruf yang tngg menunjuan adanya sebuah sstem penddan dasar yang efetf dan atau program easaraan yang memungnan sebagan besar pendudu untu memperoleh emampuan menggunaan ata ata tertuls dalam ehdupan sehar har dan melanjutan pembelajarannya. Hal yang terpentng adalah menngatan esadaran masyaraat bahwa penddan sangat dperluan bag setap ndvdu. Sehngga programprogram pembangunan dalam bdang penddan yang dcanangan pemerntah dapat berhasl sesua dengan yang tujuan yang dharapan[]. III. MEODOLOGI PENELIIAN Data yang dgunaan dalam peneltan n merupaan data seunder yang dperoleh dar Susenas 5 yang dpublasan dalam Statsta Penddan Provns Jawa mur 5 mengena data Anga Buta Huruf. Data seunder dalam peneltan n aan dpaa unt observas d 38 abupaten/ota d Provns Jawa mur. Varabel respon peneltan n adalah anga buta huruf, sedangan varabel predtor yang dgunaan adalah anga partspas murn tngat SD (X ), raso murd-guru (X ), raso murd-seolah (X 3 ), tngat pengangguran terbua (X 4 ), persentase daerah berstatus ota (X 5 ), persentase pendudu msn (X 6 ) dan persentase balta gz buru (X 7 ) Langah analss dalam peneltan n adalah sebaga berut.. Mendesrpsan varable anga buta huruf dan fatorfator yang mempengaruh tap abupaten/ota d provns Jawa mur dengan peta temat.. Pemersaan nla VIF pada varabel predtor untu mendetes adanya asus multolneartas. 3. Melauan pengujan esesuaan dstrbus menggunaan statst uj Kolmogorov-Smrnov. 4. Memodelan anga buta huruf d abupaten/ota se- Jawa mur dengan regres t. 5. Melauan pengujan efe spasal. 6. Melauan pemodelan GWtR pada anga buta huruf d abupaten/ota se-jawa mur 7. Membandngan nla AIC. IV. ANALISIS DAN PEMBAHASAN A. Desrps Varabel Anga Buta Huruf dan Fator- Fator yang dduga Mempengaruh Persebaran anga buta huruf dapat dlhat melalu sebuah peta yang dsebut peta temat. Berut adalah peta untu persebaran anga buta huruf abupaten/ota se-jawa mur tahun 5. PA CIA N NG AW I MA G EA N PO NO R O G O UB AN BO JO NE G O RO MA DIU N ULU NG AG U NG RE NG G AL EK LA MO NG A N GR ES IK BL IAR Gambar. Persebaran Anga Buta huruf Kabupaten/ota yang meml anga buta huruf dengan ategor sedang yang dgambaran dengan warna hjau muda realtf lebh banya dbandngan dengan ategor tngg dan rendah. Sedangan abupaten/ota yang meml anga buta huruf dengan ategor rendah sebanya 4 abupaten/ota dan abupaten/ota yang meml anga buta huruf dengan ategor tngg sebanya 3 abupaten/ota. Selan persebaran anga buta huruf juga aan detahu desrps dar anga buta huruf dan fatorfator yang mempengaruhnya. abel. Desrps Anga Buta Huruf dan Fator-fator yang Mempengaruh Varabel Mean Varans Anga Buta Huruf (Y) 7,5 7,79 Anga Partspas Murn ngat SD (X ) 97,38,8 Raso Murd-Guru (X ) 4,99,87 Raso Murd-Seolah (X 3) 94, 7996,9 ngat Pengangguran erbua (X 4) 4,36,99 Persentase Daerah Berstatus Kota (X 5) 45, 55,3 Persentase Pendudu Msn (X 6),6 5,34 Persentase Balta Gz Buru (X 7),,5 Berut adalah desrps dar anga buta huruf dan fatorfator yang mempenagruhnya dlhat dar nla mean dan varans. Selan nla mean dan varans juga aan detahu abupaten/ota yang meml nla tertngg dan terendah untu anga buta huruf dan fator-fator yang mempengaruhnya. abel. Desrps Anga Buta Huruf dan Fator-fator yang Mempengaruh(Lanjutan) Varabel Mn Max Anga Buta Huruf (Y) Kab. Sdoarjo Kab. Sampang Anga Partspas Murn Kab. Malang Kab. Mojoerto ngat SD (X ) Kab. Bondowoso Raso Murd-Guru (X ) Kab. Stubondo Kota Mojoerto Raso Murd-Seolah (X 3) Kab. Lamongan Kota Bltar ngat Pengangguran erbua (X 4) MA LA NG Persentase Daerah Berstatus Kota (X 5) Persentase Pendudu Msn (X 6) Persentase Balta Gz Buru (X 7) BA NG K AL A N SURABAYA (ota) SID O AR JO SA MP A NG PA ME K AS A N NG AN JUK JO M BA NG MO JO KE RO PASURUAN (ota) PA S URUA N KEDIR I (ota) PROBOLINGGO (ota) KE DIR I BAU (ota) PRO B O LI NG G O MALANG (ota) LUM AJA NG Kab. Pactan Kab. Sampang Kota Malang Kab. Jombang Kota Kedr Kota Kedr Kota Bltar Kota Malang Kota Pasuruan Kota Mojoerto Kota Madun Kota Surabaya Kab. Sampang Kab. Nganju Setelah mengetahu persebaran dan juga desrps dar varabel anga buta huruf dan fator-fator yang mempengaruhnya maa dapat dlauan analss lebh lanjut. JE M BE R SUM E NE P BO ND O W O S O SIU BO N DO BA NY UW AN GI W Keterangan: N S E
4 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D-4 B. Detes Multolneartas Pendetesan multolneartas menggunaan nla varance nflaton factors (VIF) dtamplan dalam abel 3 sebaga berut. abel 3. Nla VIF Varabel Predtor Varabel Predtor VIF VIF Anga Partspas Murn SD (X ),459,8 Raso Murd-Guru (X ) 6,595,47 Raso Murd-Seolah (X 3) 5,534 - ngat Pengangguran erbua (X 4),7,53 Daerah Berstatus Kota (X 5) 3,58 - Raso Pendudu Msn (X 6) 3,895,63 Raso Balta Gz Buru (X 7),68,98 Nla VIF pada varabel Raso murd-seolah (X 3 ) dan ngat Pengangguran erbua (X 4 ) lebh dar sehngga melanggar asums multolnertas. Darenaan varabel tersebut melanggar asums multolnertas maa edua varabel tersebut dhlangan. Nla VIF adalah nla VIF dar varabel predtor setelah menghlangan varabel Raso Murd-Seolah dan varabel Daerah Berstatus Kota. Nla VIF dar semua varabel predtor telah urang dar maa asums multolnertas terpenuh. Sehngga varabel yang dgunaan adalah Anga Partspas Murn SD (X ), Raso murd-guru (X ), ngat Pengangguran erbua (X 3 ), Raso Pendudu Msn (X 4 ) dan Raso Pendudu Msn (X 5 ). Darenaan tda terdapat asus multolneartas maa dapat dlanjutan dengan analss regres. C. Pengujan Dstrbus Pengujan dlauan menggunaan pengujan Kolomogorov-Smrnov. Varabel respon anga buta huruf d abupaten/ota se-jawa mur dduga mengut dstrbus t. Ddapatan nla p-value dar anga buta huruf d abupaten/ota se-jawa mur sebesar,6466. Nla p-value lebh besar dar taraf sgnfans 5% sehngga dputusan gagal tola H yang artnya anga buta huruf d abupaten/ota se-jawa mur mengut dstrbus t. D. Regres t Hasl estmas parameter model regres t pada anga buta huruf d abupaten/ota se-jawa mur pada abel 4. abel 4. Estmas Parameter Model Regres t Parameter Estmas Std. Error Z htung β -3,4765, ,689** β,365633, ,486* β -,3997,3686 -,859* β 3 -,37644,3385 -,975788* β 4,85966,363933,44747* β 5,54, ,696596* Devans (G ) = 4,965 R-sq = 7,6% Pengujan secara serenta dlauan dengan menggunaan hpotess dan statst uj G. abel 3 menunjuan hasl pengujan parameter secara serenta, ddapatan nla G sebesar 4,965. Nla G dbandngan dengan nla 5,. yatu sebesar 9,36357 ddapatan hasl bahwa nla G lebh besar dar 9,36357 sehngga dputusan tola H yang artnya terdapat mnmal satu varabel predtor yang berpengaruh secara sgnfan terhadap anga buta huruf. abel 3 menunjuan nla Zhtung semua varabel predtor lebh besar dar,64 sehngga dputusan tola H yang artnya varabel anga partspas murn SD (X ), raso murd-guru (X ), tngat pengangguran terbua (X 3 ), persentase pendudu msn (X 4 ) dan persentase balta gz buru (X 5 ) berpengaruh sgnfan terhadap anga buta huruf d Kabupaten/Kota se-jawa mur. Model regres t dar anga buta huruf yang dhaslan adalah sebaga berut. yˆ 3, 476,365 X,3997 X,376 X,859 X, 5X Ja anga partspas murn SD bertambah satu satuan maa anga buta huruf sebesar,365%. Ja raso murdguru berurang satu satuan maa anga buta huruf sebesar,399%. Ja persentase tngat pengangguran terbua berurang satu satuan maa anga buta huruf sebesar,376%. Ja persentase pendudu msn sebesar bertambah satu satuan maa anga buta hurud sebesar,8597% dan ja persentase balta gz buru bertambah satu satuan maa anga buta huruf sebesar,5%. E. Efe Spasal Sebelum dlauan pemodelan menggunaan GWtR, terlebh dahulu dlauan pengujan aspe spasal, yatu dependens spasal dan heterogentas spasal. Berdasaran hasl analss yang dlauan, ddapatan nla p-value Anga Buta Huruf sebesar,3765. Nla p-value dbandngan dengan taraf sgnfans 5%, maa nla p- value lebh besar dar 5% yang artnya gagal tola H. Hal n dapat dsmpulan bahwa tda terdapat dependens spasal pada data Anga Buta Huruf. Pengujan heterogentas spasal dlauan untu melhat adanya eragaman secara geografs. Uj yang dgunaan adalah uj Bruesch-Pagan. Berdasaran hasl analss ddapatan nla statst Breusch Pagan pada Anga Buta Huruf sebesar 8,938. Pada taraf sgnfans 5% ddapatan nla,5;5 sebesar,455 sehngga nla BP pada Anga Buta Huruf lebh besar dar,5;5 yang artnya tola H. Hal n dapat dsmpulan bahwa terdapat heterogentas spasal pada data Anga Buta Huruf Kabupaten/Kota Se- Jawa mur tahun 5. Oleh arena tu analss Anga Buta Huruf dlanjutan pada pemodelan geographcally weghted t regresson (GWtR). F. Geographcally Weghted t Regresson Pemodelan GWtR dlauan dengan menambahan pembobot spasal fungs ernel fxed gaussan. Hasl pengujan parameter secara serenta, ddapatan nla G sebesar 77, Nla G dbandngan dengan nla 5,. yatu sebesar 9,36357 ddapatan hasl bahwa nla G lebh besar dar 9,36357 sehngga dputusan tola H yang artnya terdapat mnmal satu varabel predtor yang berpengaruh secara sgnfan terhadap anga buta huruf dengan menggunaan metode GWtR. Maa selanjutnya dlauan pengujan parameter secara parsal yang bertujuan untu mengetahu varabel predtor mana yang berpengaruh sgnfan terhadap anga buta huruf. Hasl pengujan sgnfans parameter model GWtR pada bulan November dtamplan dalam abel 5.
5 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D-5 abel 5. Varabel yang Sgnfan dalam Model GWtR Anga Buta Huruf Kabupaten/Kota Varabel yang Berpengaruh Sgnfan Ngaw, Gres, Batu X, X, X 3, X 4, X 5 Pactan, Ponorogo, renggale, ulungagung, Bltar, Kedr, Malang, Lumajang, Jember, Banyuwang, Bondowoso, Stubondo, Probolnggo, Pasuruan, Sdoarjo, Mojoerto, X Jombang, Nganju, Madun, Magetan,, X, X 3, X 4 Bojonegoro, uban, Lamongan, Bangalan, Sampang, Pameasan, Sumenep, Kedr, Bltar, Malang, Probolnggo, Pasuruan, Mojoerto, Madun, Surabaya. abel 5. menunjuan bahwa terdapat dua elompo tt pengamatan. Kelompo pertama adalah varabel anga partspas murn tngat SD (X ), raso murd-guru (X ), tngat pengangguran terbua (X 3 ), persentase pendudu msn (X 4 ) dan persentase balta gz buru (X 5 ) berpengaruh sgnfan d abupaten Ngaw, abupaten Gres dan ota Batu. Pada elompo edua adalah varabel anga partspas murn tngat SD (X ), raso murd-guru (X ), tngat pengangguran terbua (X 3 ) dan persentase pendudu msn (X 4 ) yang berpengaruh sgnfan d semua abupaten/ota se-jawa mur ecual tga abupaten/ota pada elompo pertama. Persebaran pada peta temat dapat dlhat pada gambar. PA CIA N NG AW I MA G EA N PO NO R O G O UB AN BO JO NE G O RO MA DIU N ULU NG AG U NG RE NG G AL EK LA MO NG A N GR ES IK BL IAR MA LA NG BA NG K AL A N SURABAYA (ota) SID O AR JO NG AN JUK JO M BA NG MO JO KE RO PA S URUA N (o ta) PA S URUA N KEDIR I (ota) PROBOLINGGO (ota) BAU (ota) KE DIR I PRO B O LI NG G O MALANG (ota) LUM AJA NG Gambar. Pengelompoan Anga Buta Huruf dengan Metode GWtR G. Pemlhan Model erba SA MP A NG PA ME K AS A N Pemlhan model terba berdasaran nla AIC pada model regres t dan GWtR dtamplan pada abel 6 sebaga berut. JE M BE R SUM E NE P BO ND O W O S O SIU BO N DO BA NY UW AN G I abel 6. Pemlhan Model erba Model Regres R AIC Regres t 7,6% 46,43 GWtR 76,4% 45,7478 Keterangan: Kelompo Kelompo W N S E V. KESIMPULAN DAN SARAN Hasl pemodelan regres t menunjuan bahwa varabel yang berpengaruh sgnfan adalah anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua, persentase pendudu msn dan persentase balta gz buru. Untu pemodelan GWtR dengan fungs pembobot fxed gaussan ddapatan bahwa terdapat dua elompo tt pengamatan. Kelompo pertama adalah varabel anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua, persentase pendudu msn dan persentase balta gz buru berpengaruh sgnfan d abupaten Ngaw, abupaten Gres dan ota Batu. Pada elompo edua adalah varabel anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua dan persentase pendudu msn yang berpengaruh sgnfan d semua abupaten/ota se-jawa mur ecual tga abupaten/ota pada elompo pertama. Saran untu peneltan selanjutnya dapat dlauan pengujan dstrbus yang sesua dengan varabel respon. Dan pada analss dengan Geographcally Weghted t Regresson dtambahan varabel-varabel baru. DAFAR PUSAKA [] Ssdnas, U. (3). Penddan Bag Umat Manusa. Surabaya: Surabaya. [] BPS. (6). dases dar pada tanggal 6 September 6 [3] Fotherngham, Brunsdon, & Charlton. (). Geographcally Weghted Regresson: he Abalyss of Spatally Varyng Relatonshp. Chchester: Wley and Sons, ltd. [4] Gujarat, D. N. (4). Basc Econometrcs (4 ed.) New Yor: he McGraw-Hll. [5] Kotz, S., & Nadarajah, S. (4). Multvarate t Dstrbuton and her Applcaton. Unted Kngdom: Cambrdge Unversty Press. [6] Lee, J., dan Wong, D. W. (). Statstcal Analyss wth ArcVew GIS. Canada: John Wlley & Sons, Inc [7] Anseln, L. (988). Spatal Econometrcs: Methods and Models. Dordrecht: Kluwer Academc Publsher [8] Sugart, H., Purhad, Sutno, & Purnam, S. W. (4). Penasr Parameter untu Model Geographcally Weghted t Regresson (GWtR). KNM XVII, [9] Cleveland, W. S., & Loader, C. (998). Local Regresson Models. USA: A& Bell Laboratores, 6 Mountan, Murray Hll, NJ [] Susenas. (5). Statsta Penddan Provns Jawa mur. Surabaya: BPS Jawa mur. Krtera nla AIC adalah, model dataan ba eta meml nla AIC yang ecl. Selan AIC juga dapat dlhat dar nla R. Model yang ba meml nla R yang besar. abel 5 menunjuan bahwa pemodelan GWtR lebh ba dalam memodelan anga buta huruf d abupaten/ota se- Jawa mur arena meml nla AIC yang lebh ecl dan nla R yang lebh besar dar pada pemodelan regres t. Pada varabel anga buta huruf sendr terdapat heterogentas spasal sehngga pemodelan GWtR lebh ba dalam memodelan anga buta huruf d abupaten/ota se- Jawa mur dbandngan dengan pemodelan regres t.
Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan
Lebih terperinciPemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar
Lebih terperinciPemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression
JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah
Lebih terperinciPemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)
Lebih terperinciPemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d
Lebih terperinciPemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan
Lebih terperinciPEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION
PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciBAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh
BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla
Lebih terperinciPEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION
PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut
Lebih terperinciPEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE
PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/
Lebih terperinciPemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188
JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran
Lebih terperinciPendekatan Hurdle Poisson Pada Excess Zero Data
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d
Lebih terperinciANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION
E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY
Lebih terperinciPenggunaan Model Regresi Tobit Pada Data Tersensor
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d
Lebih terperinciPemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya
Lebih terperinciANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR
ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School
Lebih terperinciBAB II TEORI DASAR. Analisis Kelompok
BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)
Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar
Lebih terperinciFaktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression
Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.
Lebih terperinciPemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression
Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan
Lebih terperinciPemodelan Faktor-Faktor yang Memengaruhi Produksi Padi di Jawa Timur
D-414 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) Pemodelan Faktor-Faktor yang Memengaruh Produks Pad d Jawa Tmur Ajeng D. P. Sar dan Wwek Setya Wnahju Jurusan Statstka, Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah
BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah
Lebih terperinciANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)
ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata
Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola
Lebih terperinciEVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah
EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6 S-21 Oleh : An Djuradah Departemen Statsta FMIPA- IPB e-mal : andjuradah@gmal.com ABSTRAK Pembangunan daerah tertnggal merupaan upaya
Lebih terperinciPENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR
Prosdng Semnar Nasonal Manajemen Tenolog IX Program Stud MMT-ITS, Surabaya 14 Pebruar 2009 PENENTUAN LOKASI GUDANG DISTRIBUSI PADA SISTEM DISTRIBUSI PRODUK KONSUMSI PT X DI JAWA TIMUR Teguh Otarso Program
Lebih terperinciPengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA
Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciPenerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah
The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36
JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciSTATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil
Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan
Lebih terperinciPENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI
PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperincie + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e
ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan
Lebih terperinciπ(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena
Lebih terperinciBAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode
BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat
Lebih terperinciKOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda
KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)
BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciEKSPEKTASI SATU PEUBAH ACAK
EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL
ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan
Lebih terperinciPemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah
Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud
Lebih terperinciBab III Model Estimasi Outstanding Claims Liability
Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa
Lebih terperinciBAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA
BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model
Lebih terperinciANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR
ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan
Lebih terperinciPemodelan Tingkat Kesejahteraan Penduduk Propinsi Kalimantan Selatan dengan Pendekatan Geographically Weighted Regression (GWR)
Prosdng Semnar Nasonal MIPA 06 Peran Peneltan Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan Jatnangor, 7-8 8 Oktober 06 ISBN 978-60 60-76 76-- Pemodelan Tngkat Kesejahteraan Penduduk Propns Kalmantan
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION
TUGAS MATA KULIAH ANALISIS SPASIAL PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Dosen: Dr. Sutkno Dr. Setawan Dsusun Oleh: RINDANG BANGUN PRASETYO
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciPEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciUSULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG
Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,
Lebih terperinciPENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD
ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar
Lebih terperinciOleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si
Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.
Lebih terperinciPendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman
Lebih terperinciKarakterisasi Matrik Leslie Ordo Tiga
Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember
Lebih terperinciMENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG)
MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG) OKTAVIANI PRIHATININGSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciPENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.
PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciEman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK
PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata
Lebih terperinciIMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG
IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)
BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang
Lebih terperinciBAB III METODE PENELITIAN
A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan
Lebih terperinciPERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH
PERBANDINGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DAN ORDINARY LEAST SQUARE (OLS) DALAM PEMODELAN KETIMPANGAN DI PROVINSI JAWA TENGAH La Mftakhul Janah 1, TanWahyu Utam 2 1, emal: lamftakhul7@gmal.com
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah
BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciPemodelan Jumlah Kasus Penyakit Tetanus Neonatorum di Jawa Timur Tahun 2012 dengan Geographically Weighted Zero-Inflated Poisson Regression (GWZIPR)
JURNAL SAINS DAN SENI IS Vol., No., () (98X Prnt) D9 Pemodelan Jumlah Kasus Penyakt etanus Neonatorum d Jawa mur ahun dengan Geographcally Weghted ZeroInflated Posson Regresson (GWZIPR) Rath Kumala Puspa
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciPemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan
Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS
ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)
Lebih terperinciINVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN
Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciBAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).
BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciPEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION
TUGAS AKHIR SS 4556 PEMODELAN TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI JAWA TIMUR MENGGUNAKAN GENERALIZED POISSON REGRESSION Vresa Endra Marta NRP 34 030 063 Dosen Pembmbng :
Lebih terperinciVI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar
VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr
Lebih terperinciS - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK
S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans
Lebih terperinciFaktor - Faktor yang Mempengaruhi Alih Fungsi Lahan Pertanian Sebagai Upaya Prediksi Perkembangan Lahan Pertaniandi Kabupaten Lamongan
JRNAL TEKNIK POMITS Vol. 3, No., (014) ISSN: 337-3539 (301-971 Prnt) C-119 Faktor - Faktor yang Mempengaruh Alh Fungs Lahan Pertanan Sebaga paya Predks Perkembangan Lahan Pertanand Kabupaten Lamongan Mersa
Lebih terperinciPEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007
PEMODELAN GENERALIZED REGRESI POISSON PADA FAKOR-FAKOR YANG MEMPENGARUHI ANGKA KEMAIAN BAYI DI PROVINSI JAWA IMUR AHUN 007 Yayuk Lstan 1 dan Purhad 1 Mahasswa S1 Statstka IS, Dosen statstka IS 1 yayuk.yangce@gmal.com,
Lebih terperinciImam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)
Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu
Lebih terperinciModel Geographically Weighted Poisson Regression (Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007)
LOGO Model Geographcally Weghted Posson Regresson (Stud Kasus : Jumlah Kematan Bay d Jawa Tmur & Jawa Tengah Tahun 2007) SEMINAR HASIL TESIS Oleh : Salmon Notje Aulele Dosen Pembmbng : Dr. Purhad, M.Sc
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinci