BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Djaja Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Principal Component Analysis (PCA)merupakan salah satu teknik pereduksian dimensi data. Data yang direduksi saling berkorelasi satu sama lain.pca muncul sebagai solusi bagi sebuah penelitian ataupun proses pengumpulan data dimana data tersebut terdiri dari variabel-variabel yang jumlahnya sangat banyak, sehingga variabel-variabel baru yang diperoleh nantinya merupakan variabel dengan jumlah yang lebih sedikit tetapi tetap mampu menjelaskan keragaman dari data. Analisis komponen utama merupakan analisis awal / analisis antara dari analisis multivariate lainnya seperti analisis diskriminan, analisis kluster, dan analisis regresi. Jadi komponen utama yang diperoleh dari PCAdapat digunakan sebagai input dari analisis-analisis tersebut. Perkembangan PCA dimulai sejak 1901 yang diperkenalkan pertama kali oleh Pearson.Sejalan dengan perkembangan teknologi komputer dan kemajuan di bidang matematika, selanjutya Loève pada tahun 1963 mengembangkan generalisasi PCA.Perkembangan PCAselanjutnya dipengaruhi adanya kebutuhan suatu model PCAyang robust terhadap data pencilan (outlier).classical Principal Component Analysis (CPCA)sangat dipengaruhi oleh kehadiran pencilan (outlier) karena CPCAdidasarkan pada matriks kovarian yang sensitif terhadap keberadaan data outlier.oleh karena itu dikenalkanlah suatu konsep robust PCA. Pendekatan robust PCA pertama dilakukan dengan menggantikan matrik kovarian klasik dengan estimator kovarian robust. Maronna (1976) dan Campbell (1980) mengajukan konsep affine equivariant M-estimators, tapi metode ini kurang tangguh jika ditemukan outlieryang cukup banyak dalam suatu data 1
2 Selanjutnya dikembangkan Minimum Covariance Determinant (Rousseeuw, 1984) dan S-estimator (Rousseeuw dan Leroy, 1987).Hasilnya tentu saja lebih robust, tapi hanya terbatas pada data dengan jumlah variabel (p)< jumlah observasi (n). Pendekatan selanjutnya untuk robust PCAadalah penggunaan konsep Projection Pursuit (Li dan Chen, 1985).Konsep ini diperbaiki dengan algoritma C-R yang dikenalkan oleh Croux dan Ruiz-Gazen (1996).Algoritmanya bekerja dengan baik, namun pada dimensi yang tinggi algoritma C-R lambat dalam waktu komputasi dan tidak stabil secara numerik. Berdasarkan beberapa keterbatasan metode-metode di atas maka Hubert dkk (2005) berusaha mengambil keuntungan dari kedua pendekatan yaitu dengan cara menggabungkan konsep Projection Pursuit (PP)dan estimator kovarian yang robust yang dalam hal ini digunakan Minimum Covariance Determinant (MCD). Penelitian yang dilakukan Hubert dkk diberi namarobpca (ROBust PCA)atau disebut juga dengan Hubert PCA. 1.2 Tujuan Penulisan Tujuan penulisan skripsi ini adalah sebagai berikut : 1. Sebagai salah satu syarat untuk memperoleh gelar sarjana sains di Program Studi Statistika FMIPA UGM. 2. Mempelajari salah satu analisis multivariate yaitu Principal Component Analysis (PCA)dengan metode ROBPCA atau Hubert PCA. 3. Mengaplikasikan metode ROBPCApada data penelitian yang terdapatoutlier. 4. Membandingkan hasil analisis data antara metode CPCAdengan ROBPCA.
3 1.3 Pembatasan Masalah Metode Robust Principal Component Analysis (ROBPCA) merupakan suatu pendekatan dalam analisis komponen utama dalam kasus ketika data yang diperoleh mengandung pencilan (outlier).ketika metode Classical Principal Component Analysis (CPCA) kurang bisa diandalkan untuk data yang mengandung outlier maka diharapkan metode Robust Principal Component Analysis (ROBPCA) dapat digunakan untuk mengatasi permasalahan tersebut. Pada metode ROBPCAterdapat beberapa estimator robust yang bisa digunakan untuk mengestimasi matrik kovarian.namun tidak semuanya dibahas dalam skripsi ini. Pembahasan difokuskan pada Robust Principal Component Analysis (ROBPCA)yang menggabungkan konsep Projection Pursuit (PP)dan Minimum Covariance Determinant (FAST-MCDdengan teorema C-Steps) untuk mendapatkan komponen utama yang tidak terpengaruh terlalu banyak dengan kehadiran data pencilan (outlier). 1.4 Tinjauan Pustaka Pearson (1991) merupakan yang pertama kali memperkenalkan PCA. Loève (1963) selanjutnya mengembangkan generalisasi PCA. Kemudian karena PCA dengan metode klasik dirasa tidak reliable untuk digunakan pada data penelitian yang mengandung outlier maka dikembangkanlah metode robust PCA.Pembahasan tentang robust PCA telah dilakukan oleh beberapa orang dan dengan menggunakan berbagai pendekatan seperti menggantikan matriks kovarian klasik dengan estimator kovarian robust.rousseeuw (1984) memperkenalkan konsep Minimum Covariance Determinant (MCD) yang dimodifikasi bersama dengan Van Driessen menjadi metode Fast Minimum Covariance Determinant (FAST-MCD)pada tahun 1999.
4 Pada skripsi ini penelitian mengenai ROBPCA mengacu pada jurnal yang ditulis oleh Hubert dkk pada tahun 2005 yang berjudul ROBPCA : A New Approach to Robust Principal Component Analysis. Hubert menggabungkan konsep projection pursuit dan estimator kovarian robust (MCDkhususnya FAST- MCD)untuk mendapatkan komponen utama yang tidak terpengaruh terlalu banyak oleh keberadaan outlier. 1.5 Metode Penulisan Metode yang digunakan dalam melakukan penulisan skripsi ini adalah studi literatur. Studi literatur dilakukan dengan memperoleh sumber-sumber resmi dari perpustakaan maupun melalui situs-situs online. Sumber-sumber resmi tersebut seperti buku teori yang berkaitan dengan tema dan jurnal yang digunakan sebagai acuan penulisan serta referensi lain yang menunjang penulisan. Penelitian ini juga ditunjang dengan sistem pemrograman menggunakan software R i dengan package yang diperlukan antara laindeoptimr, pcapp, mvtnorm,robustbase, dan rrcov. 1.6 Sistematika Penulisan Skripsi ini ditulis dengan sistematika penulisan sebagai berikut : BAB I PENDAHULUAN Bab ini meliputi latar belakang dan sejarah perkembangan PCA hingga muncul ROBPCA atau Hubert PCA, pembatasan masalah penelitian, tinjauan pustaka, metode penulisan, dan sistematika penulisan yang memberikan deskripsi awal dari skripsi ini. BAB II LANDASAN TEORI
5 Bab ini meliputi teori penunjang seperti matriks, operasi matriks, kalkulus matriks, nilai eigen, vektor eigen, minimum covariance determinant, C-Steps, breakdown point dan lain sebagainya. BAB IIIPEMBAHASAN Bab ini membahas mengenai konsep PCA meliputi matriks masuka, koefisien loading, eigen value, skor komponen utama PCA dengan Minimum Covariant Determinant (MCD), Projection Pursuit (PP), serta konsep ROBPCA. BAB IV STUDI KASUS Pada bab ini membahas mengenai aplikasi ROBPCA. Studi kasus dalam skripsi ini diambil dari data crime rate dataset yang memiliki 7 variabel serta mengandung outlier.hasil dari metode ini kemudian dibandingan dengan PCA metode klasik. BAB VPENUTUP Bab penutup terdiri dari kesimpulan yang diperoleh dari hasil analisis pada bab sebelumnya dan saran yang berkaitan dengan tema ini yang mungkin dapat digunakan untuk perkembangan penelitian di masa yang akan datang.
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Dalam industri modern ekspektasi pelanggan menjadi suatu acuan pentimg dari kualitas produk. Oleh karena itu dalam proses produksi tidak hanya mementingkan
Lebih terperinciANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST
ANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST Irwan Sujatmiko, Susanti Linuwih, dan Dwi Atmono A.W. Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 6 Abstract. The present
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Dalam banyak proses industri, selalu ada variabilitas dasar sebanyak tertentu. Apabila variabilitas dasar suatu proses relatif kecil akan dipandang sebagai
Lebih terperinciBAB I PENDAHULUAN. Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini
BAB I PENDAHULUAN 1.1 Latar belakang Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini bertujuan agar mendekati kebenaran kesimpulan yang diperoleh dari nilai taksiran sementara (hipotesis).
Lebih terperinciBAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN
BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,
Lebih terperinciBAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST. Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis
BAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis komponen utama robust sebagai konsep pendukung serta metode Minimum
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan satu arah antara variabel prediktor dan variabel respon yang umumnya dinyatakan
Lebih terperinci, dengan. Karakteristik dari vektor peubah acak X dan Y sebagai berikut:
3 TINJAUAN PUSTAKA Analisis Korelasi Kanonik Analisis korelasi kanonik (AKK) yang diperkenalkan oleh Hotelling pada tahun 1936, bertujuan untuk mengidentifikasi dan menghitung hubungan linier antara dua
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 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
Lebih terperinciMENGATASI MASALAH MULTIKOLINEARITAS DAN OUTLIER DENGAN PENDEKATAN ROBPCA (STUDI KASUS ANALISIS REGRESI ANGKA KEMATIAN BAYI DI JAWA TIMUR)
MENGATASI MASALAH MULTIKOLINEARITAS DAN OUTLIER DENGAN PENDEKATAN ROBPCA (STUDI KASUS ANALISIS REGRESI ANGKA KEMATIAN BAYI DI JAWA TIMUR) Sony Sunaryo (sonny_s@statistika.its.ac.id) Setiawan Jurusan Statistika,
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciForum Statistika dan Komputasi, Oktober 2009 p : ISSN :
, Oktober 2009 p : 26-34 ISSN : 0853-8115 Vol 14 No.2 METODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) (Variance-Covariance Matrix Estimation Method for Principal Component
Lebih terperinciKETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD)
KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD) Budyanra Jurusan Statistika, Sekolah Tinggi Ilmu Statistik, Jakarta
Lebih terperinciPERBANDINGAN ANALISIS FAKTOR KLASIK DAN KELOMPOK BAHAN MAKANAN DI JAWA TENGAH
PERBANDINGAN ANALISIS FAKTOR KLASIK DAN ANALISIS FAKTOR ROBUST UNTUK DATA INFLASI KELOMPOK BAHAN MAKANAN DI JAWA TENGAH SKRIPSI Oleh: ERNA PUSPITASARI NIM :24010210130059 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciKAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 37-42 ISSN: 2303-1751 KAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR Ni Luh Ardila Kusumayanti 1, I Komang
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciIDENTIFIKASI DAN PENANGANAN PENGARUH PENCILAN PADA ANALISIS KOMPONEN UTAMA WIDYA NINGSIH
IDENTIFIKASI DAN PENANGANAN PENGARUH PENCILAN PADA ANALISIS KOMPONEN UTAMA WIDYA NINGSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 21 ABSTRAK WIDYA
Lebih terperinciPERBANDINGAN ANALISIS FAKTOR KLASIK DAN ANALISIS FAKTOR ROBUST UNTUK DATA INFLASI KELOMPOK BAHAN MAKANAN DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 343-352 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS FAKTOR KLASIK DAN ANALISIS FAKTOR ROBUST
Lebih terperinciPENERAPAN ESTIMATOR ROBUST RMCD PADA GRAFIK PENGENDALI T 2 HOTELLING UNTUK PENGAMATAN INDIVIDUAL BIVARIAT DAN TRIVARIAT
PENERAPAN ESTIMATOR ROBUST RMCD PADA GRAFIK PENGENDALI T 2 HOTELLING UNTUK PENGAMATAN INDIVIDUAL BIVARIAT DAN TRIVARIAT Angelita Titis Pertiwi 1), Adi Setiawan 2), Bambang Susanto 3) 1) Mahasiswa Program
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciSKRIPSI. Disusun Oleh: Ana Kartikawati NIM. J2E009024
PERBANDINGAN ANALISIS DISKRIMINAN LINIER KLASIK DAN ANALISIS DISKRIMINAN LINIER ROBUST UNTUK PENGKLASIFIKASIAN KESEJAHTERAAN MASYARAKAT KABUPATEN/KOTA DI JAWA TENGAH SKRIPSI Disusun Oleh: Ana Kartikawati
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
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 terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciREDUKSI DIMENSI ROBUST DENGAN ESTIMATOR MCD UNTUK PRA-PEMROSESAN DATA PEMODELAN STATISTICAL DOWNSCALING
TUGAS AKHIR - ST 1325 REDUKSI DIMENSI ROBUST DENGAN ESTIMATOR MCD UNTUK PRA-PEMROSESAN DATA PEMODELAN STATISTICAL DOWNSCALING Khusnul Khotimah NRP 1305 100 069 Dosen Pembimbing Dr. Sutikno, S.Si, M.Si
Lebih terperinciPENDETEKSIAN OUTLIER PADA CAPITAL ASSET PRICING MODEL (CAPM) MENGGUNAKAN LEAST TRIMMED SQUARES (LTS) Elis Ratna Wulan 1, Enung Nurhayati 2
Edisi Juli 014 Volume VIII No. 1 ISSN 1979-8911 PENDETEKSIAN OUTLIER PADA CAPITAL ASSET PRICING MODEL (CAPM) MENGGUNAKAN LEAST TRIMMED SQUARES (LTS) Elis Ratna Wulan 1, Enung Nurhayati 1, Jurusan Matematika,
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 1-10 Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMISAHAN DESA/KELURAHAN DI KABUPATEN SEMARANG MENURUT STATUS DAERAH
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya adalah analisis terhadap sampel yang kemudian hasil analisisnya akan digeneralisasikan untuk mengetahui karakteristik populasi.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode analisis dalam statistika yang digunakan untuk mencari hubungan antara suatu variabel terhadap variabel lain. Dalam
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep konsep ekonomi seperti produk domestik
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Dewasa ini, persaingan ketat diantara perusahaan terus digencarkan guna untuk mempertahankan keberlangsungan suatu perusahaan. Salah satu faktor yang
Lebih terperinciTINJAUAN PUSTAKA Kalibrasi Ganda Regresi Kuadrat Terkecil Parsial ( Partial Least Squares/PLS) 1. Model PLS
TINJAUAN PUSTAKA Kalibrasi Ganda Kalibrasi adalah suatu fungsi matematik dengan data empirik dan pengetahuan untuk menduga informasi pada Y yang tidak diketahui berdasarkan informasi pada X yang tersedia
Lebih terperinciSKRIPSI. Oleh : LAILI ISNA NUR KHIQMAH NIM :
PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK ROBUST PADA KASUS PENGKLASIFIKASIAN PEMINATAN PESERTA DIDIK (Studi Kasus di SMA Negeri 1 Kendal Tahun Ajaran 2014/2015) SKRIPSI Oleh
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Matematika merupakan salah satu bidang ilmu yang sangat berperan dalam kehidupan sehari-hari. Banyak permasalahan dalam kehidupan sehari-hari yang akan lebih
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciBAB I PENDAHULUAN. dependen disebut dengan regresi linear sederhana, sedangkan model regresi linear
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linear merupakan metode statistika yang digunakan untuk membentuk model hubungan antara variabel dependen (terikat; respon) dengan satu atau lebih variabel
Lebih terperinciReduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama
Reduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama Ferry Kondo Lembang Jurusan Matematika FMIPA UNPATTI ferrykondolembang@yahoo.co.id Abstrak Reduksi dimensi adalah bagian
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
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 terperinciPENERAPAN DAN STUDI SIMULASI GRAFIK PENGENDALI T
PENERAPAN DAN STUDI SIMULASI GRAFIK PENGENDALI T HOTELLING UNTUK PENGAMATAN INDIVIDUAL MENGGUNAKAN ESTIMATOR ROBUST RMCD (REWEIGHTED MINIMUM COVARIANCE DETERMINANT) APPLICATION AND SIMULATION STUDY OF
Lebih terperinciMetode Minimum Covariance Determinan Pada Analisis Regresi Linier Berganda Dengan Kasus Pencilan
Metode Minimum Covariance Determinan Pada Analisis Regresi Linier Berganda Dengan Kasus Pencilan Minimum Covariance Determinants Method On Multiple Linear Regression Analysis The Case Outliers Sifriyani
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu usaha pemerintah dalam meningkatkan taraf hidup masyarakat adalah memberdayakan peranan jasa perbankan. Bank memiliki peranan yang sangat penting dalam menunjang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masyarakat dunia saat ini sedang dihadapkan dengan kemajuan teknologi sebagai salah satu penunjang dalam era informasi. Informasi yang menjadi komoditas utama
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciIDENTIFIKASI PENCILAN DAN PETA PENCILAN PADA ANALISIS KOMPONEN UTAMA UNTUK DATA MENJULUR ANNA FAUZIYAH DEPARTEMEN STATISTIKA
IDENTIFIKASI PENCILAN DAN PETA PENCILAN PADA ANALISIS KOMPONEN UTAMA UNTUK DATA MENJULUR ANNA FAUZIYAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciBAB 2 TINJAUAN PUSTAKA = (2.2) =
BAB 2 TINJAUAN PUSTAKA 2.1. Regresi Linear Berganda Regresi linear berganda adalah regresi dimana variabel terikatnya dihubungkan atau dijelaskan dengan lebih dari satu variabel bebas,,, dengan syarat
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciPERBANDINGAN METODE KEKAR BIWEIGHT MIDCOVARIANCE DAN MINIMUM COVARIANCE DETERMINANT DALAM ANALISIS KORELASI KANONIK FREZA RIANA
PERBANDINGAN METODE KEKAR BIWEIGHT MIDCOVARIANCE DAN MINIMUM COVARIANCE DETERMINANT DALAM ANALISIS KORELASI KANONIK FREZA RIANA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 i PERNYATAAN MENGENAI
Lebih terperinciHASIL DAN PEMBAHASAN. Algoritma Cepat Penduga GS
HASIL DAN PEMBAHASAN Algoritma Cepat Penduga GS Sebagaimana halnya dengan algoritma cepat penduga S, algoritma cepat penduga GS dikembangkan dengan mengkombinasikan algoritma resampling dan algoritma I-step.
Lebih terperinciMETODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) YANI SURYANI
METODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) YANI SURYANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009 RINGKASAN
Lebih terperinciTeknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil
Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN
BAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN Pengenalan suatu objek tentu saja tidak bisa dilakukan tanpa persiapan sama sekali. Ada beberapa proses yang perlu dilakukan sebelum
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis yang menjelaskan tentang
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang menjelaskan tentang hubungan antara dua atau lebih variabel. Variabel dalam analisis regresi, dibedakan menjadi dua yaitu
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR)
PEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR) 1 Meika Anitawati, 2 Sutikno 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 21 Regresi 211 Pengertian Persamaan Regresi Menurut Sir Francis Galton (1822-1911), persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai atau
Lebih terperinciBAB I PENDAHULUAN. hubungan ketergantungan variabel satu terhadap variabel lainnya. Apabila
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel
Lebih terperinciBAB I PENDAHULUAN. Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika yang mengamati dua atau lebih variabel random yang berhubungan, sebagai suatu kesatuan
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah metode statistika yang digunakan untuk mengetahui hubungan antara variabel terikat (dependen, respon, YY) dengan satu atau lebih variabel bebas
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan digunakan secara luas. Analisis regresi diterapkan tidak hanya oleh para statistisi
Lebih terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA SKRIPSI Disusun Oleh : SHERLY CANDRANINGTYAS J2E 008 053 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Matematika merupakan salah satu ilmu pengetahuan yang sudah lama ada dan berkembang sangat pesat di setiap zaman. Perkembangan ilmu matematika tidak lepas
Lebih terperinciMinggu XI ANALISIS KOMPONEN UTAMA. Utami, H
Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen
Lebih terperinciMODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES
PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciMinggu II STATISTIKA MULTIVARIATE TERAPAN
Minggu II STATISTIKA MULTIVARIATE TERAPAN (PENDAHULUAN) Herni U Universitas Gadjah Mada Outline 1 Analisis Statistika Multivariat 2 Contoh Kasus Multivariat 3 Organisasi Data Outline 1 Analisis Statistika
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi Poisson telah mendapat banyak perhatian dalam literatur sebagai model untuk mendeskripsikan data hitungan yang mengasumsikan nilai bilangan bulat sesuai dengan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam perkembangan teknologi informasi di era saat ini menunjukkan peningkatan yang sangat pesat, baik dari teknik pengolahan data maupun software-software
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesejahteraan umum merupakan salah satu tujuan dari pembangunan nasional Negara Indonesia. Hal ini disebutkan dengan jelas pada Pembukaan Undang-Undang dasar 1945 di
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Ketatnya persaingan antara perusahaan industri satu dengan yang lainnya menyebabkan semakin banyak dan beragam industri saat ini yang berusaha untuk meningkatkan kualitas
Lebih terperinciProsiding Seminar Nasional Matematika, Universitas Jember, 19 November
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 192 Perbandingan Analisis Diskriminan Linier, Diskriminan Linier Robust dan Regresi Logistik Biner (Studi Kasus Pada Penjurusan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Estimasi minimax adalah suatu upgrade pendekatan non-klasik (upgraded non-classical approach) dalam bidang estimasi inferensi statistik yang diperkenalkan oleh Abraham
Lebih terperinciPENDEKATAN REGRESI KUADRAT TERKECIL PARSIAL KEKAR UNTUK PENANGANAN PENCILAN PADA DATA KALIBRASI ENNY KERISTIANA SINAGA
PENDEKATAN REGRESI KUADRAT TERKECIL PARSIAL KEKAR UNTUK PENANGANAN PENCILAN PADA DATA KALIBRASI ENNY KERISTIANA SINAGA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciPerbandingan Metode Robust Least Trimmed Square Dengan Metode Scale
Perbandingan Metode Robust Least Trimmed Square Dengan Metode Scale Dalam Mengestimasi Parameter Regresi Linear Berganda Untuk Data Yang Mengandung Pencilan Musafirah 1, Raupong 2, Nasrah Sirajang 3 ABSTRAK
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA KEKAR DENGAN PENDEKATAN ALGORITMA GRID PADA DATA SPEKTRUM FRONTIER TRANSFORM INFRARED AULIA RIZKI FIRDAWANTI
PENERAPAN ANALISIS KOMPONEN UTAMA KEKAR DENGAN PENDEKATAN ALGORITMA GRID PADA DATA SPEKTRUM FRONTIER TRANSFORM INFRARED AULIA RIZKI FIRDAWANTI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPEMODELAN PADA PERCOBAAN MIXTURE DENGAN MELAKUKAN TRANSFORMASI CLARINGBOLD TERHADAP PROPORSI KOMPONEN- KOMPONENNYA. PT Jasa Marga ro) C
PEMODELAN PADA PERCOBAAN MIXTURE DENGAN MELAKUKAN TRANSFORMASI CLARINGBOLD TERHADAP PROPORSI KOMPONEN- KOMPONENNYA PT Jasa Marga ro) C abang Semarang TUGAS AKHIR Disusun Oleh : HETY BINTANG PUTRI J2E006014
Lebih terperinciMK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS
MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS Oleh: Prof.Dr.Ir.Soemarno,M.S Obyek Pengamatan Variabel X4 Variabel X1 Variabel X2 Variabel X3 Variabel Xn Multi-Variabel Metode analisis
Lebih terperinciPERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT
PERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT PADA ESTIMASI PARAMETER MODEL REGRESI PRODUKSI JAGUNG DI JAWA TENGAH oleh KARINA PUTRIANI M0110047
Lebih terperinci