ESTIMATOR SPLINE KUBIK
|
|
- Ida Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Bimafika, 011, 3, ESTIMATOR SPLINE KUBIK Johannis Takaria * Staff Pengajar Fakultas Keguruan Dan Ilmu Pendidikan Universitas Pattimura Ambon Diterima ; Terbit ABSTRACT Consider a nonparametric regression model = h( ) +, = 1,,,, where h( ) represents unidentified form of a regression curve, and error is assumed as independently, identical with the zero mean and variance. Cubic spline estimator can be written as: : h () = (), where () = ( + ), and = 6,,,, is obtained through a conditional optimization, by minimizing: ( h ), with conditions (h ()) <, 0. The estimator produced is biased, but not asymptotic biased. Keywords: Nonparametric Regression, Cubic Spline, GCV. PENDAHULUAN Jika diberikan dua peubah dan mempunyai hubungan sebab akibat, maka secara matematik dapat ditulis mengikuti suatu model regresi = h +, untuk = 1,,, dimana adalah peubah bebas (independent variable) dan adalah peubah tak bebas (dependent variable). Jika model tersebut mengikuti model regresi nonparametrik, maka h adalah kurva regresi yang tidak diketahui bentuknya, dan adalah error yang diasumsikan identik, independen dengan mean nol dan varians. Konsep utama dalam regresi nonparametrik adalah bagaimana menentukan bentuk estimator dari kurva regresi tersebut. Dalam mendapatkan bentuk estimator yang diharapkan, maka suatu metode yang sering digunakan adalah spline. Spline merupakan suatu piecewise polynomial, yaitu polinomial yang memiliki sifat tersegmen dan kontinu (Eubank,1988). Fungsi spline sendiri dapat berupa spline linear, kuadratik dan spline kubik. Spilne kubik merupakan jumlahan dari fungsi polinomial berderajat tiga dengan suatu fungsi (truncated) berderajat tiga. Untuk mendapatkan estimator spline kubik digunakan optimasi bersyarat yaitu meminimumkan (Rice,001): ( h( ), dengan syarat (h (), dimana 0 Tujuan yang ingin dicapai dalam penelitian ini adalah mengkaji cara optimasi bersyarat dalam mendapatkan estimator spline kubik. Regresi Nonparametrik Spline Di berikan model = h +, untuk = 1,,, dimana h( ) merupakan kurva regresi yang tidak diketahui bentuknya. Dalam regresi nonparametrik Spline sangat digemari dalam mendapatkan bentuk kurva yang diharapkan, salah satunya adalah Wahba (1990) mencoba mengembangkan suatu optimasi spline. Pada prinsipnya estimasi spline dalam regresi nonparmetrik masih mengadopsi konsep dan cara-cara dalam regresi parametrik, yang memiliki kesederhanaan dan kemudahan dalam proses inferensi. Dalam mendapatkan bentuk estimator h ada berbagai pendekatan yang digunakan diantaranya: Pendekatan keluarga spline, Penalized Least Square (PLS) yang salah satunya adalah optimasi bersyarat. Pendekatanpendekatan yang digunakan pada intinya mendapatkan bentuk estimator yang smooth (mulus), dimana tingkat kemulusan tergantung parameter penghalus yang digunakan. Jika parameter penghalus yang digunakan relatife besar maka akan menghasilkan kurva yang mulus, sebaliknya jika sangat kecil maka kurva yang dihasilkan tidak memuaskan. Spline Kubik Fungsi spline yang digunakan umumnya didefinisikan sebagai () = + ( ) 1 dengan ( ) = ( ) ; 0 ; < * Korespondensi :
2 J.Takaria / Bimafika, 011, 3, dimana, = 0,1, ( 1) merupakan koefisien polinimial dan, = 1,,, adalah koefisien truncated bernilai real, serta,,, merupakan titik-titik knot, selanjutnya jika m = 4, dan selanjutnya disubtitusikan pada persamaan diatas maka diperoleh fungsi spline kubik. Spline kubik adalah jumlahan dari fungsi polynomial orde tiga dengan truncated berorde tiga pula. Persoalan utama dalam spline kubik adalah bagaimana memilih titik-titik knot optimal. Persamaan spline kubik dapat ditulis sebagai () = ( ) Parameter Penghalus Spline sangat bergantung pada suatu parameter penghalus (). Pemilihan suatu nilai parameter penghalus yang kecil akan menghasilkan kurva regresi yang sangat kasar, sebaliknya jika parameter penghalusnya cukup besar, maka estimasi kurva regresi yang dihasilkan sangat smooth (Eubank, 1988). Metode yang sering digunakan untuk memilih parameter penghalus adalah Cross Validation (Hardle,1990), Generalized Cross Validation (GCV) (Wahba,1990). Metode GCV memilih yang optimal yang meminimumkan: () () = [ ()] Dimana () = ( ()), = (,, ), dan () merupakan matriks berordo nxn. Di samping parameter penghalus diatas, Eubank (1988) memberikan hubungan misalkan, adalah basis untuk spline dimana: () = () [, ], [, ] = {; [ ()] < },serta () = + ) Maka () () () ()= 1 1!=1()=1. Jika diambil nilai m =, maka diperoleh: () ()= 6 ( ) Optimasi Bersyarat Salah satu cara yang digunakan dalam mendapatkan estimator spline kubik adalah optimasi bersyarat, yakni menyelesaikan optimasi min [,] ( h ) dengan syarat: (h ()), 0 Tahapan analisis yang digunakan dalam penelitian ini: 1. Meminimumkan: ( h), dengan syarat:(h ), 0 Dengan langkah-langkah sebagai a. Mendefinisikan suatu fungsi: (h) = (h) + (h), h [, ] Dimana (h) = [h ()] Selanjutnya berdasarkan turunan Getaux, maka h ditransformasikan menjadi h = + sehingga: (,, ) = ( + ) + ( ( + ) ) b. Selanjutnya persamaan diatas diturunkan terhadap (, ; ) c. Proses selanjutnya bentuk yang telah diturunkan diatas, diselesaikan dan hasilnya disamakan dengan nol: (,, ) = 0 d. Langkah terakhir mendapatkan bentuk estimator spline kubik: h() = () 31
3 J.Takaria / Bimafika, 011, 3, Estimator Spline Kubik Disajikan data berpasangan (, ). Hubungan keduanya dimodelkan mengikuti model regresi nonparametrik: = h() +, = 1,,,, dengan asumsi error ( ) identik independen dengan mean nol dan variansi. Tujuan yang hendak dicapai adalah mendapatkan bentuk estimator spline kubik, dimana estimator spline kubuk yang dihasilkan diperoleh dengan suatu cara optimasi bersyarat, yakni menyelesaikan optimasi: min [,] ( ), dengan syarat: ( ()), 0 Selanjutnya bentuk bersyarat persamaan diatas dapat ditulis menjadi: min [,] ( h ) penghalus + ( (h ()) ) dengan merupakan parameter min [,] ( h ) + (h ()) ) min [,]{ (h) + (h)} dengan (h) = (h ()) berdasarkan konsep Getaux, maka h dapat ditransformasikan menjadi h = +, dimana, [, ], dan merupakan suatu nilai real. Selanjutnya definisikan: (h) = (h) + (h) (h) = + (h) Selanjutnya persamaan tersebut diselesaikan bagian demi bagian, sebagai (h). = ( h ) Subtitusikan h = +, maka diperoleh: ( + ) = [ ( + ) ] = [ ( + ) ] Selanjutnya diturunkan terhadap, didapatkan: ( + ) = [ ] = [ ] Berdasarkan turunan Getaux, jika diambil nilai = 0, maka didapatkan: ( + ) = [ 0. ] = [ ] (1) () Selanjutnya untuk penalty diperoleh: (h) = (h ()) Untuk h = +, : ( + ) = ( + ) ()) = ( + )()) = ( () + ()) () Proses selanjutnya () diatas diturunkan terhadap didapat: ( + ) = ( () + () () = () + () (3) Jika diambil nilai = 0, dan disubtitusikan pada persamaan (***) maka diperoleh: ( + ) = () + 0 () = () () Selanjutnya (h) yang telah diturunkan terhadap hasilnya disamakan dengan nol: ( + ) = 0 3
4 J.Takaria / Bimafika, 011, 3, diperoleh persamaan () () () () + () () = 0 = = [ ] (4) Selanjutnya misalkan,, basis untuk spline dan = dimana merupakan koefisien-koefisien real, maka Eubank (1988) memberikan hubungan: () () = 6 ( ) (5) Dimana koefisien real. Proses selanjutnya persamaaan (5) diatas disubtitusikan ke dalam persamaan (4) diperoleh: [ ] = 6 ( ) Maka didapatkan: [ ( )] = 6 ( ) (6) Karena berlaku untuk setiap [, ], maka persamaan (6) memenuhi bentuk: = 6 = + 6 = ( + 6 ), = 1,,, Persamaan diatas disajikan dalam matriks = ( ( ) + 6 ) ( ( ) + 6 ) ( ( ) + 6 ) ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( ) ( ) + 6 Selanjutnya dapat ditulis menjadi: = (+ ) (7) Dimana = 6,,,, dan = ( ),,,, Langkah selanjutnya persamaan (7) digandakan dengan pada kedua ruas diperoleh: = ( + ) Akhirnya didapat: = ( + ) Sehingga bentuk estimator kurva regresi h dapat disajikan sebagai h () = = ( + ) = (), () = ( + ) Jadi estimator spline kubik dapat disajikan dalam bentuk: Kesimpulan h () = () Kesimpulan yang dapat ditarik dari hasil penelitian ini adalah: 1. Dalam mendapatkan estimator spline kubik digunakan optimasi bersyarat yaitu meminimumkan: 33
5 J.Takaria / Bimafika, 011, 3, ( h( ), dengan syarat (h (), dimana 0. Dengan menggunakan optimasi bersyarat, diperoleh estimator spline kubik yang dinyatakan sebagai: h () = () Dimana: () = ( + ), untuk = 6,,,, DAFTAR PUSTAKA Casella, G., and Berger, R.L. (00). Statistical Inference, Duxbury Thomson Learning, New York USA. Eubank, R.L. (1988). Spline Smooting and Nonparametric Regression, New Marcel Deker, New York. Green, P.J. dan Silverman, B.W. (1994). Nonparametric Regression Statistical Society seri c, vol, 63, Hardle, W. (1990). Applied Nonparametric Regression, Cambridge New York. Rice, J. (001). Reflections on SCMA III, Departement of Statistics University of California at Berkeley, stat Berkeley.edu/users/rice/scma-rice Stewart, J. (1991). Calculus. Mc Master University, Pacific Grove California. Wahba, G. (1990). Spline Models for observational Data. SIAM, CBMS-NSF Regional Confrence Series in Applied Mathematics, Philadelphia. 34
BAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciPENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1
PENENTUAN MODEL REGRESI SPLINE TERBAIK Agustini Tripena 1 1) Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Pada paper ini
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciMODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN Amalia Ma rufa, Sri Subanti, Titin Sri Martini Program Studi Matematika FMIPA UNS
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciREGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS
REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS Dhina Oktaviana P, I Nyoman Budiantara Mahasiswa Jurusan Statistika ITS Surabaya, Dosen Jurusan Statistika ITS Surabaya
Lebih terperinciESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE
ESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE Dian Ragil P.. Abstrak Model varying-coefficient pada data longitudinal akan dikaji dalam proposal ini. Hubungan antara variabel
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinci2-RP RENCANA PEMBELAJARAN. Semester : VI Hal: 1 dari 5. No.Revisi : 00. tim. Regresi Nonparametrik. Deskripsi. Kemampuan. lokal).
RP S1 SP 14 A. CAPAIAN PEMBELAJARAN : CP 11.1 : Mampu memodelkan data kuantitatif univariat linier nonlinier. CP15.2 : Mampu mengelola berja dalam tim CP15.4 : Bertanggung jawab atas hasil rja mandiri
Lebih terperinciBAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis dalam statistika yang dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau variabel bebas X dengan
Lebih terperinciADLN Perpustakaan Universitas Airlangga
PERBANDINGAN METODE GENERALIZED CROSS VALIDATION DAN GENERALIZED MAXIMUM LIKELIHOOD DALAM REGRESI NONPARAMETRIK SPLINE UNTUK MEMPERKIRAKAN JUMLAH LEUKOSIT PADA TERSANGKA FLU BURUNG DI JAWA TIMUR RINGKASAN
Lebih terperinciESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL
Statistika Vol 1 No 1 Mei 213 ESTIMASI KURVA REGRESI SEMIPARAMETRIK PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR POLINOMIAL LOKAL Tiani Wahyu Utami 1 Program Studi S1 Statistika Universitas Muhammadiyah
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.
PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
Lebih terperinciAPLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR
APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR Oleh : Isnia Dwimayanti (0 09 06) Pembimbing : DR Drs I Nyoman Budiantara, MS ABSTRAK Tingginya tingkat fertilitas
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
Lebih terperinciPENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 121 126. PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK Yuyun
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN
PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN REGRESI PENALIZED SPLINE BERBASIS RADIAL SKRIPSI Disusun oleh: KARTIKANINGTIYAS H.S 24010211140076 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 603-612 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI
Lebih terperinciPEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)
PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan) I Made Budiantara Putra 1, I Gusti Ayu Made Srinadi 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana
Lebih terperinciPEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL
PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL Alan Prahutama, Suparti, Departemen Statistika, Fakultas Sains dan Matematika,Universitas
Lebih terperinciBAB I PENDAHULUAN. bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi.
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi telah diterapkan pada berbagai bidang, seperti administrasi bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi. Keberhasilan dalam
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN REGRESI PENALIZED SPLINE BERBASIS RADIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 533-541 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciAPLIKASI SPLINE ESTIMATOR TERBOBOT
APLIKASI SPLINE ESTIMATOR TERBOBOT I Nyoman Budiantara) APLIKASI SPLINE ESTIMATOR TERBOBOT I Nyoman Budiantara Dosen Fakultas Matematika dan Ilmu Pengetahuan Alam, Jurusan Statistika Institut Teknologi
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (respon) dengan satu atau lebih variabel independen (variabel penjelas), dengan
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 II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciSeminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS
Seminar Tugas Akhir Oleh: Dhina Oktaviana P 1307 100 068 Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
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 terperinciPREDIKSI KURS RUPIAH TERHADAP EURO MENGGUNAKAN MODEL REGRESI SPLINE TERSEGMEN
PREDIKSI KURS RUPIAH TERHADAP EURO MENGGUNAKAN MODEL REGRESI SPLINE TERSEGMEN Iswan Rahman 1, Raupong 2, M. Saleh AF. 3 1 Mahasiswa Departemen Matematika FMIPA Universitas Hasanuddin 2,3 Staff Pengajar
Lebih terperinciANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE
ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE SKRIPSI Oleh : ALVITA RACHMA DEVI 24010210120017 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciAPLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
E-Jurnal Matematika Vol 6 (1), Januari 2017, pp 65-73 ISSN: 2303-1751 APLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
Lebih terperinciGENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 191 196. GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE
PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE SKRIPSI Disusun Oleh : ANISA SEPTI RAHMAWATI 24010212140046 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
5 II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 2, Tahun 2017, Halaman 221-230 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI SPLINE MENGGUNAKAN METODE PENALIZED SPLINE
Lebih terperinciMODEL REGRESI SEMI PARAMETRIK DENGAN ESTIMATOR SPLINE PARSIAL
MODEL REGRESI SEMI PARAMETRIK DENGAN ESTIMATOR SPLINE PARSIAL Aplikasi Pada Faktor Yang Mempengaruhi Prestasi Belajar (Nilai Praktek) Mahasiswa Sekolah Tinggi Ilmu Kesehatan William Booth Surabaya Erika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kota Medan merupakan ibukota Provinsi Sumatera Utara dan menjadi kota terbesar nomor 3 (tiga) di Indonesia setelah Jakarta dan Surabaya. Selain sebagai kota
Lebih terperinciMODEL REGRESI SPLINE KNOT OPTIMAL UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN BAYI DI JAWA TIMUR
MODEL REGRESI SPLINE KNOT OPTIMAL UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN BAYI DI JAWA TIMUR Elsha Puspitasari, Drs. Hery Tri Sutanto, M.Si 2,,2 Jurusan Matematika, Fakultas Matematika
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Dalam ilmu statistika, metode yang dapat digunakan untuk menganalisis pola hubungan antara satu variabel atau lebih dengan satu variabel atau lebih lainnya
Lebih terperinciPREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL
PREDIKSI INFLASI DI PROVINSI JAWA TENGAH DENGAN MENGGUNAKAN REGRESI KERNEL Firmanti Suryandari, Sri Subanti, Bowo Winarno Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi merupakan proses meningkatnya
Lebih terperinciTINJAUAN PUSTAKA. Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Menurut Hardle (1994) analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel
Lebih terperinciOleh : Edwin Erifiandi (NRP ) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi
Oleh : Edwin Erifiandi (NRP. 1309 201 701) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi PENDAHULUAN Latar Belakang (1) () Salah satu metode statistika untuk memodelkan hubungan antar variabel adalah
Lebih terperinciABSTRAK. Kata Kunci: regresi nonparametrik spline, knot, GCV, angka kematian bayi.
Judul : Pemodelan Regresi Nonparametrik Spline Pada Angka Kematian Bayi di Provinsi Bali Nama : Gede Abdi Hadi Suryawan Pembimbing : 1. I.Gst. Ayu Made Srinadi, S.Si.,M.Si. 2. I Wayan Sumarjaya, S.Si.,M.Stats.
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK UNTUK PROSES PEMBENTUKAN LIMBAH PABRIK GULA ASEMBAGUS SITUBONDO
PENDEKATAN REGRESI SEMIPARAMETRIK UNTUK PROSES PEMBENTUKAN LIMBAH PABRIK GULA ASEMBAGUS SITUBONDO Niarfie Radythia, 2 Ir. Mutiah Salamah Chamid, M Kes, dan 3 Jerry Dwi TP, S.Si, M.Si Mahasiswa Jurusan
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK MULTIVARIABEL DENGAN ESTIMATOR SPLINE PARSIAL
MODEL REGRESI SEMIPARAMETRIK MULTIVARIABEL DENGAN ESTIMATOR SPLINE PARSIAL Aplikasi Faktor Yang Mempengaruhi Kepuasan Pelayanan Kesehatan Di Rumah Sakit William Booth Surabaya Erika Untari Dewi Email :
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 terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 527-532 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI NONPARAMETRIK DATA LONGITUDINAL MENGGUNAKAN
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 terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR
UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 223-231 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMILIHAN MODEL REGRESI POLINOMIAL LOKAL DAN SPLINE UNTUK ANALISIS
Lebih terperinciSeminar Hasil Tesis ESTIMATOR SPLINE DALAM REGRESI NONPARAMETRIK MULTIRESPON (STUDI KASUS TINGKAT KESEJAHTERAAN DI INDONESIA TAHUN 2009)
Seminar Hasil Tesis ESTIMATOR SPLINE DALAM REGRESI NONPARAMETRIK MULTIRESPON (STUDI KASUS TINGKAT KESEJAHTERAAN DI INDONESIA TAHUN 2009) Oleh: I Gde Adnyana Pembimbing: Prof. Dr. Drs. I Nyoman Budiantara,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Definisi Belajar Menurut Dalyono (2007), ada beberapa definisi belajar dari para ahli, antara lain, yaitu: a) Witherington, dalam buku educational psychology mengemukakan:
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinciPEMILIHAN BANDWIDTH PADA ESTIMATOR NADARAYA-WATSON DENGAN TIPE KERNEL GAUSSIAN PADA DATA TIME SERIES
PEMILIHAN BANDWIDTH PADA ESTIMATOR NADARAYA-WATSON DENGAN TIPE KERNEL GAUSSIAN PADA DATA TIME SERIES (Studi Kasus: Penutupan Indeks Harga Saham Harian Jakarta Islamic Index (JII) Periode 1 Januari 2016
Lebih terperinciPEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN
SIDANG LAPORAN TUGAS AKHIR PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN Oleh : Servianie Purnamasari (1310 030
Lebih terperinciREGRESI SPLINE SEBAGAI ALTERNATIF DALAM PEMODELAN KURS RUPIAH TERHADAP DOLAR AMERIKA SERIKAT SKRIPSI
REGRESI SPLINE SEBAGAI ALTERNATIF DALAM PEMODELAN KURS RUPIAH TERHADAP DOLAR AMERIKA SERIKAT SKRIPSI Oleh: SULTON SYAFII KATIJAYA NIM : J2E009041 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciAPLIKASI SPLINE TRUNCATED DALAM REGRESI NONPARAMETRIK SKRIPSI FIKA KHAIRANI
APLIKASI SPLINE TRUNCATED DALAM REGRESI NONPARAMETRIK SKRIPSI FIKA KHAIRANI 120823020 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015 APLIKASI
Lebih terperinciKata Kunci : regresi semiparametrik, spline, knot, GCV
Judul : Aplikasi Model Regresi Semiparametrik Spline Truncated (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja) Nama : Ni Wayan Merry Nirmala Yani Pembimbing : 1. I.Gst. Ayu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu alat statistika yang banyak digunakan untuk mengetahui hubungan antara sepasang variabel atau lebih. Misalkan X adalah variabel
Lebih terperinciBAB I PENDAHULUAN. Daerah daratan adalah daerah yang terletak di atas dan di bawah
BAB I PENDAHULUAN 1.1 Latar Belakang Daerah daratan adalah daerah yang terletak di atas dan di bawah permukaan daratan dimulai dari batas garis pasang tertinggi. Daerah lautan adalah daerah yang terletak
Lebih terperincioleh FAIFAR NUR CHAYANINGTYAS M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
MODEL REGRESI B-SPLINE PADA LAJU PERTUMBUHAN PENDUDUK DI INDONESIA oleh FAIFAR NUR CHAYANINGTYAS M0112032 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciAnalisis Regresi Spline Multivariabel untuk Pemodelan Kematian Penderita Demam Berdarah Dengue (DBD) di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 0) ISSN: 0-98X D- Analisis Regresi Spline Multivariabel untuk Pemodelan Kematian Penderita Demam Berdarah Dengue (DBD) di Jawa Timur Reza Mubarak dan I Nyoman
Lebih terperinciMODEL SPLINE TERBOBOT UNTUK MERANCANG KARTU MENUJU SEHAT (KMS) PROPINSI JAWA TIMUR
MODEL SPLINE TERBOBOT UNTUK MERANCANG KARTU MENUJU SEHAT (KMS) PROPINSI JAWA TIMUR Adi Wicaksono 1, Mutiah Salamah, dan Jerry Dwi Trijoyo Purnomo 1 Mahasiswa Statistika ITS Dosen Statistika ITS ABSTRAK
Lebih terperinciPEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL
PEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL ( Studi Kasus : Harga Saham Bulanan pada Kelompok Saham Perbankan Periode Januari 2009 Desember 2015 ) SKRIPSI Disusun oleh: KHOIRUNNISA NUR FADHILAH
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR
SULVIA MEGASARI 1310 100 037 PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR 1 Sulvia Megasari dan I Nyoman Budiantara Jurusan Statistika, Fakultas Matematika
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan
Lebih terperinciBAB 1 PENDAHULUAN. hubungan antara variabel respon dengan satu atau beberapa variabel prediktor.
BAB 1 PENDAHULUAN A. Latar Belakang Masalah Analisis regresi merupakan metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan X adalah
Lebih terperinciPROSIDING ISBN:
METODE KUADRAT TERKECIL UNTUK ESTIMASI KURVA REGRESI SEMIPARAMETRIK SPLINE Wahyu Wibowo Mahasiswa S3 Jurusan Matematika Universitas Gadjah Mada Yogyakarta Sri Haryatmi Jurusan Matematika Universitas Gadjah
Lebih terperinciEFISIENSI RELATIF ESTIMATOR FUNGSI KERNEL GAUSSIAN TERHADAP ESTIMATOR POLINOMIAL DALAM PERAMALAN USD TERHADAP JPY
UJM 2 (2) (2013) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm EFISIENSI RELATIF ESTIMATOR FUNGSI KERNEL GAUSSIAN TERHADAP ESTIMATOR POLINOMIAL DALAM PERAMALAN USD TERHADAP
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dengan semakin majunya peradaban, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data ke dalam suatu fungsi yang dapat dipergunakan
Lebih terperinciPertemuan 9 : Interpolasi 1 (P9) Interpolasi. Metode Newton Metode Spline
Pertemuan 9 : Interpolasi 1 (P9) Interpolasi Metode Newton Metode Spline Pertemuan 9 : Interpolasi 2 Interpolasi Newton Polinomial Maclaurin dan polinomial Taylor menggunakan satu titik pusat, x 0 untuk
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-157 Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK
Jurnal Matematika Vol. 2 No. 1, Juni 2012. ISSN : 1693-1394 ESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK I Komang Gede Sukarsa e-mail: sukarsakomang@yaoo.com I Gusti Ayu Made Srinadi e-mail: srinadiigustiayumade@yaoo.co.id
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 447-454 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL (
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab II dalam penelitian ini terdiri atas analisis regresi, deret Fourier, FDA, estimasi parameter pada analisis data dan estimasi parameter pada roughness penalty. 2. Analisis Regresi
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN Berdasarkan tujuan penelitian, maka pada bab ini akan dilakukan estimasi model regresi nonparametrik berdasarkan estimator polinomial lokal kernel dengan meminimumkan Weigted
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA 1 Ria Muslikah, Moh. Yamin Darsyah 1,,3 Program Studi
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-103 Pemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua Latifatul Mubarokah, I Nyoman
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS ARILANGGA BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statistika Deskriptif Statistika deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan informasi yang berguna. Metode
Lebih terperinciE-Jurnal Matematika. 1 of 4 7/9/ :39 PM. Journal Help USER. Username OPEN JOURNAL SYSTEMS
E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk 1 of 4 7/9/2015 10:39 PM E - J u r n a l M a t e m a t i k a OPEN JOURNAL SYSTEMS Journal Help USER Username E-Jurnal Matematika http://ojs.unud.ac.id/index.php/mtk
Lebih terperinciKATA PENGANTAR. terselesaikan. Tak lupa shalawat dan salam selalu tecurah atas Nabi kita Muhammad
i ii iii KATA PENGANTAR Puji syukur penulis panjatkan atas kehadirat Allah SWT. Sesungguhnya karena Dialah yang telah mengkaruniakan rahmatnya sehingga skripsi/ tugas akhir ini dapat terselesaikan. Tak
Lebih terperinciANALISIS REGRESI LINEAR
BAB V ANALISIS REGRESI LINEAR Pendahuluan Analisis regresi merupakan suatu analisis antara dua variabel yaitu variabel independen (Prediktor) yaitu variabel X dan variabel dependent (Respon) yaitu variabel
Lebih terperinciTINJAUAN PUSTAKA. Tingkat Penerimaan Masyarakat terhadap Bank Syariah
4 TINJAUAN PUSTAKA Pangsa Pasar Menurut Undang-Undang Republik Indonesia No. 5 Tahun 2009 Tentang Larangan Praktik Monopoli dan Persaingan Usaha Tidak Sehat, pangsa pasar adalah persentase nilai jual atau
Lebih terperinciPENDUGAAN MODEL REGRESI SEMIPARAMETRIK MENGGUNAKAN PENDUGA KERNEL [SKRIPSI] KOMPETENSI STATISTIKA
PENDUGAAN MODEL REGRESI SEMIPARAMETRIK MENGGUNAKAN PENDUGA KERNEL [SKRIPSI] KOMPETENSI STATISTIKA oleh: NI PUTU PERDINA 0808405003 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciADLN PERPUSTAKAAN UNIVERSITAS AIRLANGGA
ESTIMASI MODEL REGRESI NONPARAMETRIK BI-RESPONSE PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR WEIGHTED SPLINE TRUNCATED SKRIPSI DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN DALAM MEMPEROLEH GELAR SARJANA
Lebih terperinciPEMILIHAN MODEL REGRESI NONPARAMETRIK TERBAIK UNTUK ANALISIS DATA INFLASI DI JAWA TENGAH SKRIPSI. Oleh: ELYAS DARMAWAN NIM.
PEMILIHAN MODEL REGRESI NONPARAMETRIK TERBAIK UNTUK ANALISIS DATA INFLASI DI JAWA TENGAH SKRIPSI Oleh: ELYAS DARMAWAN NIM. 24010210130061 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (04) 7-0 (0-98X Print) D-7 Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya Merly Fatriana Bintariningrum
Lebih terperinciRANCANGAN D-OPTIMAL UNTUK MODEL EKSPONENSIAL GENERAL. Abstract
Rancangan D-Optimal (Tatik Widiharih) RANCANGAN D-OPTIMAL UNTUK MODEL EKSPONENSIAL GENERAL Tatik Widiharih 1, Sri Haryatmi 2, Gunardi 3 1 Dosen Jurusan Statistika FSM UNDIP, widiharih@gmail.com 2 Dosen
Lebih terperinci