PERINGATAN!!! Bismillaahirrahmaanirraahiim Assalamu alaikum warahmatullaahi wabarakaatuh

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERINGATAN!!! Bismillaahirrahmaanirraahiim Assalamu alaikum warahmatullaahi wabarakaatuh"

Transkripsi

1 PERINGATAN!!! Bismillaahirrahmaanirraahiim Assalamu alaikum warahmatullaahi wabarakaatuh 1 Skripsi digital ini hanya digunakan sebagai bahan referensi 2 Cantumkanlah sumber referensi secara lengkap bila Anda mengutip dari Dokumen ini 3 Plagiarisme dalam bentuk apapun merupakan pelanggaran keras terhadap etika moral penyusunan karya ilmiah 4 Patuhilah etika penulisan karya ilmiah Selamat membaca!!! Wassalamu alaikum warahmatullaahi wabarakaatuh UPT PERPUSTAKAAN UNISBA

2 PENAKSIRAN PARAMETER DARI MODEL REGRESI BETA UNTUK DATA PROPORSI DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM SKRIPSI Oleh : BETA PUTRI WIJAYA NPM: PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM BANDUNG 2012 M / 1433 H

3 PENAKSIRAN PARAMETER DARI MODEL REGRESI BETA UNTUK DATA PROPORSI DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM SKRIPSI Diajukan untuk memenuhi salah satu persyaratan guna Memperoleh Gelar Sarjana Sains pada Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung Oleh: BETA PUTRI WIJAYA NPM: PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM BANDUNG 2012 M / 1433 H

4 SURAT PERNYATAAN Yang bertanda tangan di bawah ini : Nama : Beta Putri Wijaya NPM : Status : Mahasiswa Semester Delapan Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Bandung Judul Skripsi : PENAKSIRAN PARAMETER DARI MODEL REGRESI BETA UNTUK DATA PROPORSI DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM Menyatakan dengan sesungguhnya bahwa skripsi atau karya tulis ilmiah ini benar-benar hasil karya sendiri bukan jiplakan dari hasil karya orang lain Demikian pernyataan ini saya buat dengan sebenar-benarnya, dengan harapan yang berkepentingan menjadi maklum adanya Bandung, September 2012 Yang Membuat Pernyataan Beta Putri Wijaya

5 JUDUL : PENAKSIRAN PARAMETER DARI MODEL REGRESI BETA UNTUK DATA PROPORSI DENGAN MENGGUNAKAN METODE KEMUNGKINAN MAKSIMUM NAMA : BETA PUTRI WIJAYA NPM : Setelah membaca skripsi ini secara seksama, menurut pertimbangan kami telah memenuhi persyaratan ilmiah sebagai skripsi Pembimbing I Pembimbing II Nusar Hajarisman, MSi NIKD Siti Sunendiari,Dra,MSi NIKD Mengetahui, Dekan F-MIPA Unisba Ketua Jurusan Statistika F-MIPA Unisba M Yusuf Fajar, Drs, MSi NIP Suliadi, MSi, PhD NIK D Tanggal Lulus : 6 September 2012

6 ABSTRAK Beta Putri Wijaya, Penaksiran Parameter Dari Model Regresi Beta Untuk Data Proporsi Dengan Metode Kemungkinan Maksimum Di bawah bimbingan Nusar Hajarisman,MSi dan Siti Sunendiari,MSi Skripsi ini menyajikan suatu variabel respons yang berbentuk proporsi yang nilainya berada dalam selang terbuka (0, 1) dapat dihubungkan dengan sejumlah variabel prediktor melalui model regresi beta Model ini merupakan bagian dari generalized linear model (GLM) dimana variabel respons megikuti distribusi beta yang merupakan anggota dari keluarga eksponensial Parameter regresi dari model regresi beta diinterpretasikan dalam bentuk rata-rata dari respons, dan saat menggunakan fungsi hubung logit, parameter regresi ini diinterpretasikan sebagai odds rasio Penaksiran parameter model menggunakan metode kemungkinan maksimum, dimana proses penaksirannya harus diselesaikan secara numerik Dalam skripsi ini penaksiran parameter model regresi beta dilakukan melalui metode penskoran Fisher berdasarkan pada vektor skor dan matriks informasi Fisher untuk menaksir perilaku kelulusan mahasiswa dalam mengikuti Tingkat Persiapan Bersama di Institut Pertanian Bogor tahun akademik 1997/1998, dimana hanya jenis kelamin dan nilai ebtanas murni yang dapat mempengaruhi perilaku kelulusan mahasiswa tersebut Kata Kunci: distribusi beta, model linear umum, metode kemungkinan maksimum, odds rasio, dan fungsi logit

7 MOTTO DAN PERSEMBAHAN Motto Artinya : Bahwa tiada yang orang dapatkan, kecuali yang ia usahakan, Dan bahwa usahanya akan kelihatan nantinya (QS An Najm ayat 39-40) Persembahan Dengan rasa syukur yang mendalam skripsi ini kupersembahkan untuk Kedua orang tuaku tercinta Papa dan Mama, ini anakmu mencoba memberikan yang terbaik untukmu Betapa diri ini ingin melihat kalian bangga padaku Betapa tak ternilai kasih sayang dan pengorbanan kalian padaku, Maaf bila selama ini anakmu nakal dan tidak mau mendengar apa kata orang tuanya Dalam hati ini aku sayang kalian Kakakku Eka dan Winda terimakasih atas dukungan kalian yang selalu siap membantuku, selalu peduli dan terus mendukungku Sahabat-sahabatku tersayang,teman seperjuanganku dikampus, Rizky, Sarah, Fitri, dan Riris terimakash untuk motivasi dan dukunganya Dan yang terkasih dan tersayang, Ardi terimakasih untuk segala dukungan, motivasi dan pengertiannya

8 KATA PENGANTAR Bismillahirahmanirrahiim Puji dan syukur penulis panjatkan kehadirat Allah SWT, atas nikmat, rahmat serta hidayah-nya, tidak lupa shalawat serta salam tercurah pada Nabi Muhammad SAW, dengan karunia-nya sehingga penulis dapat menyelesaikan kuliah di Program Studi Statistika Universitas Islam Bandung serta menyusun dan menyelesaikan skripsi yang merupakan salah satu syarat untuk memenuhi kelulusan kuliah pada Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam di Universitas Islam Bandung Penulis menyadari skripsi ini belum dikatakan sempurna, hal ini dikarenakan keterbatasan pengetahuan, pengalaman, maupun kemampuan yang dimiliki, Oleh karena itu penulis mengharapkan semua pihak dapat memberikan saran-saran penyempurnaan yang berguna bagi penulis khususnya dan bagi pembaca pada umumnya Dengan seluruh kerendahan hati dan penuh rasa hormat penulis mengucapkan terima kasih dan penghargaan sebesar-besarnya kepada : 1 Bapak Nusar Hajarisman,MSi, selaku dosen pembimbing I yang telah memberikan sumbangan pikiran, pengetahuan, ilmu dan kesempatan serta kemudahan bagi penulis untuk dapat menyelesaikan skripsi ini i

9 2 Ibu Siti Sunendiari,Dra,MSi, selaku dosen pembimbing II yang telah memberikan sumbangan pikiran, pengetahuan, ilmu dan kesempatan serta kemudahan bagi penulis untuk dapat menyelesaikan skripsi ini 3 Bapak M Yusuf Fajar, Drs, MSi, selaku Dekan FMIPA Universitas Islam Bandung 4 Bapak R Dachlan Muchlis, Drs, MT, selaku wakil dekan FMIPA Universitas Islam Bandung 5 Bapak Suliadi, MSi, PhD, selaku Ketua Program Studi Statistika FMIPA Universitas Islam Bandung 6 Bapak Dr Suwanda, MS, selaku dosen wali Statistika Universitas Islam Bandung angkatan 2008 yang telah meluangkan waktu dan kesabarannya dalam memberi pengarahan, ilmu, serta bimbingan selama ini 7 Dosen-Dosen Program Studi Statistika, yang telah memberikan banyak bekal ilmu pengetahuan selama perkuliahan 8 Bapak Mastur, Ibu Tineu, dan bagian administrasi FMIPA yang selalu membantu penulis dalam proses administrasi perkuliahan dan sidang skripsi 9 Akang dan Teteh Asisten Lab Statistika terima kasih atas segala bantuan, dukungan dan waktu luang dalam membantu skripsi ini 10 Teman-teman Program Studi Statistika angkatan 2005, 2006, 2007, 2008, 2009, 2010 dan 2011 Universitas Islam Bandung, terima kasih untuk suka duka, bantuan, kebersamaan dan persahabatan kita 11 Dan semua pihak yang telah membantu dalam penyusunan skripsi ini ii

10 Semoga Allah SWT senantiasa memberikan rahmat dan karunia untuk memberi balasan atas semua bantuan fikiran yang telah diberikan kepada penulis Besar harapan bahwa skripsi ini dapat memberikan manfaat bagi pembaca Akhir kata dengan ketulusan dan kerendahan hati, penulis panjatkan dan semoga Allah SWT membalas budi baik serta melimpahkan rahmat-nya kepada semua pihak yang telah memberikan bantuannya, Amin Jazakumullaahu khairun katsira Billahitaufiqwalhidayah Wassalamu alaikum Wr Wb Bandung, September 2012 Penulis iii

11 DAFTAR ISI Halaman KATA PENGANTAR i DAFTAR ISI iv DAFTAR TABEL vi DAFTAR GAMBAR vii DAFTAR LAMPIRAN viii BAB I PENDAHULUAN 11 Latar Belakang Masalah 1 12 Tujuan dan Manfaat Penelitian 3 13 Kerangka Penulisan 4 BAB II PENAKSIR MODEL REGRESI BETA 21 Pendahuluan 5 22 Generalized Linear Model (GLM) Distribusi Keluarga Eksponensial Unsur-unsur dalam GLM 8 23 Prosedur Penaksiran Parameter dalam GLM 9 24 Distribusi Beta Model Regresi Beta Penaksir Kemungkinan Maksimum Untuk Regresi Beta Regresi Logistik Uji Kecocokan Model Uji Signifikansi Parameter Model 20 BAB III METODOLOGI PENELITIAN 31 Data dan Sumber Data Tahapan Penelitian 25 iv

12 33 Algoritma Penskoran Fisher 26 BAB IV HASIL DAN PEMBAHASAN 41 Pendahuluan Deskriptif Data Hasil- hasil Pada Model Regresi Logistik Hasil- hasil Pada Model Regresi Beta Pembahasan Hasil- hasil dari Kedua Model Regresi 40 BAB V KESIMPULAN DAN SARAN 51 Kesimpulan Saran 45 DAFTAR PUSTAKA 46 LAMPIRAN 47 v

13 DAFTAR TABEL NoTabel Halaman Tabel 31 Daftar Nama Variabel dan Kategori dari Variabel 23 Tabel 32 Daftar Proporsi Kelulusan Mahasiswa 24 Tabel 41 Model Regresi Logistik Variabel Tunggal 35 Tabel 42 Tabel 43 Penaksir Koefisien, Standar Error, dan Statistik Chikuadrat Berdasarkan Hasil Pada Tabel Penaksir Koefisien, Standar Error, dan Statistik Chikuadrat Berdasarkan Hasil Pada Tabel Tabel 44 Model Regresi Beta Variabel Tunggal 38 Tabel 45 Tabel 46 Penaksir Koefisien, Standar Error, dan Uji t Berdasarkan Hasil Pada Tabel Penaksir Koefisien, Standar Error, dan Uji t Berdasarkan Hasil Pada Tabel vi

14 DAFTAR GAMBAR No Gambar Halaman Gambar 31 Diagram Alir Penskoran Fisher 28 Gambar 41 Diagram Lingkaran Jenis Kelamin 31 Gambar 42 Diagram Lingkaran Cara Lolos Seleksi ke IPB 31 Gambar 43 Box Plot Nilai Rata-rata Ijazah 32 Gambar 44 Box Plot Nilai Ebtanas Murni 32 Gambar 45 Diagram Lingkaran Daerah Asal Sekolah 33 Gambar 46 Diagram Lingkaran Status Asal sekolah 33 vii

15 DAFTAR LAMPIRAN No Lampiran Halaman Lampiran 1 Notasi 47 Lampiran 2 Data Proporsi Kelulusan Mahasiswa 48 Lampiran 3 Hasil Output SAS Model Regresi Beta 49 Lampiran 4 Hasil Output SAS Model Regresi Logistik 52 viii

16 BAB I PENDAHULUAN 11 Latar Belakang Masalah Analisis regresi adalah metode statistika yang digunakan untuk menyelidiki atau memodelkan hubungan antar variabel bebas dan variabel tak bebas Analisis regresi telah banyak diterapkan dalam ilmu sosial dan eksak Apabila kita dihadapkan pada suatu masalah penaksir atau peramalan nilai variabel, katakanlah variabel itu Y dan variabel satunya X, dengan pengambilan suatu sampel acak berukuran n dari populasi [(x i,y i ), untuk i =1,2,,n], maka data yang diperoleh dapat diplotkan untuk menghasilkan diagram pencar Apabila titiktitik dalam diagram pencar itu mengikuti garis lurus, hal ini menunjukan bahwa kedua variabel tersebut berhubungan secara linier, dengan secara matematik hubungan linier yang terbentuk dalam persamaan garis lurus disebut garis regresi linier Persamaaan tersebut dinyatakan oleh: ݕ = ߚ + ߚ ଵ ݔ + ߝ ; = 1,2,, (11) dimana ߚ menyatakan intersep atau perpotongan dengan sumbu tegak, ߚ ଵ adalah kemiringan (slope) atau gradiennya, y adalah variabel tak bebas atau sering juga disebut sebagai variabel respon, x adalah variabel bebas atau prediktor, dan ε i merupakan variabel acak yang memperhitungkan kegagalan model untuk kecocokan data secara tepat 1

17 Tujuan utama analisis regresi adalah melihat hubungan antara variabel respon dengan satu atau lebih variabel prediktor Bentuk hubungan antara kedua variabel tersebut yang dinyatakan dalam model regresi digunakan utamanya untuk melihat bagaimana pengaruh dari satu atau lebih variabel prediktor terhadap variabel respon Jika diasumsikan bahwa ε i mengikuti distribusi normal dengan rata-rata 0 dan variansi 2 ditulis ߝ (0, ߪ ଶ (ܫ di dalam metode kuadrat terkecil Ketika asumsi terpenuhi, maka penaksir kuadrat terkecil mempunyai sifat-sifat kualitas penaksir yang baik, artinya penaksir tak bias dan bervariansi minimum, maka penaksir kuadrat terkecil ini akan sama dengan hasil dari metode kemungkinan maksimum Apabila dihadapkan dengan variabel respons yang berbentuk proporsi, tentu saja penggunaan metode kuadrat terkecil biasa (ordinary least square) bukan merupakan solusi yang tepat untuk memodelkan data yang variabel responsnya (y*) berbentuk proporsi Hal ini bisa terjadi karena dua alasan, masalah non-linearitas, dimana model regresi linear biasa akan memberikan nilai taksiran y* di luar wilayah (0, 1), serta masalah heteroskedastisitas, dimana varians y* adalah tidak konstan Untuk mengatasi masalah tersebut biasanya diselesaikan dengan cara menggunakan pendekatan kemungkinan maksimum berdasarkan pada fungsi kemungkinan dari distribusi binomial sebagai dasar pada pemodelan regresi logistik Namun selain menggunakan pendekatan pemodelan regresi logistik, pendekatan lain yang dapat digunakan adalah melalui pemodelan regresi beta Model yang diusulkan dalam skripsi ini tentu saja berdasarkan asumsi bahwa 2

18 variabel respons mengikuti distribusi beta karena model regresi beta merupakan model yang memberikan penaksir parameter yang akurat dan efisien dibandingkan dengan metode kuadrat terkecil biasa, ketika variabel respons yang diamati distribusinya tidak simetris, atau pada saat terjadi masalah heteroskedastisitas Distribusi beta sangat fleksibel dan berbagai fenomena ketidakpastian dapat dimodelkan dengan menggunakan distribusi beta ini Fleksibilitas ini mendorong berkembangnya penggunaan distribusi beta secara empiris dalam berbagai bidang aplikasi Distribusi beta dicirikan oleh dua buah parameter bentuk, dimana melalui transformasi aljabar sederhana dari kedua parameter dapat ditunjukkan bahwa parameter dalam distribusi beta merupakan parameter rata-rata dan parameter presisi Dengan cara tersebut, model regresi beta dapat memberikan penaksir parameter yang berhubungan dengan perubahan dalam rata-rata dan dispersi dari variabel respons Dari uraian diatas maka dalam skripsi ini akan dibahas mengenai bentuk pemodelan regresi beta, penaksiran parameter dalam model regresi beta dengan menggunakan metode pendekatan kemungkinan maksimum 12 Tujuan dan Manfaat Penelitian Tujuan umum dari penulisan skripsi ini ialah untuk menggambarkan hubungan fungsional antara variabel respon dengan variabel prediktor, dimana variabel responnya berbentuk proporsi yang mengikuti distribusi beta Oleh karena variabel responnya berbentuk proporsi maka pada umumnya variabel respon tersebut dimodelkan dengan model regresi logistik, tetapi dalam skripsi ini 3

19 juga variabel tersebut dapat dimodelkan dengan model regresi beta dengan demikian tujuan khusus dari skripsi ini yaitu : Menaksir parameter yang ada dalam model dengan regresi logistik Menaksir parameter yang ada dalam model dengan regresi beta Membandingkan hasil-hasil yang diperoleh model regresi logistik dan model regresi beta Solusi dari hasil penelitian ini diharapkan mampu bermanfaat bagi perkembangan ilmu statistika dan penerapannya di berbagai bidang, khususnya mereka yang tertarik untuk memodelkan data berbentuk proporsi 13 Kerangka Penulisan Untuk mempermudah pemahaman mengenai pembahasan skripsi ini maka dibuatlah kerangka penulisan sebagai berikut : Bab I Pendahuluan, pada bab ini menjelaskan tentang latar belakang masalah, tujuan beserta manfaat penelitian, dan kerangka penulisan Bab II dari skripsi ini berisikan penjelasan tentang tinjauan pustaka yang dipakai dalam penelitian yang diuraikan dalam teori-teori mengenai pengertian GLM, distribusi beta, model regresi beta, penaksir kemungkinan maksimum untuk beta Bab III Metoda Penelitian, pada bab III ini diuraikan mengenai data dan sumber data yang digunakan, dan langkah-langkah penelitian Bab IV Pembahasan, bab ini menguraikan tentang hasil perhitungan yang dilakukan berdasarkan data yang diperoleh dengan menggunakan metodemetode yang sudah dibahas pada bab sebelumnya, dilanjutkan dengan pembahasan terhadap hasil tersebut Bab V Kesimpulan saran, bab ini merupakan bab penutup dari skripsi ini yang berisikan tentang kesimpulan dan saran 4

20 BAB II PENAKSIRAN MODEL REGRESI BETA 21 Pendahuluan Model linier pada umunya berbentuk (21) + = dengan asumsi bahwa unsur-unsur dari e adalah berdistribusi normal identik dan saling bebas, ߪ, 0 )ܦܫ ~ ଶ ), merupakan basis dari kebanyakan analisis untuk data-data kontinu Dengan adanya berbagai kelebihan dalam teori statistik dan perangkat lunak komputer, kita dapat menggunakan metoda analog dengan pengembangan model linear dalam beberapa situasi sebagai berikut: Variabel respons mempunyai distribusi selain distribusi normal mereka mungkin dapat berbentuk kategori daripada kontinu Hubungan antara variabel respons dengan penjelasnya tidak perlu berbentuk linear sederhana seperti dalam (21) Salah satu dari kelebihannya yang telah banyak dikenal juga sebagai sifatsifat yang baik dari distribusi normal dibagi ke dalam kelas yang lebih luas dari suatu distribusi yang disebut juga sebagai distribusi dari keluarga eksponensial Kelebihan yang kedua adalah perluasan dari metoda numerik untuk penaksiran parameter, dari kombinasi linear seperti Xβ dalam (21) kepada fungsi dari kombinasi linear seperti ψ(xβ) Dalam teori prosedur penaksirannya adalah langsung Dalam prakteknya prosedur penaksiran ini melibatkan suatu komputasi tertentu sehingga tidak hanya menjadi lebih mudah dengan perkembangan 5

21 program komputer untuk optimisasi numerik dari fungsi non-linear Prosedur seperti ini sudah ada dalam paket-paket statistik seperti GLIM (Baker dan Nelder, 1978) 22 Generalized Model Linear (GLM) Istilah model linear umum atau generalized linear model (GLM) biasanya merujuk pada model regresi biasa untuk variabel respons kontinu pada variabel prediktor kontinu dan/atau kategorik Model ini juga termasuk model regresi multipel maupun model ANOVA atau ANCOVA (hanya untuk efek tetap) Bentuknya adalah (22) ) ଶ ߪ,ߚ ݔ) ~ ݕ dimana x i berisi kovariat yang diketahui dan β adalah koefisien yang akan ditaksir Model ini dapat ditaksir dengan menggunakan metode kuadrat terkecil dan metode kuadrat terkecil diboboti Istilah GLM merujuk pada kelas model yang lebih besar yang dipopulerkan oleh McCullagh dan Nelder (1989) Dalam model ini, variabel respons y i diasumsikan mengikuti distribusi dari keluarga eksponensial dengan rata-rata µ i, yang biasanya diasumsikan sebagai suatu fungsi (seringkali bentuknya nonlinear) dari ݔ ߚ Beberapa penulis mengatakan bentuknya adalah nonlinear karena µ i seringkali merupakan fungsi nonlinear dari kovariat, tetapi McCullagh dan Nelder (1983) mempertimbangkan fungsi tersebut sebagai bentuk yang linear, karena kovariat ini mempengaruhi distribusi dari y i hanya melalui kombinasi linear dari ݔ ߚ Perangkat lunak yang pertama kali dikembangkan untuk mencocokan model ini disebut GLIM, akan tetapi saat ini sudah tersedia 6

22 paket komputer yang dapat digunakan, termasuk didalamnya adalah melalui SAS/IML Selain distribusi normal, model yang mungkin untuk variabel respons dalam GLM diantaranya adalah binomial, Poisson, Gamma, ataupun Inverse Gaussian Dalam skripsi ini akan difokuskan pembahasannya pada distribusi beta 221 Distribusi Keluarga Eksponensial Perhatikan bila satu buah variabel acak Y yang mempunyai fungsi (massa) peluang, maka variabel ini disebut diskrit, atau bila satu buah variabel acak Y yang mempunyai fungsi densitas peluang, maka variabel ini disebut kontinu, yang bergantung pada satu buah parameter θ Suatu distribusi merupakan anggota dari keluarga eksponensial apabila mempunyai bentuk sebagai berikut: (ߠ) ߠݕ ቋ(,ݕ) + ቊݔ = (ߠ,ݕ) ( ) (ߠ) ቊݔ = (23) (ߠ,ݕ) ൠ ݕ ߠ ݔቋ ( ) ( ) dimana θ disebut juga sebagai parameter kanonik dan φ disebut juga sebagai parameter dispersi Rata-rata E(y) = µ merupakan fungsi dari θ itu sendiri, sehingga θ merupakan parameter yang diamati, sedangkan φ biasanya dianggap sebagai suatu gangguan Kemudian a( ), b( ), dan c( ) merupakan suatu fungsi yang diketahui dan masing-masing mencirikan anggota distribusi dari keluarga eksponensial Perlu diketahui bahwa nilai harrapan y, E(y), hanya bergantung pada parameter θ dan bukan pada parameter φ 7

23 222 Unsur unsur dalam GLM Seluruh model linear umum akan mempunyai tiga buah komponen, yaitu : a Komponen acak Komponen ini menggambarkan distribusi dari variabel respons yang diamati Variabel respon y 1, y 2,, y n merupakan sampel acak yang distribusinya berasal dari keluarga eksponensial, seperti normal, binomial, Poisson, gamma, dan banyak lainnya Distribusi keluarga eksponensial seluruhnya bergantung pada vektor parameter θ dimana fungsi loglikelihoodnya dapat ditulis kembali dalam bentuk seperti berikut : (ߠ) = (ߠ)ܮ (24) [(ݕ log[ (, + ݕߠ + ( ) ( ) dimana θ adalah parameter kanonik atau natural, φ adalah parameter skala, serta a( ), b( ), dan c( ) masing-masing mencirikan anggota distribusi dari keluarga eksponensial b Komponen sistematik Komponen ini menggambarkan bagaimana kovariat dimasukan ke dalam model sebagai nilai harapan dari y, µ= E(y) Di dalam model linear umum ini nilai dari µ akan bervariasi menurut taraf dari variabel penjelasnya Komponen sistematik dapat dituliskan dalam bentuk seperti berikut: ൦ = ݔ ߚ + + ଶ ݔ ଶ ߚ + ଵ ݔ ଵ ߚ + ߚ = ߚ = ߟ ൪ (25) ߟ Kombinasi linear dari variabel penjelas ini disebut juga sebagai prediktor linear Beberapa {x j } dapat berbentuk lainnya di dalam model, misalnya x 3 = x 1 x 2 untuk menyatakan bentuk interaksi antara variabel x 1 dan x 2 dalam ଵ ߟ ଶ ߟ 8

24 memberikan efek pada y, atau mungkin dapat berbentuk x 2 = x 1 2 untuk menyatakan adanya bentuk kurva dari variabel x 1 c Fungsi hubung Komponen ini menyatakan, bagaimana µ= E(y) berhubungan dengan variabel penjelas (X) di dalam prediktor linear Kita dapat memodelan rata-rata µ secara langsung atau memodelkan suatu fungsi monoton g(µ i ) Persamaan model menyatakan bahwa : (26) ߚ = ߟ = ) ߤ) Untuk beberapa fungsi g monoton, yang biasa disebut sebagai fungsi penghubung (link function) 23 Prosedur Penaksiran Model dalam GLM Dalam regresi linier sederhana, metode yang paling banyak digunakan untuk menaksir parameter itu adalah metode kuadrat terkecil Pada metode tersebut kita pilih suatu nilai β 0 dan β 1 tertentu yang akan meminimumkan jumlah kuadrat error dari nilai pengamatan Y dari nilai taksirannya berdasarkan model tertentu Di bawah asumsi yang biasa untuk regresi linier, metode kuadrat terkecil menghasilkan penaksir dengan sejumlah persyaratan secara statistik tertentu Jika metode ini diterapkan pada model dengan variabel biner, maka penaksir tersebut tidak akan mempunyai sifat yang sama Metode umum penaksiran yang membawa kepada fungsi kuadrat terkecil di bawah model regresi linier (jika bentuk galatnya menyebar normal) disebut dengan kemungkinan maksimum Metode ini akan memberikan landasan pada suatu pendekatan pada penaksiran dengan model regresi logistik Metode kemungkinan maksimum akan memberikan nilai-nilai untuk parameter-parameter 9

25 yang tidak diketahui yang mana akan memaksimumkan peluang yang diperoleh melalui sekumpulan data pengamatan Untuk dapat menerapkan metode ini, maka kita perlu membentuk suatu fungsi yang disebut dengan fungsi kemungkinan (likelihood function) Fungsi ini menyatakan peluang dari data pengamatan sebagai fungsi dari parameter yang tidak diketahui tersebut Penaksir kemungkinan maksimum dari parameter-parameter itu dipilih sedemikian rupa sehingga dapat memaksimumkan fungsi tersebut Metode penskoran Fisher merupakan salah satu metode yang paling banyak digunakan untuk menyelesaikan persamaan non linear Metode ini juga dapat digunakan untuk menentukan titik maksimum dari suatu fungsi, sebagaimana permasalahan dalam menentukan penaksir kemungkinan maksimum Prosedur penaksiran parameter melalui prosedur ini memerlukan turunan parsial pertama dan kedua dari fungsi kemungkinan, dimana turunan pertama dan kedua dari fungsi kemungkinan masing-masing disebut sebagai statistik skor (score statistics) dan matriks informasi (I) Statistik skor adalah suatu ukuran untuk menguji keberartian parameter, dimana statistik ini berbentuk kuadratik yang berdasarkan pada vektor turunan pertama parsial dari fungsi log kemungkinan terhadap β, yang dievaluasi pada saat H 0 : β = β 0 Sedangkan matriks informasi merupakan nilai harapan yang berharga negatif dari matriks turunan kedua parsial dari fungsi log kemungkinan 24 Distribusi Beta Dalam teori probabilitas dan statistik, distribusi beta adalah distribusi probabilitas yang didefinisikan pada interval (0, 1) oleh dua parameter positif, bentuk parameter biasanya dilambangkan dengan a dan b Fungsi densitas dari 10

26 suatu variabel acak Y yang berdistribusi Beta, dengan parameter a dan b, dapat ditulis sebagai berikut : Γ( + ) > 0 0, > 1, < ݕ < 0 ; ଵ (ݕ (1 ଵݕ ቐΓ( )Γ( ) = (ݕ) ݕ ݕ ; 0 (27) dimana Г() merupakan fungsi gamma Rata-rata dan variansi dari distribusi Beta dengan parameter a dan b masing-masing adalah : = ( )ܧ + (28) dan = ( )ݎ ݒ ( + ) ଶ ( + + 1) (29) 25 Model Regresi Beta Pada bagian ini dibahas mengenai suatu model regresi untuk respons yang mengikuti distribusi beta Fungsi densitas dari distribusi beta diberikan dalam Pers (27), dengan parameter a dan b Akan tetapi untuk keperluan pemodelan, maka biasanya akan sangat berguna apabila memodelkan rata-rata dari variabel respons Selain itu pula biasanya perlu mendefinisikan model sedemikian rupa sehingga model ini berisi suatu parameter dispersi Untuk membentuk model regresi beta dengan menyertakan rata-rata respons bersamaan dengan parameter dispersinya, maka perlu dilakukan reparameterisasi dari fungsi densitas beta = ߤ Misalkan ( ) dan ߢ = ( + ), sehingga diperoleh bahwa = ߢߤ dan Dengan demikian, berdasarkan Pers (28) dan (29) diketahui ߢ(ߤ (1 = bahwa : (210) ߤ = ( )ܧ 11

27 dan = ( )ݎ ݒ (ߤ 1 )ߤ + 1 ߢ (211) dimana µ adalah rata-rata dari variabel respons dan κ dapat diinterpretasikan sebagai parameter dispersi, dalam arti bahwa untuk µ tertentu, maka nilai dari κ lebih besar akan memberikan varians bagi variabel respons yang lebih kecil Setelah dilakukan reparameterisasi tersebut, maka fungsi untuk variabel acak Y yang mengikuti distribusi beta menjadi : = (ݕ) (ߢ) Γ (212) 1 < ݕ < 0 ; (ଵ ఓ) ଵ (ݕ (1 ఓ ଵݕ (ߢ(ߤ Γ((1 (ߢߤ) Γ Parameterisasi semacam ini menyatakan bahwa 0 < < ߤ 1 dan <ߢ 0, dan juga 0 > (ߤ 1 )ߢ = 0 dan <ߢߤ bahwa = dapat dengan mudah ditunjukkan Untuk membentuk model regresi beta dilakukan pendekatan GLM dengan menggunakan dua fungsi hubung yaitu, satu fungsi hubung digunakan untuk parameter lokasi ߤ dan fungsi hubung yang lainnya digunakan untuk parameter dispersi ߢ Menurut Smithson dan Verkuilen (2005) bahwa fungsi ini merupakan fungsi non linear, halus (smooth), dan monoton yang memetakan dari ruang yang tidak berbatas (unbounded) dari prediktor linear ke dalam ruang sampel yang diamati, dalam hal ini terbatas pada interval terbuka (0, 1) Misalkan X dan Z adalah matriks kovariat (mungkin bisa identik), dengan x i dan z i merupakan vektor baris ke-i dari kedua matriks tersebut Dimisalkan pula dan masingmasing adalah vektor koefisien regresi beta GLM untuk parameter lokasi biasanya adalah (213) = ) ߤ) 12

28 dimana ( )adalah fungsi hubung monoton, suatu fungsi yang mempunyai turunan Fungsi hubung yang digunakan oleh Pers (213) adalah menggunakan fungsi hubung logit Bentuk umum dari hubungan antara rata-rata dan varians adalah (214) ) ߢ)ݑ( ߤ)ߥ = ଶ ߪ dimana v dan u adalah fungsi yang bersifat non-negatif Parameter dispersi ߢ diasumsikan sebagai suatu bentuk yang dapat dimodelkan sebagai (215) = ) ߢ) h dimana h merupakan fungsi hubung yang lain, yaitu dalam hal ini menggunakan fungsi hubung log dimana variabel z i yang dinyatakan dalam Pers (215) berupa vektor satu Untuk variabel respons yang berdistribusi beta, maka rata-ratanya harus berada dalam selang terbuka, sehingga diperlukan suatu fungsi hubung yang dapat memenuhi kondisi tersebut Salah satu pilihan fungsi hubung yang dapat digunakan adalah fungsi hubung logit, karena fungsi hubung ini mampu memetakan (0, ߤ 1) ke dalam ruang sampel yang sesuai dengan distribusinya Fungsi hubung logit ini juga biasa digunakan sebagai fungsi hubung dalam model regresi logistik Dengan demikian, model regresi beta dapat dikatakan sebagai bentuk umum dari model regresi logistik ketika variabel respon yang diamati berbentuk proporsi Parameter dispersi κ harus bernilai positif karena setelah direpatameterisasi parameter µ dan κ bernilai positif Fungsi hubung log yang dapat memenuhi sifat tersebut, yaitu (216) = ) ߢ) log 13

29 sehingga nilai taksiran untuk parameter dispersinya dimodelkan dalam bentuk (217) ൯ exp൫ = ߢ ߜ disini digunakan tanda negatif untuk membuat interpretasi mengenai koefisien ߜ merupakan parameter dispersi, maka suatu ߢ menjadi lebih mudah Oleh karena yang bernilai positif mengindikasikan variansi yang lebih kecil, dan hal ini tentu saja menjadi sulit dalam interpretasinya 26 Penaksir Kemungkinan Maksimum Untuk Regresi Beta Misalkan Y i,, Y n adalah variabel acak saling bebas, dimana untuk setiap Y i, untuk i = 1,, n mengikuti densitas yang diberikan dalam Pers (212) dengan rata-rata ߤ dan parameter dispersi ߢ yang tidak diketahui Model diperoleh dengan cara mengasumsikan bahwa rata-rata y t dapat ditulis sebagai berikut (218) ߟ = ߚ ݔ ) = ߤ) ଵ dimana ߚ) = ଵ, ߚ ) adalah vektor dari parameter regresi, dan x i1,, x ip merupakan data pengamatan pada k buah kovariat, untuk <, yang diasumsikan tetap (fixed) dan diketahui bahwa varians dari respons y merupakan fungsi dari,ߤ dan akibatnya juga merupakan fungsi dari nilai kovariatnya Dengan demikian, varians yang tidak konstan secara tidak langsung akan diakomodasikan ke dalam model Disini terlihat parameter rata-rata dibatasi pada selang terbuka (0, 1), sehingga diperlukan suatu fungsi hubung yang akan memetakan parameter dari interval ke dalam ruang bilangan nyata Fungsi hubung logit merupakan fungsi hubung kanonik dan akan mengembalikan penaksir parameter ke dalam bentuk log odds rasio 14

30 Fungsi hubung logit ߤ) ) didefinisikan sebagai : ߤ ) = log ൬ ߤ)ݐ = ) ߤ) = ൰ exp൫ = ߤ ߤ 1 ൯ ( ) exp 1 + (219) Dalam hal ini, parameter regresi mempunyai interpretasi yang penting Misalkan bahwa nilai dari prediktor ke-i meningkat sebesar c unit, dan variabel ߤ prediktor lainnya dianggap tidak berubah, serta merupakan rata-rata dari variabel y di bawah suatu nilai kovariat yang baru, sedangkan ߤ menyatakan ratarata y di bawah nilai kovariat yang asli, maka dapat ditunjukkan bahwa : ) ߤ /(1 ߤ = ൯ ߚexp൫ (ߤ 1 )/ߤ (220) Artinya, ߚexp൫ ൯ adalah sama dengan odds rasio, sama dengan interpretasi dalam model regresi logistik Fungsi log-likelihood untuk ruang sampel model regresi beta memiliki bentuk : dimana (221) (ߢ, ߤ) = (ߜ,ߚ) ଵ ݕ ( 1 ߢ ߤ) + {ߢ( ߤ Γ{(1 (ߢ ߤ) Γ log (ߢ) Γ = (ߢ, ߤ) (222) ) ݕ log(1 1} ߢ( ߤ {(1 + Atau dapat dituliskan dalam bentuk persamaan seperti berikut : Γ൫ ఋ ൯ = log (, :ߜ,ߚ) ఋ ቆ ఋ log Γ log Γ ቆ + ఋ ቆ 1 + ௫ቇ 1 + ቇ 1 + ௫ 1ቇlog ݕ ఋ ቆ ఋ ௫ 1ቇlog ݕ + ቆ (223) ) ݕ 1ቇlog(

31 Misalkan ݏ = ݕ} / (1 ݕ )} dan ߤ = ߤ) ߤ ((1 (ߢ (ߢ( Kemudian, vektor skor yang merupakan turunan pertama dari fungsi log-likelihood terhadap parameter dan, diberikan oleh : (ߢ, ߤ) = (ߜ,ߚ) ߠ (ߢ, ߤ) ߚ (ߢ, ߤ) ߜ ) ߤ ݏ) ߢ = ൮ ߤ ௧ ݏ) ߤ ൲ (224) ) + log(1 ݕ ) ൫(1 ߤ + ൯ߢ( ψ(ߢ) ଵ dimana X adalah matriks data dari variabel prediktor berukuran dengan unsur baris ke-t adalah ݔ dan = ቂ ଵ ߤ) ` ଵ ),, ଵ ߤ) ` )ቃ dan vektor (ߜ,ߚ) = parameter Tahap selanjutnya adalah menentukan matriks informasi Misalkan diketahui }, dengan ݓ,, ଵ ݓ} = 1 {(ߢ( ߤ `(1 + (ߢ ߤ)` }ߢ = ݓ )} ଶ ߤ)` } = ( ଵ,, ) dengan = ߤ)` }ߢ ߤ(ߢ `(1 ߤ ߤ 1 )(ߢ( )}, dimana `( ) merupakan fungsi trigamma Dimisalkan pula = { ଵ,, }, dengan (ߢ)` ଶ ) ߤ 1 )(ߢ( ߤ `((1 + ଶ ߤ(ߢ ߤ)` = Dengan demikian matriks informasi Fisher, yang merupakan turunan kedua dari minus ekspetasi fungsi log-likelihood yang diberikan dalam Pers (222) terhadap parameter,ߚ) (ߜ diberikan oleh 16

32 (ߜ,ߚ) ଶ (ߜ,ߚ) ଶ ߚ ܧ = (ߜ,ߚ)ܫ ߜ ߚ ଶ (ߜ,ߚ) ଶ (ߜ,ߚ) ଶ ଶ ߜ ߚ ߜ (225) dimana డమ (ఉ,ఋ) డఉ మ (ఉ,ఋ) డమ, ߢ = డఉడఋ (ఉ,ఋ) dan డమ, = డఋ మ bahwa parameter ߚ dan ߜ bersifat tidak orthogonal Namun di sini,() = Pada saat ukuran sampel besar, maka vektor penaksir parameter ( መߜ akan mengikuti akan mengikuti pendekatan distribusi normal, መߚ) = ` ߠ multivariat, atau dapat dinyatakan sebagai ~ߠ ቆቀ ߜ ߚ ቁ,,ߚ)ܫ] ଵ [(ߜ ቇ, dimana መߚ dan መߜ masing-masing adalah penaksir kemungkinan maksimum Perlu ditambahkan juga bahwa,ߚ)ܫ] [(ߜ ଵ dapat digunakan untuk memperoleh galat baku asimptotik bagi penaksir kemungkinan maksimum Penaksir kemungkinan maksimum bagi β dan ߜ yang diperoleh dari = (ߜ,ߚ) U 0 bukan merupakan persamaan tertutup Dengan demikian solusinya harus diselesaikan secara numerik dengan menggunakan algoritma optimisasi nonlinear, seperti metode penskoran Fisher 27 Regresi Logistik Regresi logistik adalah salah satu bagian dari analisis regresi, yang digunakan untuk memprediksi peluang kejadian suatu peristiwa dengan mencocokan data pada fungsi logit Metode ini merupakan model linier umum yang digunakan untuk regresi binomial Seperti analisis regresi pada umunya, metode ini menggunakan beberapa variabel bebas berupa data berskala interval dan atau kategorik Regresi logistik tidak memerlukan asumsi normalitas, 17

33 heteroskedastitsitas dan autokorelasi, dikarenakan variabel tak bebas yang terdapat pada regresi logistik merupakan variabel biner (0 dan 1) Bentuk umum model peluang regresi logistik diformulasikan sebagai berikut : = (ݔ)ߨ exp൫ ൯ ( ) exp + 1 (226), 1 (ݔ)ߨ adalah peluang kejadian sukses dengan nilai peluang 0 (ݔ)ߨ dimana dan β adalah koefisien parameter merupakan fungsi yang non linier, sehingga perlu dilakukan transformasi (ݔ)ߨ kedalam bentuk logit untuk memperoleh fungsi yang linier Dengan melakukan transformasi dari logit,(ݔ)ߨ maka didapat persamaan yang lebih sederhana,yaitu : గ(௫) (227) ൫ଵ గ(௫)൯ = log (x) = Langkah-langkah yang ada dalam penggunaan analisis regresi logistik yaitu statistik kecocokan model dan uji signifikansi parameter model 271 Uji Kecocokan Model (Goodness Of Fit ) Suatu alat statistik yang digunakan untuk pengujian kecocokan model berguna untuk memilih sebuah model yang hasilnya paling cocok untuk data yang diperoleh Nilai p-value yang tinggi berarti, model merupakan model yang terbaik Metode yang digunakan untuk goodness of fit pada data kategorik adalah statistik chi-kuadrat Pearson, dan statistik chi-kuadrat Deviance dengan hipotesis uji sebagai berikut: H 0 : Model cocok dengan data H 1 : Model tidak cocok dengan data 18

34 dimana statistik chi-kuadrat Pearson : ଶ = ݕ) Ƹ ) Ƹ (1 Ƹ ) ଵ (228) dan statistik chi-kuadrat Devians : = 2 ܦ ଵ ݕ log ൬ ݕ ݕ ൰+ ( ݕ ) log ൬ 1 ݕ ݕ 1 ൰ൠ (229) Baik statistik chi-kuadrat Pearson dan statistik chi-kuadrat Devians keduanya mengikuti distribusi chi kuadrat Dengan demikian kriteria uji untuk menguji dapat dirumuskan seperti berikut : Jika nilai statistik chi kuadrat Pearson pada Pers (228) dibandingkan dengan nilai chi kuadrat pada derajat bebas ( ( tertentu atau nilai signifikansi dibandingkan dengan α, dimana apabila nilai chi kuadrat pearson lebih kecil daripada nilai chi-kuadrat, atau nilai signifikansi lebih besar dari α, maka hipotesis dari hal ini berarti H 0 diterima, yang berati model cocok dengan data Dan apabila sebaliknya nilai chi kuadrat Pearson lebih besar sama dengan nilai chi-kuadrat, atau nilai signifikansi lebih kecil sama dengan α, maka hipotesis H 0 ditolak, yang berarti model tidak cocok dengan data Jika nilai statistik chi kuadrat Devians pada Pers (229) dibandingkan dengan nilai chi kuadrat pada derajat bebas ( ( tertentu atau nilai signifikansi dibandingkan dengan α, dimana apabila nilai chi kuadrat Devians lebih kecil daripada nilai chi-kuadrat, atau nilai signifikansi lebih besar dari α, maka hipotesis dari hal ini berarti H 0 diterima, yang berati 19

35 model cocok dengan data Dan apabila sebaliknya nilai chi kuadrat Devians lebih besar sama dengan nilai chi-kuadrat, atau nilai signifikansi lebih kecil sama dengan α, maka hipotesis H 0 ditolak, yang berarti model tidak cocok dengan data 272 Uji Signifikansi Parameter Model Untuk memeriksa peranan variabel-variabel penjelas (X) dalam model, dilakukan penguiian terhadap parameter model (β) Penguiian secara simultan dilakukan menggunakan uji G, sedangkan secara parsial menggunakan statistik uji T 2 Statistik uji G adalah uji rasio kemungkinan ( likelihood ratio test) yang digunakan untuk menguji peranan variabel penjelas di dalam model secara bersama-sama Rumus umum statistik uji G untuk menguii hipotesis : H 0 : β 1 = β 2 = = β k = 0 H 1 : minimal ada satu β yang tidak sama dengan 0 Melalui uji statistik seperti berikut : dimana : ܮ 2 ln = ܩ ܮ (230) Lo = maksimum likelihood dari model reduksi atau model yang terdiri dari konstatnta saja Lp = maksimum likelihood dari model penuh (full) atau dengan semua variabel bebas Statistik G ini secara teoritis mengikuti sebaran chi-kuadrat dengan derajat bebas k Kriteria keputusan yang diambil yaitu menolak H 0 bila nilai statistik G lebih besar dari chi-kuadrat Sementara itu, uji T 2 digunakan untuk menguji parameter β j secara parsial Hipotesis yang diuji adalah : 20

36 H 0 : β j = 0 (variabel bebas ke-j tidak mempunyai pengaruh secara signifikansi terhadap model) H 1 : β j 0 (variabel bebas ke-j tidak mempunyai pengaruh secara signifikansi terhadap model) Formula untuk statistik uji T 2 adalah : ߚ ଶ = ቆ መߚ൫ܧ ൯ ቇ ଶ (231) Secara teori statistik uji T 2 ini mengikuti sebaran normal baku jika H 0 benar Kriteria keputusan adalah H 0 ditolak jika statistik uji T 2 > z α/2 21

37 BAB III METODOLOGI PENELITIAN 31 Data dan Sumber Data Data yang digunakan dalam skripsi ini merupakan data skunder yang berasal dari sebuah tesis yang berjudul Kajian Perbandingan Model Regresi Beta-binomial dengan Model Regresi Logistik dan Penerapannya untuk Menduga Pola Kelulusan Mahasiswa IPB-TPB tahun akademik 1997/1998 Populasi dalam penelitian adalah mahasiswa mahasiswa pada program tingkat persiapan bersama di Institut Pertanian Bogor (IPB) Mahasiswa mahasiswa yang dimaksud adalah mahasiswa program strata satu (S1) yang telah diterima di IPB pada tahun akademik 1997/1998, baik yang diterima melalui saringan ujian masuk perguruan tinggi negeri (UMPTN) maupun jalur penelusuran minat dan bakat (atau dikenal pula dengan jalur PMDK) Data akan diambil dari Program Tingkat Persiapan Bersama IPB dengan banyak pengamatan 2216 pengamatan Data yang diperlukan untuk menganalisis pola kelulusan mahasiswa dalam mengikuti sejumlah mata kuliah yang diselenggarakan pada tingkat persiapan bersama di Institut Pertanian Bogor (IPB), yaitu semua mata kuliah yang diambil oleh mahasiswa pada semester satu dan dua 22

38 Tabel 31 Daftar Nama Variabel dan Kategori dari Variabel No Nama Variabel Kategori Notasi 1 ID 2 Jenis Kelamin (JK) 0 = Perempuan 1 = Laki - laki X1 3 Cara lolos seleksi ke IPB (Jalur) 0 = PMDK 1 = UMPTN X2 4 Nilai rata-rata ijazah X3 5 Nilai ebtanas murni/nem X4 6 Daerah asal sekolah 0 = Kabupaten 1 = Kotamadya X5 7 Status sekolah 0 = Swasta 1 = Negeri X6 8 Banyaknya mata kuliah yang lulus R 9 Banyaknya mata kuliah yang diambil N 10 Proporsi banyaknya mata kuliah yang lulus y* Nusar Hajarisman (1998) Kajian Perbandingan Model Regresi Beta-Binomial dengan Model regresi Logistik dan Penerapannya untuk Menduga Pola Kelulusan Mahasiswa IPB-TPB tahun 1997/1998 Variabel ID merupakan nomor induk mahasiswa IPB, baik yang berjenis kelamin laki-laki ataupun perempuan Variabel Cara lolos seleksi ke IPB (jalur) dapat melalui dua tes yaitu PMDK dan UMPTN, dimana Variabel nilai rata-rata ijazah dan Variabel nilai ebtanas murni (NEM) harus sesuai dengan persyaratan yang ditentukan oleh pihak kampus yaitu IPB Variabel Daerah asal sekolah ialah tempat asal SMU calon mahasiswa itu berada di wilayah kabupaten atau kotamadya, dengan Variabel status sekolah swasta atau negeri Pada dasarnya mahasiswa hanya mengambil banyaknya mata kuliah yang ada pada semester 1 dan 2, yang bertujuan untuk mengetahui berapa banyaknya mata kuliah yang lulus dari semester tersebut setelah mengikuti program tingkat persiapan bersama di Institut Pertanian Bogor (IPB) Dari hasil program tersebut akan didapat hasil proporsi kelulusan dari banyaknya mata kuliah yang diambil oleh peserta dimana data proporsi kelulusan tersebut disajikan pada Tabel 32 23

39 Tabel 32 Data proporsi kelulusan Mahasiswa dalam mengambil sejumlah mata kuliah yang diselenggarakan pada Tingkat Persiapan Bersama di Institut Pertanian Bogor pada tahun 1997/1998 Obs ID JK Jalur Ijasah NEM Asal Sekolah Status Sekolah Mata Kuliah Yang lulus Mata Kuliah yang diambil Proporsi mata kuliah yang lulus 1 A A A A A A A A A A G G G G G G G G Dari Tabel 32 terlihat bahwa nilai dari proporsi mencakup nilai 0 dan 1, yang mana didalam model regresi beta berada dalam selang (0,1) yaitu tidak mencakup nilai 0 dan 1 Maka untuk mengatasi permasalahan tersebut dengan menggunakan persamaan seperti berikut, y = [y(n 1) + s]/n, dimana s adalah konstan antara 0 dan 1 yaitu 05 menurut Smithson dan Verkuilen (2005) Dari hasil persamaan berikut maka didapat nilai proporsi yang baru tidak mencakup 0 dan 1, yang disajikan pada Tabel dilampiran 2 24

40 32 Tahapan Penelitian Tahapan yang digunakan dalam menentukan model regresi beta pada data proporsi yaitu : 1 Mendeskripsikan data penelitian 2 Memodelkan data penelitian dengan regresi logistik, dengan tahapan sebagai berikut : a Mengidentifikasi variabel yang signifikan melalui statistik uji T 2 untuk masing-masing variabel prediktor Proses ini disebut juga sebagai analisis variabel tunggal dengan mengambil taraf signifikansi sebesar 30% (Hosmer dan Lemeshow, 1989) b Variabel yang dianggap signifikan pada tahap pertama, kemudian dianalisis secara simultan (proses ini disebut sebagai analisis variabel ganda) Pada proses ini menggunakan statistik uji chikuadrat pada taraf signifikansi sebesar 10% c Sebelum membuat kesimpulan akhir, untuk setiap variabel yang dianggap tidak signifikan pada tahap kedua akan diperiksa kembali signifikansi variabel tersebut terhadap model dengan menggunakan uji rasio kemungkinan 3 Memodelkan data penelitian dengan regresi beta, melalui Pers (213) dan (217) dimana metode numerik yang digunakan penskoran Fisher, dengan tahapan sebagai berikut : a Mengidentifikasi variabel yang signifikan melalui statistik uji T 2 untuk masing-masing variabel prediktor Proses ini disebut juga 25

41 sebagai analisis variabel tunggal dengan mengambil taraf signifikansi sebesar 30% (Hosmer dan Lemeshow, 1989) b Variabel yang dianggap signifikan pada tahap pertama, kemudian dianalisis secara simultan (proses ini disebut sebagai analisis variabel ganda) Pada proses ini menggunakan statistik uji chikuadrat pada taraf signifikansi sebesar 10% c Sebelum membuat kesimpulan akhir, untuk setiap variabel yang dianggap tidak signifikan pada tahap kedua akan diperiksa kembali signifikansi variabel tersebut terhadap model dengan menggunakan uji rasio kemungkinan 33 Algoritma Penskoran Fisher Salah satu metode penaksiran model adalah dengan menggunakan penskoran Fisher, dimana model ini untuk menyelesaikan persamaan nonlinier Metode ini dapat digunakan untuk menentukan titik maksimum dari suatu fungsi, sebagaimana permasalahan dalam menentukan penaksir parameter dengan metode kemungkinana maksimum Berikut ini prosedur penskoran Fisher untuk menentukan penaksir β yang dapat memaksimumkan fungsi kemungkinan, yang sebut saja fungsi u(β*) Pertama-tama perhatikan bahwa n buah pengamatan akan digunakan untuk menaksir nilai-nilai dari p buah parameter, β 1, β 2,, β p, serta bentuk fungsi kemungkinan L(β) Turunan sebanyak p buah dari fungsi log kemungkinan terhadap β 1, β 2,, β p, disebut sebagai statistik skor atau disebut juga sebagai skor efisien (efficient score), dan dapat dipasangkan untuk memberikan vektor statistik skor p x 1, dimana komponen ke-j adalah 26

42 u(β), untuk j = 1, 2,, p Vektor ini dinotasikan sebagai ߚ /(ߚ)ܮ Misalkan I(β) adalah matriks berukuran p x p pada turunan kedua dari log L(β), dimana unsur-unsur ke-(j, k) dari matriks tersebut ܧ : adalah డమ (ఉ) ൠ డఉ డఉ, untuk j = 1, 2,, p dan k = 1, 2,, p Matriks I(β) ini kadang-kadang disebut juga sebagai matriks Informasi Perhatikan u(β), yaitu vektor skor statistik yang dievaluasi pada penaksir kemungkinan maksimum β, β Dengan menggunakan deret Taylor, dimana harga β* diperkirakan akan mendekati β, akan diperoleh: (31) ) ߚ ߚ)( ߚ)ܫ + ) ߚ)ݑ (ߚ)ݑ Penaksir kemungkinan maksimum bagi β akan memenuhi persamaan berikut: (ߚ)ܮ ቤ ߚ ఉ = 0 (32) untuk j = 1, 2,, p, sehingga u(β) = 0 Dari Pers (31) dapat diketahui bahwa: ) ߚ)ݑ( ߚ) ଵ ܫ + ߚ ߚ Penentuan β yang dicapai melalui proses iterasi ditentukan oleh: ൯ (௧) ߚ൫ݑ൯ (௧) ߚ൫ ଵ ܫ + (௧) ߚ = (௧ ଵ) ߚ (33) Proses iterasi selesai jika selisih antar iterasi sudah sangat kecil Agresti (1990) menyebutkan salah satu kriteria kekonvergenan ߚ (௧) ke β, yaitu: ߚቚ (௧ ଵ) መߚ ቚ ߚቚ (௧) መߚ ቚ ଶ, untuk setiap j, c > 0 (34) 27

43 Untuk lebih mudah dapat dilihat pada Gambar 31 dibawah ini Mulai Tentukan nilai awal ߠ Hitung vector skor dan Matriks informasi Hitung 1 ൯ߢ, ߤ൭ 2 ൫ ܧ (௧) + ߠ = (௧ ଵ) ߠ ߠ ൱൩, ߤቆ ൫ ൯ߢ ߠ ቇ TIDAK Evaluasi apakah หߠ (௧ ଵ) ߠ (௧) ห< Dimana c=00001 Konvergen en? YA Berhenti Gambar 31 Diagram Alir Penskoran Fisher 28

44 BAB IV HASIL DAN PEMBAHASAN 41 Pendahuluan Pada bab ini akan dibahas penerapan model regresi beta untuk menduga pola kelulusan mahasiswa dalam mengambil sejumlah mata kuliah Dalam penelitian ini akan diamati proporsi lulus tidaknya seorang mahasiswa dalam mengikuti sejumlah mata kuliah Pengamatan seperti ini perlu dicarikan suatu metode untuk menganalisis hubungan antara proporsi tingkat kelulusan mahasiswa dengan sejumlah variabel prediktor yang dianggap mampu menjelaskan proporsi tingkat kelulusan mahasiswa tersebut Sehingga dalam penelitian ini digunakan dua tahapan yaitu yang pertama, data yang diperoleh akan dianalisis melalui metoda baku, dalam hal ini adalah dengan menggunakan metoda regresi logistik biasa Pada tahap kedua, baru akan dilakukan analisis dengan menggunakan metoda atau model regresi beta Pada masing-masing tahap analisis, sebelumnya kita harus mendeskripsikan mengenai variabel-variabel yang ada, setelah itu ada dua hal yang dapat dilakukan sehubungan dengan pemilihan model yang dianggap baik Hal-hal yang akan dilakukan itu penaksiran model (termasuk didalamnya penaksiran parameter di dalam model, serta pengujian keberartian parameter di dalam model) Metoda penaksiran yang digunakan baik dalam model regresi logistik maupun dalam model regresi beta adalah dengan menggunakan metoda kemungkinan maksimum, melalui metoda iterasi seperti metoda Penskoran Fisher 29

45 Pada proses pengujian keberartian parameter yang berada di dalam model biasanya menyangkut perumusan hipotesis statistik untuk menentukan apakah variabel-variabel prediktor yang digunakan secara berarti berhubungan dengan variabel responnya Perbandingan antara nilai pengamatan dari variabel respon terhadap nilai taksiran yang diperoleh dari model dengan atau tanpa variabel yang diamati dan berdasarkan pada fungsi log-likelihood merupakan suatu ukuran untuk menguji keberatian parameter dalam model Perbandingan parameter yang berdasarkan pada dua buah log-likelihood ini disebut juga sebagai uji rasio likelihood (Hosmer dan Lemeshow, 1989) Sedangkan McCullagh dan Nelder (1983) menyebut statistik ini sebagai devians, yang menyebar secara chi-kuadrat dengan derajat bebas (n - p) Adapun ukuran lain yang digunakan untuk menguji keberartian parameter ini, yaitu dengan menggunakan uji chi-kuadrat untuk regresi logistik dan menggunakan uji t yang pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel respon Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual pada regresi beta Statistik-statistik tersebut nantinya akan digunakan pada proses pemilihan variabel yang akan masuk ke dalam model 42 Deskripsi Data Dalam deskripsi data ini penulis mendeskripsikan variabel - variabel prediktor yang terdapat pada data proporsi kelulusan banyaknya mata kuliah yang diambil oleh mahasiswa pada tahun akademik 1997/1998 Untuk lebih singkat deskripsi data akan di visualisasikan melalui Gambar 41: 30

46 Gambar 41 Diagram Lingkaran Jenis Kelamin Dari Gambar 41 terlihat bahwa perbandingan persentase perempuan dan laki-laki yang masuk ke IPB pada tahun akademik 1997/1998 relatif seimbang, yaitu: 5451% dan 4549% Gambar 42 Diagram Lingkaran Cara Lolos Seleksi ke IPB Dari Gambar 42 terlihat di Institut Pertanian Bogor merupakan salah satu perguruan tinggi negeri di Indonesia yang menyelenggarakan penyaringan mahasiswanya melalui dua jalur, yaitu jalur Ujian Masuk Perguruan Tinggi Negeri (UMPTN) dan jalur Penelusuran Minat dan Bakat IPB (PMDK), dimana hampir 91,47% diantara mahasiswa yang masuk ke IPB adalah yang melalui jalur UMPTN 31

47 Gambar 43 Box Plot Nilai Rata-rata Ijazah Dari Gambar 43 terlihat latar belakang prestasi pendidikan mahasiswa selama mereka masih duduk di bangku SLTA ditunjukkan oleh nilai rata-rata ijazah, dimana nilai rata-rata ijazah adalah sebesar 745 dengan simpangan baku sebesar , yang mempunyai nilai minimal sebesar 600 dan nilai maksimal sebesar 900 Angka-angka tersebut menunjukkan bahwa mahasiswa TPB-IPB tahun akademik 1997/1998 mempunyai latar belakang prestasi akademik yang cukup baik Gambar 44 Box Plot Nilai Ebtanas Murni 32

48 Dari Gambar 44 terlihat latar belakang prestasi pendidikan mahasiswa selama mereka masih duduk di bangku SLTA ditunjukkan oleh Nilai Ebtanas Murni (NEM), dimana Nilai Ebtanas Murni (NEM) adalah sebesar 4431 dengan simpangan baku sebesar 6041, yang mempunyai nilai minimal sebesar 2393 dan nilai maksimal sebesar 6229 Angka-angka tersebut menunjukkan bahwa mahasiswa TPB-IPB tahun akademik 1997/1998 mempunyai latar belakang prestasi akademik yang cukup baik Gambar 45 Diagram Lingkaran Daerah Asal Sekolah Dari Gambar 45 terlihat bahwa sebagian besar mahasiswa IPB pada tahun akademik 1997/1998 masih didominasi oleh para siswa yang berasal dari daerah kotamadya dibandingkan dengan kabupaten yaitu sebesar 7031%, dan 2969% Gambar 46 Diagram Lingkaran Status Asal sekolah 33

INSTITUT AGAMA ISLAM NEGERI WALISONGO SEMARANG

INSTITUT AGAMA ISLAM NEGERI WALISONGO SEMARANG PENGARUH BAGI HASIL DAN KREDIT MACET TERHADAP PEMBIAYAAN MUDHARABAH DI BMT NU SEJAHTERA SEMARANG TAHUN 2011-2013 SKRIPSI Diajukan Untuk Memenuhi Tugas dan Melengkapi SyaratGuna Memperoleh Gelar Sarjana

Lebih terperinci

PENGARUH KEDISIPLINAN BELAJAR DAN MINAT BACA TERHADAP HASIL BELAJAR MATEMATIKA PADA SISWA KELAS XI IPA SMA NEGERI 2 SUKOHARJO TAHUN AJARAN 2012/2013

PENGARUH KEDISIPLINAN BELAJAR DAN MINAT BACA TERHADAP HASIL BELAJAR MATEMATIKA PADA SISWA KELAS XI IPA SMA NEGERI 2 SUKOHARJO TAHUN AJARAN 2012/2013 PENGARUH KEDISIPLINAN BELAJAR DAN MINAT BACA TERHADAP HASIL BELAJAR MATEMATIKA PADA SISWA KELAS XI IPA SMA NEGERI 2 SUKOHARJO TAHUN AJARAN 2012/2013 SKRIPSI Untuk Memenuhi Sebagian Persyaratan Guna Mencapai

Lebih terperinci

SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Guna Memperoleh Gelar Sarjana Strata-1 Program Studi Pendidikan Akuntansi

SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Guna Memperoleh Gelar Sarjana Strata-1 Program Studi Pendidikan Akuntansi PENGARUH PROMOSI DAN CITRA PROGRAM STUDI PENDIDIKAN AKUNTANSI TERHADAP MINAT MASUK PROGRAM STUDI PENDIDIKAN AKUNTANSI PADA MAHASISWA FKIP AKUNTANSI UNIVERSITAS MUHAMMADIYAH SURAKARTA ANGKATAN 2012 SKRIPSI

Lebih terperinci

DI KELAS 2014/2015. SKRIPSI Diajukan Guna Program

DI KELAS 2014/2015. SKRIPSI Diajukan Guna Program PENGARUH PROFESIONALISME GURU DAN PEMANFAATAN MEDIA PEMBELAJARAN DI KELAS TERHADAP MOTIVASI BELAJAR EKONOMI SISWA KELAS XI IPS SMA MTA SURAKARTA TAHUN AJARAN 2014/2015 SKRIPSI Diajukan Untuk Memenuhi Sebagian

Lebih terperinci

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009

Lebih terperinci

Surakarta) SKRIPSI. Diajukan Untuk

Surakarta) SKRIPSI. Diajukan Untuk ANALISIS PENGARUH DESAIN, KUALITAS PRODUK DAN HARGA TERHADAP KEPUTUSAN PEMBELIAN HANDPHONE SAMSUNG (Studi Pada Mahasiswa FEB Universitas Muhammadiyah Surakarta) SKRIPSI Diajukan Untuk Memenuhi Tugas dan

Lebih terperinci

KORELASI DAN REGRESI LINIER SEDERHANA

KORELASI DAN REGRESI LINIER SEDERHANA KORELASI DAN REGRESI LINIER SEDERHANA 1. Pendahuluan Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki

Lebih terperinci

Halaman Persembahan. Sebuah karya tulis ini saya persembahkan untuk:

Halaman Persembahan. Sebuah karya tulis ini saya persembahkan untuk: MOTTO Sesungguhnya sesudah kesulitan itu ada kemudahan. Maka, apabila kamu telah selesai (dari sesuatu urusan) kerjakanlah dengan sungguh-sungguh (urusan) yang lain dan hanya kepada Tuhan-mulah hendaknya

Lebih terperinci

SKRIPSI. Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat guna Memperoleh Gelar Sarjana Strata Satu Dalam Ilmu Pendidikan Agama Islam

SKRIPSI. Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat guna Memperoleh Gelar Sarjana Strata Satu Dalam Ilmu Pendidikan Agama Islam STUDI KOMPARASI PRESTASI BELAJAR PAI PADA ASPEK KOGNITIF ANTARA SISWA YANG IKUT ROHIS DENGAN SISWA YANG TIDAK IKUT ROHIS di SMA NEGERI 3 SEMARANG KELAS XI TAHUN AJARAN 2011/2012 SKRIPSI Diajukan untuk

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

Lebih terperinci

Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG

Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Regresi Logistik Nominal dengan Fungsi Hubung CLOGLOG Julio Adisantoso, G16109011/STK 11 Mei 2010 Ringkasan Regresi logistik merupakan suatu pendekatan pemodelan yang dapat digunakan untuk mendeskripsikan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam

BAB 2 TINJAUAN TEORITIS. penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam BAB 2 TINJAUAN TEORITIS 21 Pengertian Regresi Linier Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih

Lebih terperinci

PENGARUH PEMBERIAN PATI JAGUNG DAN UBI KAYU HASIL MODIFIKASI DENGAN ENZIM PULLULANASE TERHADAP KADAR GLUKOSA DARAH TIKUS WISTAR (Rattus novergicus)

PENGARUH PEMBERIAN PATI JAGUNG DAN UBI KAYU HASIL MODIFIKASI DENGAN ENZIM PULLULANASE TERHADAP KADAR GLUKOSA DARAH TIKUS WISTAR (Rattus novergicus) PENGARUH PEMBERIAN PATI JAGUNG DAN UBI KAYU HASIL MODIFIKASI DENGAN ENZIM PULLULANASE TERHADAP KADAR GLUKOSA DARAH TIKUS WISTAR (Rattus novergicus) SKRIPSI Oleh: AHMAD NASRURRIDLO NIM. 06520018 JURUSAN

Lebih terperinci

INVESTASI SKRIPSI. Oleh : /AK. Kepada

INVESTASI SKRIPSI. Oleh : /AK. Kepada PENGUKURAN KINERJA EVA DAN FVA TERHADAP KEPUTUSAN INVESTASI AKTIVAA TETAP SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Dalam Memperoleh Gelar Sarjana Ekonomi Jurusan Akuntansi Oleh : IDFI DWI KARLINA

Lebih terperinci

PENGARUH INTENSITAS MENGIKUTI PEMBELAJARAN BACA TULIS AL-QUR AN TERHADAP KEMAMPUAN BACA TULIS AL-QUR AN SISWA DI MTs. IHYAUL ULUM WEDARIJAKSA PATI

PENGARUH INTENSITAS MENGIKUTI PEMBELAJARAN BACA TULIS AL-QUR AN TERHADAP KEMAMPUAN BACA TULIS AL-QUR AN SISWA DI MTs. IHYAUL ULUM WEDARIJAKSA PATI PENGARUH INTENSITAS MENGIKUTI PEMBELAJARAN BACA TULIS AL-QUR AN TERHADAP KEMAMPUAN BACA TULIS AL-QUR AN SISWA DI MTs. IHYAUL ULUM WEDARIJAKSA PATI SKRIPSI Diajukan untuk Memenuhi Sebagian Syarat Memperoleh

Lebih terperinci

PERANAN PERPUSTAKAAN SEKOLAH SEBAGAI SUMBER BELAJAR DALAM MENINGKATKAN MOTIVASI BELAJAR SISWA KELAS TINGGI SD NEGERI 1 JATISARI SAMBI BOYOLALI SKRIPSI

PERANAN PERPUSTAKAAN SEKOLAH SEBAGAI SUMBER BELAJAR DALAM MENINGKATKAN MOTIVASI BELAJAR SISWA KELAS TINGGI SD NEGERI 1 JATISARI SAMBI BOYOLALI SKRIPSI PERANAN PERPUSTAKAAN SEKOLAH SEBAGAI SUMBER BELAJAR DALAM MENINGKATKAN MOTIVASI BELAJAR SISWA KELAS TINGGI SD NEGERI 1 JATISARI SAMBI BOYOLALI SKRIPSI Untuk memenuhi sebagian persyaratan guna mencapai

Lebih terperinci

SKRIPSI Diajukan untuk Memenuhi Sebagai Tugas dan Syarat Guna Memperoleh Gelar Sarjana dalam Ilmu Pendidikan Islam. Oleh: TRI MASRIFAH NIM: 083911010

SKRIPSI Diajukan untuk Memenuhi Sebagai Tugas dan Syarat Guna Memperoleh Gelar Sarjana dalam Ilmu Pendidikan Islam. Oleh: TRI MASRIFAH NIM: 083911010 PENGARUH KONSEP DIRI DAN MINAT TERHADAP MOTIVASI BELAJAR MATEMATIKA PESERTA DIDIK KELAS IV DAN V SD NEGERI SELOMARTO II KECAMATAN GIRIWOYO, KABUPATEN WONOGIRI TAHUN PELAJARAN 2011/2012 SKRIPSI Diajukan

Lebih terperinci

: BAYU ANGGARA SILVATIKA N I M

: BAYU ANGGARA SILVATIKA N I M PENGARUH TEMUAN AUDIT, PENDAPATAN TUNTUTAN GANTI RUGI (TGR), DENDA, DAN PENDAPATAN TAHUN ANGGARAN YANG LALU (TAYL) TERHADAP PENERIMAAN NEGARA (STUDI EMPIRIS PADA KEMENTERIAN KOORDINATOR BIDANG PEREKONOMIAN)

Lebih terperinci

SKRIPSI. persyaratan. Disusun oleh: IRINA A 410 090 195

SKRIPSI. persyaratan. Disusun oleh: IRINA A 410 090 195 PENINGKATAN KEMAMPUAN BERPIKIR KREATIF SISWA PADA MATERI LINGKARAN MELALUI PENDEKATAN KONTEKSTUAL DENGAN MODEL PEMBELAJARAN PROBLEM POSING (PTK Pembelajaran Matematikaa Kelas VIIII F Semester Genap SMP

Lebih terperinci

Derajat Strata 1 pada Jurusan Teknik Sipil Fakultas Teknik. Disusun Oleh : Neva Anggraini

Derajat Strata 1 pada Jurusan Teknik Sipil Fakultas Teknik. Disusun Oleh : Neva Anggraini TUGAS AKHIR PERANCANGAN ULANG STRUKTUR PORTAL GEDUNG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA Diajukan Guna Memenuhi Sebagian Persyaratan untuk Memperoleh Derajat Strata

Lebih terperinci

PENGARUH PENGGUNAAN MEDIA KONKRET PADA POKOK BAHASAN BANGUN RUANG TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS V SDN BANJARANYAR SKRIPSI

PENGARUH PENGGUNAAN MEDIA KONKRET PADA POKOK BAHASAN BANGUN RUANG TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS V SDN BANJARANYAR SKRIPSI PENGARUH PENGGUNAAN MEDIA KONKRET PADA POKOK BAHASAN BANGUN RUANG TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS V SDN BANJARANYAR SKRIPSI Diajukan kepada Fakulltas Ilmu Pendidikan Universitas Negeri Yogyakarta

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil uji itas dan Reliabilitas Untuk menguji apakah alat ukur (instrument) yang digunakan memenuhi syarat-syarat alat ukur yang baik, sehingga mengahasilkan

Lebih terperinci

PERBANDINGAN BIAYA PERCEPATAN ANTARA KERJA LEMBUR DENGAN PENAMBAHAN TENAGA KERJA ( Studi Kasus Proyek Pembangunan Irigasi Di Jaban Klaten )

PERBANDINGAN BIAYA PERCEPATAN ANTARA KERJA LEMBUR DENGAN PENAMBAHAN TENAGA KERJA ( Studi Kasus Proyek Pembangunan Irigasi Di Jaban Klaten ) TUGAS AKHIR PERBANDINGAN BIAYA PERCEPATAN ANTARA KERJA LEMBUR DENGAN PENAMBAHAN TENAGA KERJA ( Studi Kasus Proyek Pembangunan Irigasi Di Jaban Klaten ) Diajukan Kepada Universitas Islam Indonesia Yogyakarta

Lebih terperinci

PENGARUH DIMENSI KUALITAS JASA TERHADAP KEPUASAN KONSUMEN PT. NUANSA WISATA PRIMA NUSANTARA TOURS & TRAVEL DI KOTA JEMBER

PENGARUH DIMENSI KUALITAS JASA TERHADAP KEPUASAN KONSUMEN PT. NUANSA WISATA PRIMA NUSANTARA TOURS & TRAVEL DI KOTA JEMBER ib unej ib unej ib unej ib unej ib unej PENGARUH DIMENSI KUALITAS JASA TERHADAP KEPUASAN KONSUMEN PT. NUANSA WISATA PRIMA NUSANTARA TOURS & TRAVEL DI KOTA JEMBER SKRIPSI oleh : Erina Angga Kusuma NIM.

Lebih terperinci

FAJAR NOVA EFENDI B 100 020 445

FAJAR NOVA EFENDI B 100 020 445 ANALISIS PENGARUH DIMENSI KUALITAS TERHADAP KEPUASAN KONSUMEN DI BIDANG JASA TELEKOMUNIKASI SELULER (Studi Kasus Konsumen Pengguna Simcard Indosat IM3 di Kotamadya Surakarta) SKRIPSI Diajukan Untuk Memenuhi

Lebih terperinci

STATISTIK NON PARAMTERIK

STATISTIK NON PARAMTERIK STATISTIK NON PARAMTERIK PROSEDUR PENGOLAHAN DATA : PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameterparameter

Lebih terperinci

BELAJAR MINAT 2013/2014 SKRIPSI. Disusun oleh : A510100230 FAKULTA

BELAJAR MINAT 2013/2014 SKRIPSI. Disusun oleh : A510100230 FAKULTA PENGARUH PEMBELAJARAN JOYFUL LEARNING TERHADAP MINAT BELAJAR SISWA KELAS V MATA PELAJARAN IPA SD NEGERI TANGKIL 4 TAHUN PELAJARAN 2013/2014 SKRIPSI Diajukan Untuk Memenuhi Persyaratan Guna Memperoleh Derajat

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. A. Hasil Uji Asumsi. Sebelum melakukan analisis dengan menggunakan analisis regresi,

BAB IV HASIL DAN PEMBAHASAN. A. Hasil Uji Asumsi. Sebelum melakukan analisis dengan menggunakan analisis regresi, BAB IV HASIL DAN PEMBAHASAN A. Hasil Uji Asumsi Sebelum melakukan analisis dengan menggunakan analisis regresi, terlebih dahulu perlu dilakukan uji asumsi terhadap data penelitian. Uji asumsi yang dilakukan

Lebih terperinci

PENGARUH PENDIDIKAN AKHLAQ TERHADAP PEMBENTUKAN KECERDASAN SPIRITUAL SISWA MTS NU SALATIGA TAHUN AJARAN 2010/2011 SKRIPSI

PENGARUH PENDIDIKAN AKHLAQ TERHADAP PEMBENTUKAN KECERDASAN SPIRITUAL SISWA MTS NU SALATIGA TAHUN AJARAN 2010/2011 SKRIPSI PENGARUH PENDIDIKAN AKHLAQ TERHADAP PEMBENTUKAN KECERDASAN SPIRITUAL SISWA MTS NU SALATIGA TAHUN AJARAN 2010/2011 SKRIPSI Diajukan untuk Memenuhi Kewajiban dan Melengkapi Syarat Guna Memperoleh Gelar Sarjana

Lebih terperinci

EVALUASI PROGRAM PEMBERDAYAAN USAHA MIKRO, KECIL DAN MENENGAH (UMKM) GARDA EMAS (Studi Kasus UMKM Penghasil Sandal Di Kecamatan Bogor Selatan)

EVALUASI PROGRAM PEMBERDAYAAN USAHA MIKRO, KECIL DAN MENENGAH (UMKM) GARDA EMAS (Studi Kasus UMKM Penghasil Sandal Di Kecamatan Bogor Selatan) EVALUASI PROGRAM PEMBERDAYAAN USAHA MIKRO, KECIL DAN MENENGAH (UMKM) GARDA EMAS (Studi Kasus UMKM Penghasil Sandal Di Kecamatan Bogor Selatan) Oleh BUDI LENORA A14304055 PROGRAM STUDI EKONOMI PERTANIAN

Lebih terperinci

S K R I P S I Diajukan untuk Memenuhi Sebagian Syarat Memperoleh Gelar Sarjana Pendidikan dalam Ilmu Pendidikan Guru Madrasah Ibtidaiyah (PGMI) Oleh:

S K R I P S I Diajukan untuk Memenuhi Sebagian Syarat Memperoleh Gelar Sarjana Pendidikan dalam Ilmu Pendidikan Guru Madrasah Ibtidaiyah (PGMI) Oleh: EFEKTIVITAS METODE PEMBELAJARAN INQUIRY DAN DISCOVERY BERBANTUAN ALAT PERAGA JARING- JARING BALOK DAN KUBUS TERHADAP HASIL BELAJAR PESERTA DIDIK KELAS IV MI AL KHOIRIYYAH 2 SEMARANG SEMESTER GENAP TAHUN

Lebih terperinci

ANALISIS KESALAHAN EJAAN PADA SURAT DINAS DI BALAI DESA BUTUH KRAJAN, KECAMATAN TENGARAN KABUPATEN SEMARANG

ANALISIS KESALAHAN EJAAN PADA SURAT DINAS DI BALAI DESA BUTUH KRAJAN, KECAMATAN TENGARAN KABUPATEN SEMARANG ANALISIS KESALAHAN EJAAN PADA SURAT DINAS DI BALAI DESA BUTUH KRAJAN, KECAMATAN TENGARAN KABUPATEN SEMARANG SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Guna Mencapai Derajat Sarjana S-1 Pendidikan

Lebih terperinci

SKRIPSI. Untuk Memenuhi Sebagian Persyaratan Guna Mencapai Derajat S-1 Pendidikan Akuntansi. Disusun oleh : ANNA NUR ELAWATI A.

SKRIPSI. Untuk Memenuhi Sebagian Persyaratan Guna Mencapai Derajat S-1 Pendidikan Akuntansi. Disusun oleh : ANNA NUR ELAWATI A. PENERAPAN STRATEGI PEMBELAJARAN DUA TINGGAL DUA TAMU (TWO STAY TWO STRAY) UNTUK MENINGKATKAN MINAT DAN HASIL BELAJAR EKONOMI PADA SISWA KELAS VIII SMP NEGERI 1 SAMBI TAHUN AJARAN 2012/2013 SKRIPSI Untuk

Lebih terperinci

SKRIPSI. Tugas dan. Oleh: NUR

SKRIPSI. Tugas dan. Oleh: NUR ANALISIS PENGARUH PERSEPSI POINT OF PURCHASE (POP) TERHADAP KEPUTUSAN PEMBELIAN SKRIPSI Diajukan Untuk Memenuhi Tugas dan Syarat-Syarat Guna Memperoleh Gelar Sarjana Ekonomi Jurusan Manajemen Fakultas

Lebih terperinci

(PTK Pembelajaran Matematika Di Kelas VIII SMP Al Islam 1 Surakarta)

(PTK Pembelajaran Matematika Di Kelas VIII SMP Al Islam 1 Surakarta) UPAYA MENINGKATKAN MINAT DALAM PEMBELAJARAN MATEMATIKA MELALUI STRATEGI PEMBELAJARAN QUESTION STUDENT HAVE PADA POKOKK BAHASAN LINGKARAN (PTK Pembelajaran Matematika Di Kelas VIII SMP Al Islam 1 Surakarta)

Lebih terperinci

UPAYA MENGATASI MISKONSEPSI SISWA MELALUI METODE PEMBELAJARAN DELIKAN

UPAYA MENGATASI MISKONSEPSI SISWA MELALUI METODE PEMBELAJARAN DELIKAN UPAYA MENGATASI MISKONSEPSI SISWA MELALUI METODE PEMBELAJARAN DELIKAN (DENGAR, LIHAT, KERJAKAN) PADA SISWA KELAS VIII SEMESTER GENAP SMP MUHAMMADIYAH 2 SURAKARTA SKRIPSI Untuk Memenuhi Sebagian Persyaratan

Lebih terperinci

PENGARUH LINGKUNGAN KERJA DAN MOTIVASI TERHADAP PRODUKTIVITAS KERJA KARYAWAN PT BANK RAKYAT INDONESIA (PERSERO) TBK CABANG JEMBER

PENGARUH LINGKUNGAN KERJA DAN MOTIVASI TERHADAP PRODUKTIVITAS KERJA KARYAWAN PT BANK RAKYAT INDONESIA (PERSERO) TBK CABANG JEMBER PENGARUH LINGKUNGAN KERJA DAN MOTIVASI TERHADAP PRODUKTIVITAS KERJA KARYAWAN PT BANK RAKYAT INDONESIA (PERSERO) TBK CABANG JEMBER THE INFLUENCE OF WORK ENVIRONMENT AND MOTIVATION TOWARD TO THE WORK PRODUKTIVITY

Lebih terperinci

MANAJEMEN PEMBELAJARAN PAI DI TK ALAM AULIYA KENDAL

MANAJEMEN PEMBELAJARAN PAI DI TK ALAM AULIYA KENDAL MANAJEMEN PEMBELAJARAN PAI DI TK ALAM AULIYA KENDAL SKRIPSI Diajukan untuk Memenuhi Sebagian Tugas dan Melengkapi Syarat Guna Memperoleh Gelar Sarjana Strata Satu (S1) dalam Ilmu Tarbiyah Program Studi

Lebih terperinci

Skripsi. Ekonomi. Fakultas. Disusun oleh: NPM : 10 03

Skripsi. Ekonomi. Fakultas. Disusun oleh: NPM : 10 03 PENGARUH ORIENTASI PEMBELIAN, KEPERCAYAAN, DAN PENGALAMAN PEMBELIAN ONLINE TERHADAP NIAT BELI ONLINE Skripsi Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjanaa Ekonomi (S1) Pada Program Studi

Lebih terperinci

PERAN PEMERINTAH DALAM MENGHADAPI BENCANA BANJIR DI KELURAHAN NUSUKAN KECAMATAN BANJARSARI, SURAKARTA SKRIPSI. Guna mencapai derajat Sarjana S-1

PERAN PEMERINTAH DALAM MENGHADAPI BENCANA BANJIR DI KELURAHAN NUSUKAN KECAMATAN BANJARSARI, SURAKARTA SKRIPSI. Guna mencapai derajat Sarjana S-1 PERAN PEMERINTAH DALAM MENGHADAPI BENCANA BANJIR DI KELURAHAN NUSUKAN KECAMATAN BANJARSARI, SURAKARTA SKRIPSI Diajukan untuk memenuhi sebagian persyaratan Guna mencapai derajat Sarjana S-1 Program Studi

Lebih terperinci

SKRIPSI. Oleh : Mardi Utomo 10604227402

SKRIPSI. Oleh : Mardi Utomo 10604227402 HUBUNGAN KECEPATAN DAN KOORDINASI MATA-TANGAN-KAKI DENGAN KETERAMPILAN MENGGIRING BOLA SISWA SDN 1 CANGKREPLOR PURWOREJO YANG MENGIKUTI EKSTRAKURIKULER SEPAKBOLA SKRIPSI Diajukan kepada Fakultas Ilmu Keolahragaan

Lebih terperinci

ANALISIS PERBANDINGAN KINERJA KEUANGAN PENDEKATAN LABA RUGI DAN NILAI TAMBAH PADA BNI SYARIAH SKRIPSI

ANALISIS PERBANDINGAN KINERJA KEUANGAN PENDEKATAN LABA RUGI DAN NILAI TAMBAH PADA BNI SYARIAH SKRIPSI ANALISIS PERBANDINGAN KINERJA KEUANGAN PENDEKATAN LABA RUGI DAN NILAI TAMBAH PADA BNI SYARIAH SKRIPSI Diajukan Untuk Memenuhi Tugas dan Melengkapi Syarat Guna Memperoleh Gelar Sarjana Strata 1 Dalam Ilmu

Lebih terperinci

DIPEROLEH MELALUI MODEL PEMBELAJARAN KOOPERATIF JIGSAW

DIPEROLEH MELALUI MODEL PEMBELAJARAN KOOPERATIF JIGSAW PERBEDAAN HASIL BELAJAR DAN AKTIVITAS SISWA YANG DIPEROLEH MELALUI MODEL PEMBELAJARAN KOOPERATIF JIGSAW DENGAN MODEL PEMBELAJARAN KOOPERATIF STAD PADA MATA PELAJARAN PEMASARAN PADA SUBPOKOK BAHASAN PRODUK

Lebih terperinci

AKUNTANN AKUNTANSI UNIVERSI. Surakarta) SKRIPSI. Disusun oleh: MURTININGSIH B 200 070 172

AKUNTANN AKUNTANSI UNIVERSI. Surakarta) SKRIPSI. Disusun oleh: MURTININGSIH B 200 070 172 PERSEPSI MAHASISWA AKUNTANSI TERHADAP PROFESI AKUNTANN (Studi Kasus pada Universitas Muhammadiyah Surakarta) SKRIPSI Diajukan untuk melengkapi tugas-tugas dan memenuhi syarat-syarat guna memperoleh gelar

Lebih terperinci

REGRESI LINIER OLEH: JONATHAN SARWONO

REGRESI LINIER OLEH: JONATHAN SARWONO REGRESI LINIER OLEH: JONATHAN SARWONO 1.1 Pengertian Apa yang dimaksud dengan regresi linier? Istilah regresi pertama kali dalam konsep statistik digunakan oleh Sir Francis Galton dimana yang bersangkutan

Lebih terperinci

PENGARUH PERHATIAN ORANG TUA, MOTIVASI BELAJAR, BAKAT, KEMANDIRIAN, INTELEGENSI, DAN KECERDASAN EMOSIONAL TERHADAP PRESTASI BELAJAR SISWA

PENGARUH PERHATIAN ORANG TUA, MOTIVASI BELAJAR, BAKAT, KEMANDIRIAN, INTELEGENSI, DAN KECERDASAN EMOSIONAL TERHADAP PRESTASI BELAJAR SISWA PENGARUH PERHATIAN ORANG TUA, MOTIVASI BELAJAR, BAKAT, KEMANDIRIAN, INTELEGENSI, DAN KECERDASAN EMOSIONAL TERHADAP PRESTASI BELAJAR SISWA (Studi pada Siswa Kelas XI Jurusan Akuntansi se Kabupaten Kudus)

Lebih terperinci

PELAKSANAAN PENGADAAN TANAH UNTUK PROYEK NORMALISASI KALI PUTIH DI DESA JUMOYO KABUPATEN MAGELANG SKRIPSI

PELAKSANAAN PENGADAAN TANAH UNTUK PROYEK NORMALISASI KALI PUTIH DI DESA JUMOYO KABUPATEN MAGELANG SKRIPSI 1 PELAKSANAAN PENGADAAN TANAH UNTUK PROYEK NORMALISASI KALI PUTIH DI DESA JUMOYO KABUPATEN MAGELANG SKRIPSI Skripsi ini disusun untuk memenuhi salah satu syarat guna Memperoleh gelar sarjana pada Fakultas

Lebih terperinci

HUBUNGAN ANTARA MINAT BACA DENGAN KEMAMPUAN MEMAHAMI BACAAN SISWA KELAS V SD SE-GUGUS II KECAMATAN GEDONGTENGEN KOTA YOGYAKARTA TAHUN AJARAN 2011/2012

HUBUNGAN ANTARA MINAT BACA DENGAN KEMAMPUAN MEMAHAMI BACAAN SISWA KELAS V SD SE-GUGUS II KECAMATAN GEDONGTENGEN KOTA YOGYAKARTA TAHUN AJARAN 2011/2012 HUBUNGAN ANTARA MINAT BACA DENGAN KEMAMPUAN MEMAHAMI BACAAN SISWA KELAS V SD SE-GUGUS II KECAMATAN GEDONGTENGEN KOTA YOGYAKARTA TAHUN AJARAN 2011/2012 SKRIPSI Diajukan kepada Fakultas Ilmu Pendidikan Universitas

Lebih terperinci

FAKTOR-FAKTOR YANG MEMENGARUHI LUAS PENGUNGKAPAN SUKARELA PADA LAPORAN TAHUNAN PERUSAHAAN DI BURSA EFEK INDONESIA. Skripsi

FAKTOR-FAKTOR YANG MEMENGARUHI LUAS PENGUNGKAPAN SUKARELA PADA LAPORAN TAHUNAN PERUSAHAAN DI BURSA EFEK INDONESIA. Skripsi FAKTOR-FAKTOR YANG MEMENGARUHI LUAS PENGUNGKAPAN SUKARELA PADA LAPORAN TAHUNAN PERUSAHAAN DI BURSA EFEK INDONESIA Skripsi Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Ekonomi (S1) Pada

Lebih terperinci

UPAYA PEMANFAATAN WAKTU LUANG DI SEKOLAH MELALUI LAYANAN BIMBINGAN KELOMPOK SISWA KELAS X SMA MUHAMMADIYAH LASEM TAHUN AJARAN 2012/2013

UPAYA PEMANFAATAN WAKTU LUANG DI SEKOLAH MELALUI LAYANAN BIMBINGAN KELOMPOK SISWA KELAS X SMA MUHAMMADIYAH LASEM TAHUN AJARAN 2012/2013 UPAYA PEMANFAATAN WAKTU LUANG DI SEKOLAH MELALUI LAYANAN BIMBINGAN KELOMPOK SISWA KELAS X SMA MUHAMMADIYAH LASEM TAHUN AJARAN 2012/2013 Oleh YENI DARISMA NIM 200831173 PROGRAM STUDI BIMBINGAN DAN KONSELING

Lebih terperinci

TERHADAP SKRIPSI. Disusun Oleh : PROGRAM RTA 2012

TERHADAP SKRIPSI. Disusun Oleh : PROGRAM RTA 2012 PENGARUH SUBSTITUSI TELUR AYAM PADA PAKAN TERHADAP LAJU PERTUMBUHAN IKAN MAS (Cyprinus carpio, L.) SKRIPSI Diajukan Kepada Fakultas Matematikan dan Ilmu Pengetahuann Alam Universitas Negeri Yogyakartaa

Lebih terperinci

SKRIPSI. Oleh: Sinta Ambar Husada NIM. 100210204169

SKRIPSI. Oleh: Sinta Ambar Husada NIM. 100210204169 PENINGKATAN AKTIVITAS DAN HASIL BELAJAR SISWA KELAS IV-A SDN PATRANG 01 JEMBER PADA MATA PELAJARAN IPA POKOK BAHASAN GAYA MELALUI METODE PEMBELAJARAN KOOPERATIF TIPE THINK PAIR AND SHARE (TPS) SKRIPSI

Lebih terperinci

MELALUI MODIFIKASI ALAT PEMBELAJARAN DAPAT MENINGKATKAN GERAK DASAR MENANGKAP BOLA MENDATAR DALAM BOLA TANGAN KELAS V SDN 1 SEPANGJAYA KEC

MELALUI MODIFIKASI ALAT PEMBELAJARAN DAPAT MENINGKATKAN GERAK DASAR MENANGKAP BOLA MENDATAR DALAM BOLA TANGAN KELAS V SDN 1 SEPANGJAYA KEC MELALUI MODIFIKASI ALAT PEMBELAJARAN DAPAT MENINGKATKAN GERAK DASAR MENANGKAP BOLA MENDATAR DALAM BOLA TANGAN KELAS V SDN 1 SEPANGJAYA KEC. KEDATON TAHUN PELAJARAN 2012/2013 (SKRIPSI) HARYATI 1013068068

Lebih terperinci

PERAN SERTA MASYARAKAT DALAM PEMBERANTASAN TINDAK PIDANA KORUPSI DI KABUPATEN KUDUS

PERAN SERTA MASYARAKAT DALAM PEMBERANTASAN TINDAK PIDANA KORUPSI DI KABUPATEN KUDUS SKRIPSI PERAN SERTA MASYARAKAT DALAM PEMBERANTASAN TINDAK PIDANA KORUPSI DI KABUPATEN KUDUS Diajukan untuk memenuhi dan melengkapi tugas Dalam menyelesaikan Jenjang Strata I (S1) Ilmu Hukum dengan kekhususan

Lebih terperinci

HUBUNGAN ANTARA POWER OTOT TUNGKAI DENGAN KEMAMPUAN LARI JARAK PENDEK (SPRINT) 100 METER SISWA SMK N 1 KLATEN JURUSAN AKUNTANSI SKRIPSI

HUBUNGAN ANTARA POWER OTOT TUNGKAI DENGAN KEMAMPUAN LARI JARAK PENDEK (SPRINT) 100 METER SISWA SMK N 1 KLATEN JURUSAN AKUNTANSI SKRIPSI HUBUNGAN ANTARA POWER OTOT TUNGKAI DENGAN KEMAMPUAN LARI JARAK PENDEK (SPRINT) 100 METER SISWA SMK N 1 KLATEN JURUSAN AKUNTANSI SKRIPSI Diajukan kepada Fakultas Ilmu Keolahragaan Universitas Negeri Yogyakarta

Lebih terperinci

HUBUNGAN PANJANG TUNGKAI DAN POWER OTOT TUNGKAI DENGAN KEMAMPUAN LARI JARAK 100 METER PADA SISWA PUTRA KELAS VIII SMP NEGERI 17 PALEMBANG

HUBUNGAN PANJANG TUNGKAI DAN POWER OTOT TUNGKAI DENGAN KEMAMPUAN LARI JARAK 100 METER PADA SISWA PUTRA KELAS VIII SMP NEGERI 17 PALEMBANG HUBUNGAN PANJANG TUNGKAI DAN POWER OTOT TUNGKAI DENGAN KEMAMPUAN LARI JARAK 100 METER PADA SISWA PUTRA KELAS VIII SMP NEGERI 17 PALEMBANG Skripsi Oleh : MUHAMMAD JULKANI Nomor Induk Mahasiswa 06101406005

Lebih terperinci

HUBUNGAN ANTARA KEPUASAN KERJA DENGAN KOMITMEN ORGANISASI

HUBUNGAN ANTARA KEPUASAN KERJA DENGAN KOMITMEN ORGANISASI HUBUNGAN ANTARA KEPUASAN KERJA DENGAN KOMITMEN ORGANISASI SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Dalam Mencapai Derajat Sarjana S-1 Psikologi Oleh: GALUH TRI DAMAYANTI F. 100 030 007 FAKULTAS

Lebih terperinci

POLA KOMUNIKASI ORANG TUA TERHADAP ANAK PENDERITA AUTISME

POLA KOMUNIKASI ORANG TUA TERHADAP ANAK PENDERITA AUTISME POLA KOMUNIKASI ORANG TUA TERHADAP ANAK PENDERITA AUTISME (Studi Deskriptif Kualitatif Pola Komunikasi Antarpribadi Orangtua Terhadap Anak Penderita Autisme di SDLBN Bangunharjo, Pulisen, Boyolali) SKRIPSI

Lebih terperinci

STUDI KOMPARASI PENERAPAN STRATEGI INDEX CARD MATCH DAN BERMAIN JAWABAN TERHADAP HASIL BELAJAR IPA SISWA KELAS III SDIT HIDAYAH NGAWEN TAHUN 2014/2015

STUDI KOMPARASI PENERAPAN STRATEGI INDEX CARD MATCH DAN BERMAIN JAWABAN TERHADAP HASIL BELAJAR IPA SISWA KELAS III SDIT HIDAYAH NGAWEN TAHUN 2014/2015 STUDI KOMPARASI PENERAPAN STRATEGI INDEX CARD MATCH DAN BERMAIN JAWABAN TERHADAP HASIL BELAJAR IPA SISWA KELAS III SDIT HIDAYAH NGAWEN TAHUN 2014/2015 SKRIPSI Untuk Memenuhi Sebagian Persyaratan Guna Mencapai

Lebih terperinci

PENGARUH LAYANAN INFORMASI BIDANG SOSIAL TERHADAP PERILAKU BERMORAL SISWA KELAS VII F SMP 4 BAE KUDUS TAHUN PELAJARAN 2011/2012

PENGARUH LAYANAN INFORMASI BIDANG SOSIAL TERHADAP PERILAKU BERMORAL SISWA KELAS VII F SMP 4 BAE KUDUS TAHUN PELAJARAN 2011/2012 PENGARUH LAYANAN INFORMASI BIDANG SOSIAL TERHADAP PERILAKU BERMORAL SISWA KELAS VII F SMP 4 BAE KUDUS TAHUN PELAJARAN 2011/2012 Oleh LAILA NI MAH NIM 200731059 PROGRAM STUDI BIMBINGAN KONSELING FAKULTAS

Lebih terperinci

PANDANGAN TIGA TOKOH UTAMA WANITA TENTANG EMANSIPASI DALAM NOVEL TIGA ORANG PEREMPUAN KARYA MARIA A. SARDJONO

PANDANGAN TIGA TOKOH UTAMA WANITA TENTANG EMANSIPASI DALAM NOVEL TIGA ORANG PEREMPUAN KARYA MARIA A. SARDJONO PANDANGAN TIGA TOKOH UTAMA WANITA TENTANG EMANSIPASI DALAM NOVEL TIGA ORANG PEREMPUAN KARYA MARIA A. SARDJONO SKRIPSI Diajukan untuk Memenuhi sebagian Persyaratan Guna Melengkapi Gelar Sasrjana Sastra

Lebih terperinci

F U N G S I A. PENGERTIAN DAN UNSUR-UNSUR FUNGSI

F U N G S I A. PENGERTIAN DAN UNSUR-UNSUR FUNGSI F U N G S I A. PENGERTIAN DAN UNSUR-UNSUR FUNGSI Fungsi Fungsi ialah suatu bentuk hubungan matematis yang menyatakan hubungan ketergantungan (hubungan fungsional) antara satu variabel dengan variabel lain.

Lebih terperinci

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 34 43 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK

Lebih terperinci

NEGERI PASIR BANYUMAS SKRIPSI

NEGERI PASIR BANYUMAS SKRIPSI PENGARUH PENERAPAN PENDEKATAN PEMBELAJARAN CONTEXTUAL TEACHING AND LEARNING TERHADAP HASIL BELAJAR ILMU PENGETAHUAN SOSIAL PADA SISWA KELAS IV SEKOLAH DASARR NEGERI PASIR WETANN BANYUMAS SKRIPSI Diajukan

Lebih terperinci

PENGARUH KUALITAS PELAYANAN DAN KUALITAS PRODUK TABUNGAN ib HASANAH TERHADAP KEPUASAN NASABAH PADA BANK BNI SYARIAH

PENGARUH KUALITAS PELAYANAN DAN KUALITAS PRODUK TABUNGAN ib HASANAH TERHADAP KEPUASAN NASABAH PADA BANK BNI SYARIAH PENGARUH KUALITAS PELAYANAN DAN KUALITAS PRODUK TABUNGAN ib HASANAH TERHADAP KEPUASAN NASABAH PADA BANK BNI SYARIAH SKRIPSI N a m a : Hikmawati N I M : 43111110164 FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS

Lebih terperinci

UPAYA PENINGKATAN KEAKTIFAN DAN HASIL BELAJAR PESERTA DIDIK MELALUI MODEL PEMBELAJARAN KOOPERATIF TIPE GALLERY WALK

UPAYA PENINGKATAN KEAKTIFAN DAN HASIL BELAJAR PESERTA DIDIK MELALUI MODEL PEMBELAJARAN KOOPERATIF TIPE GALLERY WALK UPAYA PENINGKATAN KEAKTIFAN DAN HASIL BELAJAR PESERTA DIDIK MELALUI MODEL PEMBELAJARAN KOOPERATIF TIPE GALLERY WALK DENGAN BANTUAN ALAT PERAGA PADA MATERI POKOK SEGI EMPAT KELAS VII A MTs MU`ALLIMIN MU`ALLIMAT

Lebih terperinci

TUGAS AKHIR EVALUASI HALTE TRANS JOGJA TERHADAP POTENSI NAIK TURUN PENUMPANG

TUGAS AKHIR EVALUASI HALTE TRANS JOGJA TERHADAP POTENSI NAIK TURUN PENUMPANG TUGAS AKHIR EVALUASI HALTE TRANS JOGJA TERHADAP POTENSI NAIK TURUN PENUMPANG (Studi Kasus Jalur 3A dan 3B) Disusun guna melengkapi persyaratan untuk mencapai derajat kesarjanaan Strata-1 Pada Jurusan Teknik

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel BAB III METODOLOGI PENELITIAN A. Definisi konseptual, Operasional dan Pengukuran Variabel 1. Definisi Konseptual Menurut teori teori yang di uraikan tersebut diatas dapat disimpulkan bahwa yang dimaksud

Lebih terperinci

PENGARUH MOTIVASI DAN KOMUNIKASI DUA ARAH DALAM PEMBELAJARAN MATEMATIKA TERHADAP PRESTASI BELAJAR MATEMATIKA SISWA

PENGARUH MOTIVASI DAN KOMUNIKASI DUA ARAH DALAM PEMBELAJARAN MATEMATIKA TERHADAP PRESTASI BELAJAR MATEMATIKA SISWA PENGARUH MOTIVASI DAN KOMUNIKASI DUA ARAH DALAM PEMBELAJARAN MATEMATIKA TERHADAP PRESTASI BELAJAR MATEMATIKA SISWA ( Pembelajaran Matematika di Kelas VIII SMP N 23 Surakarta ) S K R I P S I Untuk memenuhi

Lebih terperinci

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita

Lebih terperinci

SKRIPSI. Diajukan Sebagai Syarat Memperoleh Gelar Sarjana S.1 Dalam Ilmu Tarbiyah dan Keguruan Jurusan Pendidikan Guru Kelas MI.

SKRIPSI. Diajukan Sebagai Syarat Memperoleh Gelar Sarjana S.1 Dalam Ilmu Tarbiyah dan Keguruan Jurusan Pendidikan Guru Kelas MI. MENINGKATKAN HASIL BELAJAR DAN KEAKTIFAN PESERTA DIDIK PADA MATERI PECAHAN SEDERHANA MELALUI MODEL PEMBELAJARAN STAD (STUDENT TEAMS ACHIEVEMENT DIVISIONS) DI KELAS IV MI BANGUNREJO PATEBON KENDAL TAHUN

Lebih terperinci

Skripsi. Diajukan Untuk Memenuhi Tugas dan Melengkapi Syarat Guna Memperoleh Gelar Sarjana Pendidikan Islam (S-1) dalam Ilmu Pendidikan Agama Islam

Skripsi. Diajukan Untuk Memenuhi Tugas dan Melengkapi Syarat Guna Memperoleh Gelar Sarjana Pendidikan Islam (S-1) dalam Ilmu Pendidikan Agama Islam UPAYA MENINGKATKAN KEAKTIFAN BELAJAR DAN HASIL BELAJAR PESERTA DIDIK PADA MATA PELAJARAN FIQIH POKOK MATERI MAKANAN DAN MINUMAN MELALUI METODE PEMBELAJARAN KOOPERATIF TIPE JIGSAW PADA KELAS VIIIA MTs ASY-SYARIFIYAH

Lebih terperinci

MANFAAT PENETAPAN HARGA POKOK PESANAN DALAM EFEKTIVITAS PENETAPAN HARGA JUAL PRODUK. (suatu studi kasus pada PT PINDAD (Divisi T&C) di Bandung)

MANFAAT PENETAPAN HARGA POKOK PESANAN DALAM EFEKTIVITAS PENETAPAN HARGA JUAL PRODUK. (suatu studi kasus pada PT PINDAD (Divisi T&C) di Bandung) MANFAAT PENETAPAN HARGA POKOK PESANAN DALAM EFEKTIVITAS PENETAPAN HARGA JUAL PRODUK (suatu studi kasus pada PT PINDAD (Divisi T&C) di Bandung) SKRIPSI Diajukan untuk Memenuhi dan Melengkapi Salah Satu

Lebih terperinci

IMPLEMENTASI PANCASILA PADA MASA ORDE BARU SKRIPSI

IMPLEMENTASI PANCASILA PADA MASA ORDE BARU SKRIPSI IMPLEMENTASI PANCASILA PADA MASA ORDE BARU SKRIPSI Oleh Muh. Arif Candra Jaya NIM 070210302105 PROGRAM STUDI PENDIDIKAN SEJARAH JURUSAN PENDIDIKAN ILMU PENGETAHUAN SOSIAL FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

Lebih terperinci

SKRIPSI. Oleh: TSALIS HIDAYATI NIM 11507020. Diajukan Untuk Memperoleh Gelar Sarjana Pendidikan Islam

SKRIPSI. Oleh: TSALIS HIDAYATI NIM 11507020. Diajukan Untuk Memperoleh Gelar Sarjana Pendidikan Islam PENINGKATAN PRESTASI BELAJAR SISWA DALAM MATA PELAJARAN MATEMATIKA OPERASI HITUNG PERKALIAN DENGAN METODE BERMAIN KARTU PADA SISWA KELAS III MI DADAPAYAM II KECAMATAN SURUH KABUPATEN SEMARANG TAHUN PELAJARAN

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis

Lebih terperinci

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR Data Sampel I Data Sampel II Data Sampel III 5 4 7 9 8 5 9 4 6 CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR Kategori Data Sampel I Data Sampel

Lebih terperinci

SKRIPSI. Diajukan untuk. Oleh: AH A 310060149

SKRIPSI. Diajukan untuk. Oleh: AH A 310060149 ANALISIS TINDAK TUTUR ILOKUSI GURU BAHASA INDONESIA DALAM INTERAKSI BELAJAR MENGAJAR KELAS VII SMP MUHAMMADIYAH 7 BANYUDONO BOYOLALI SKRIPSI Diajukan untuk Memenuhi Sebagian Persyaratan Guna Menyelesaikan

Lebih terperinci

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS & STRUCTURAL EQUATION MODEL Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS (Path Analysis) : merupakan suatu metode analisis untuk melihat hubungan antara

Lebih terperinci

ANALISIS KUALITAS PELAYANAN TERHADAP KEPUASAN PASIEN DILIHAT DIMENSI KUALITAS JASA DI PUSKEMAS TERAS BOYOLALI

ANALISIS KUALITAS PELAYANAN TERHADAP KEPUASAN PASIEN DILIHAT DIMENSI KUALITAS JASA DI PUSKEMAS TERAS BOYOLALI ANALISIS KUALITAS PELAYANAN TERHADAP KEPUASAN PASIEN DILIHAT DIMENSI KUALITAS JASA DI PUSKEMAS TERAS BOYOLALI Diajukan Untuk Melengkapi Tugas-tugas Dan Memenuhi Syarat-syarat Guna Mencapai Gelar Sarjana

Lebih terperinci

TRANSPARANSI MANAJEMEN KEUANGAN MADRASAH (Deskripsi di MTs Salafiyah Mrisi Tanggungharjo Grobogan Tahun Pembelajaran 2010/2011)

TRANSPARANSI MANAJEMEN KEUANGAN MADRASAH (Deskripsi di MTs Salafiyah Mrisi Tanggungharjo Grobogan Tahun Pembelajaran 2010/2011) TRANSPARANSI MANAJEMEN KEUANGAN MADRASAH (Deskripsi di MTs Salafiyah Mrisi Tanggungharjo Grobogan Tahun Pembelajaran 2010/2011) SKRIPSI Disusun Guna Memenuhi Tugas dan Melengkapi Syarat Guna Memperoleh

Lebih terperinci

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA

Lebih terperinci

PENGARUH PEMBELAJARAN BTQ (BACA TULIS Al-QUR AN) TERHADAP PRESTASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA KELAS X

PENGARUH PEMBELAJARAN BTQ (BACA TULIS Al-QUR AN) TERHADAP PRESTASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA KELAS X PENGARUH PEMBELAJARAN BTQ (BACA TULIS Al-QUR AN) TERHADAP PRESTASI BELAJAR PENDIDIKAN AGAMA ISLAM SISWA KELAS X (STUDI KASUS DI SMA NEGERI 1 TAMAN SIDOARJO) SKRIPSI Diajukan sebagai persyaratan memperoleh

Lebih terperinci

ANALISIS PERBANDINGAN KEPUASAN KONSUMEN TERHADAP PELAYANAN PADA MINIMARKET INDOMARET DENGAN ALFAMART DI KECAMATAN KOTA KABUPATEN KUDUS

ANALISIS PERBANDINGAN KEPUASAN KONSUMEN TERHADAP PELAYANAN PADA MINIMARKET INDOMARET DENGAN ALFAMART DI KECAMATAN KOTA KABUPATEN KUDUS 1 ANALISIS PERBANDINGAN KEPUASAN KONSUMEN TERHADAP PELAYANAN PADA MINIMARKET INDOMARET DENGAN ALFAMART DI KECAMATAN KOTA KABUPATEN KUDUS Skripsi ini diajukan sebagai salah satu syarat untuk menyelesaikan

Lebih terperinci

ANALISIS DIMENSI E-SERVICE QUALITY TERHADAP KEPUASAN KONSUMEN TOKO ONLINE OLEH: CELIA FAUSTINE NOVELIA 3103010102

ANALISIS DIMENSI E-SERVICE QUALITY TERHADAP KEPUASAN KONSUMEN TOKO ONLINE OLEH: CELIA FAUSTINE NOVELIA 3103010102 ANALISIS DIMENSI E-SERVICE QUALITY TERHADAP KEPUASAN KONSUMEN TOKO ONLINE OLEH: CELIA FAUSTINE NOVELIA 3103010102 JURUSAN MANAJEMEN FAKULTAS BISNIS UNIVERSITAS KATOLIK WIDYA MANDALA SURABAYA 2014 ANALISIS

Lebih terperinci

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi

Lebih terperinci

MANAJEMEN PENDIDIKAN KARAKTER PESERTA DIDIK DI SD Hj. ISRIATI BAITURRAHMAN 1 SEMARANG SKRIPSI

MANAJEMEN PENDIDIKAN KARAKTER PESERTA DIDIK DI SD Hj. ISRIATI BAITURRAHMAN 1 SEMARANG SKRIPSI MANAJEMEN PENDIDIKAN KARAKTER PESERTA DIDIK DI SD Hj. ISRIATI BAITURRAHMAN 1 SEMARANG SKRIPSI Diajukan Guna Memenuhi Tugas dan Melengkapi Syarat Memperoleh Gelar Sarjana Pendidikan Islam Dalam Prodi Kependidikan

Lebih terperinci

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA Oleh: Nugraha Setiawan FAKULTAS PETERNAKAN UNIVERSITAS PADJADJARAN November 007 Penentuan Ukuran Sampel

Lebih terperinci

TUGAS AKHIR PENGARUH SUPERPLASTICIZER TIPE VISCOCRETE-10 DAN SIKAFUME SERTA KAWAT BENDRAT TERHADAP KUAT DESAK DAN KUAT TARIK BETON MUTU TINGGI

TUGAS AKHIR PENGARUH SUPERPLASTICIZER TIPE VISCOCRETE-10 DAN SIKAFUME SERTA KAWAT BENDRAT TERHADAP KUAT DESAK DAN KUAT TARIK BETON MUTU TINGGI Disahkan Oleh: Pembimbing: Ketua Jurusan: (Ir.H.Ilman Noor.,MSCE.) (Ir.Suharyatmo.,M.T.) Tanggal : Tanggal : Pembimbing/Penguji (Ir. H. Ilman Noor., MSCE.) Penguji (Ir. H. Abdul Kadir Aboe., MS.) Penguji

Lebih terperinci

Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment)

Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Metoda Kuadrat Terkecil adalah salah satu metoda yang paling populer dalam menyelesaikan masalah hitung perataan. Aplikasi pertama perataan kuadrat

Lebih terperinci

SKRIPSI. Oleh : Mahbubil Iqbal NIM. 100210101054

SKRIPSI. Oleh : Mahbubil Iqbal NIM. 100210101054 PENGEMBANGAN PERANGKAT PEMBELAJARAN MATEMATIKA BERBASIS KARAKTER KONSISTEN DAN TELITI DENGAN PENDEKATAN REALISTIC MATHEMATICS EDUCATION PADA SUB POKOK BAHASAN PERSEGI PANJANG DAN PERSEGI KELAS VII SMP

Lebih terperinci

Pendahuluan. Angka penting dan Pengolahan data

Pendahuluan. Angka penting dan Pengolahan data Angka penting dan Pengolahan data Pendahuluan Pengamatan merupakan hal yang penting dan biasa dilakukan dalam proses pembelajaran. Seperti ilmu pengetahuan lain, fisika berdasar pada pengamatan eksperimen

Lebih terperinci

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH BAGI ANAK USIA WAJIB BELAJAR DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED POISSON REGRESSION

PEMODELAN ANGKA PUTUS SEKOLAH BAGI ANAK USIA WAJIB BELAJAR DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED POISSON REGRESSION PEMODELAN ANGKA PUTUS SEKOLAH BAGI ANAK USIA WAJIB BELAJAR DI JAWA TIMUR DENGAN PENDEKATAN GENERALIZED POISSON REGRESSION 1 Tanty Citrasari Wijayanti (1307100024) 2 Setiawan (19601030 198701 1 001) 1 Mahasiswa

Lebih terperinci

SKRIPSI. Oleh : Mevi Isnaini Rizkiyana NIM 080210201025

SKRIPSI. Oleh : Mevi Isnaini Rizkiyana NIM 080210201025 PENINGKATAN MINAT BACA ANAK MELALUI METODE BERCERITA DENGAN MENGGUNAKAN MEDIA DI KELOMPOK B4 TAMAN KANAK-KANAK (TK) AL-AMIEN KECAMATAN PATRANG KABUPATEN JEMBER TAHUN PELAJARAN 2011/2012 SKRIPSI Oleh :

Lebih terperinci

LAPORAN SKRIPSI. Sistem Informasi Penerimaan Siswa Baru Berbasis Web pada SMA NU Al Ma ruf Kudus

LAPORAN SKRIPSI. Sistem Informasi Penerimaan Siswa Baru Berbasis Web pada SMA NU Al Ma ruf Kudus LAPORAN SKRIPSI Sistem Informasi Penerimaan Siswa Baru Berbasis Web pada SMA NU Al Ma ruf Kudus Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan Program studi Sistem Informasi S-1

Lebih terperinci

PEMISAHAN HAK GUNA BANGUNAN INDUK KE HAK GUNA BANGUNAN PERSEORANGAN DALAM JUAL BELI PERUMAHAN DI KABUPATEN SLEMAN SKRIPSI

PEMISAHAN HAK GUNA BANGUNAN INDUK KE HAK GUNA BANGUNAN PERSEORANGAN DALAM JUAL BELI PERUMAHAN DI KABUPATEN SLEMAN SKRIPSI PEMISAHAN HAK GUNA BANGUNAN INDUK KE HAK GUNA BANGUNAN PERSEORANGAN DALAM JUAL BELI PERUMAHAN DI KABUPATEN SLEMAN SKRIPSI Disusun untuk memenuhi salah satu syarat guna memperoleh gelar sarjana Pada Fakultas

Lebih terperinci

BAB V HASIL PENELITIAN

BAB V HASIL PENELITIAN 1 BAB V HASIL PENELITIAN 5.1 Statistik Deskriptif Penelitian ini menggunakan perusahaan yang terdaftar di Bursa Efek Indonesia, baik perusahaan dibidang keuangan maupun bidang non-keuangan sebagai sampel

Lebih terperinci

HUBUNGAN PELATIHAN DENGAN PRODUKTIVITAS KERJA KARYAWAN PADA PERSEROAN TERBATAS (PT) TABUNGAN DAN ASURANSI PEGAWAI NEGERI (PERSERO) CABANG JEMBER

HUBUNGAN PELATIHAN DENGAN PRODUKTIVITAS KERJA KARYAWAN PADA PERSEROAN TERBATAS (PT) TABUNGAN DAN ASURANSI PEGAWAI NEGERI (PERSERO) CABANG JEMBER HUBUNGAN PELATIHAN DENGAN PRODUKTIVITAS KERJA KARYAWAN PADA PERSEROAN TERBATAS (PT) TABUNGAN DAN ASURANSI PEGAWAI NEGERI (PERSERO) CABANG JEMBER SKRIPSI Diajukan guna melengkapi tugas akhir dan memenuhi

Lebih terperinci

Oleh : TRI UTAMI 092411177

Oleh : TRI UTAMI 092411177 PENGARUH KUALITAS TEKNIS DAN KUALITAS FUNGSIONAL PELAYANAN TERHADAP KEPUTUSAN PASIEN MEMILIH PENGOBATAN BEKAM DI KLINIK FIRDAUS SYARIAH HEALTHY CARE SEMARANG SKRIPSI Diajukan untuk Memenuhi Tugas dan Melengkapi

Lebih terperinci