Regresi Spasial Untuk Menentukan Faktor Faktor Kemiskinan Di Provinsi Sulawesi Selatan
|
|
- Hartanti Widjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Regresi Spasial Utuk Meetuka Faktor Faktor Kemiskia Di Provisi Sulawesi Selata Salmawaty 1, Sukara 2, Muhammad Abdy 3 1 Mahasiswa Program Studi S1 Matematika 2 Dose JurusaMatematika Jurusa Matematika, Fakultas Matematika da Ilmu pegetahua Alam Uiversitas Negeri Makassar, Parag Tambug, Sulawesi Selata salmawaty916@gmail.com Abstrak. Tujua dari peelitia ii adalah utuk meetuka variabel idepede yag mempegaruhi jumlah peduduk miski serta megidetifikasi pegaruh spasial kemiskia di Provisi Sulawesi Selata. Pada peelitia ii dilakuka pemodela kemiskia di Provisi Sulawesi Selata dega variabel depede yag diguaka adalah jumlah peduduk miski. Pemodela dilakuka dega pedekata area yaitu dega metode Spatial Autoregressive (SAR) da Spatial Error Model (SEM). Adapu variabel idepede yag diguaka adalah kepadata peduduk, agka harapa hidup, persetase peduduk yag tidak tamat sekolah dasar, PDRB perkapita, jumlah pegaggura da Ideks Pembagua Mausia (IPM). Hasil pegujia yag dilakuka meujukka model regresi klasik lebih baik disbadig model SAR da SEM. Tetapi variabel idepede yag berpegaruh sigifika terhadap jumlah peduduk miski di Provisi Sulawesi Selata berdasarka model regresi klasik, SAR da SEM sama, yaitu kepadata peduduk (X 1 ), PDRB perkapita (X 4 ) da jumlah pegaggura (X 5 ). Kata Kuci : Kemiskia, Regresi Klasik, SAR, SEM Abstract. The purpose of this study was to determie the idepedet variables affectig the umber of poor people ad to idetify the spatial ifluece of poverty i South Sulawesi Provice. I this research, poverty modelig i South Sulawesi Provice with depedet variable used is the umber of poor people. Modelig is doe by area approach with Spatial Autoregressive (SAR) ad Spatial Error Model (SEM) method. The idepedet variables used are populatio desity, life expectacy, percetage of people who do ot fiish primary school, GRDP per capita, uemploymet umber ad Huma Developmet Idex (HDI). The results of tests performed show a classical regressio model better tha SAR ad SEM models. But the idepedet variables that sigificatly ifluece the umber of poor people i South Sulawesi Provice based o the classical regressio model, SAR ad SEM are same, ie populatio desity (X 1 ), GRDP per capita (X 4 ) ad uemploymet umber (X 5 ). Keywords: Poverty, Classical Regressio, SAR, SEM. PENDAHULUAN Regresi spasial merupaka hasil pegembaga dari metode regresi klasik. Pegembaga itu berdasarka adaya pegaruh tempat atau spasial pada data yag diaalisis. Data spasial adalah suatu data yag megacu pada posisi, objek da hubuga diataraya dalam ruag bumi. Mappig Sciece Committee (1995) dalam Radjabidfard (2001) meeragka megeai petigya peraa posisi lokasi yaitu pegetahua megeai lokasi dari suatu aktifitas memugkika hubugaya dega aktifitas lai atau eleme lai dalam daerah yag sama atau yag berdekata. Feomea-feomea yag termasuk data spasial diataraya ialah peyebara suatu peyakit, peetua harga jual rumah, pertaia, kedoktera, pemiliha seorag pemimpi, krimialitas, kemiskia, dll.
2 Kemiskia merupaka salah satu permasalaha medasar yag mejadi pusat perhatia pemeritah semua egara di duia, terutama bagi egara berkembag seperti Idoesia. Pada Bula Maret 2015, jumlah peduduk miski di Idoesia mecapai 28,59 juta orag (11,22 perse). Agka ii bertambah sebesar 0,86 juta orag dibadigka dega kodisi September 2014 yag sebesar 27,73 juta orag (10,96 perse). Kodisi ii meujukka bahwa masyarakat Idoesia masih memiliki tigkat kemiskia yag tiggi. Berbeda dega Pemeritah Pusat, Jumlah peduduk miski di Provisi Sulawesi Selata pada Maret 2015 mecapai ribu peduduk, turu sebesar 8.63 ribu jiwa dari jumlah peduduk miski Provisi Sulawesi Selata pada September Berdasarka tigkat kemiskia tersebut Provisi Sulawesi Selata kii berada pada perigkat ke 16 dari 34 provisi. Peaggulaga kemiskia merupaka salah satu upaya utuk meigkatka kualitas hidup masyarakat sehigga diperluka aalisis medalam utuk megetahui faktor-faktor peyebab kemiskia. Megaalisa faktor peyebab kemiskia tidak bisa dilakuka secara seretak pada setiap wilayah karea bisa jadi setiap wilayah memiliki faktor peyebab kemiskia yag berbeda. Setiap Kabupate/Kota di Provisi Sulawesi Selata mempuyai potesi yag berbeda, dari ekoomi, pedidika, kesehata, da pelayaa masyarakat yag diidikasika adaya efek spasial. Adaya efek spasial merupaka hal yag lazim terjadi atara satu wilayah dega wilayah yag lai. Pada beberapa kasus, peubah tak bebas yag diamati memiliki keterkaita dega hasil pegamata di wilayah yag berbeda, terutama wilayah yag berdekata. Adaya hubuga spasial dalam peubah tak bebas aka meyebabka pedugaa mejadi tidak tepat karea asumsi keacaka galat dilaggar. Utuk megatasi permasalaha di atas diperluka suatu model regresi yag memasukka hubuga spasial atar wilayah ke dalam model. Adaya iformasi hubuga spasial atar wilayah meyebabka perlu megakomodir keragama spasial ke dalam model, sehigga model yag diguaka adalah model regresi spasial. Diharapka pegguaa model regresi spasial ii mampu meetuka faktor faktor yag berpegaruh terhadap kemiskia di setiap wilayah sehigga dapat dijadika salah satu rujuka dalam program pegetasa kemiskia yag tepat sasara. TINJAUAN PUSTAKA A. Regresi Liier Bergada Hubuga atara satu variabel dega salah satu atau lebih variabel idepede dapat diyataka dalam model regresi liier (Draper da Harry, 1992). Secara umum hubuga tersebut dapat diyataka sebagaimaa persamaa (1). Y = β 0 + β 1 X β p X p + ε (1) Dega Y Variabel depede, X Variabel idepede, β 0, β 1, β p adalah parameter yag harus diduga, da ε adalah Nilai eror regresi. B. Regresi Spasial Aseli (1998) megembagka model regresi spasial dega megguaka data spasial cross sectio. Model umum regresi spasial atau juga bisa disebut Spatial Autoregressive Movig Average (SARMA) dapat disajika sebagaimaa persamaa (2) da (3). y = ρw 1 y + Xβ + u (2) u = λw 2 u + ε (3) ε ~ N(0, σ 2 I)
3 Dega y = Vektor variabel depede dega ukura x 1, X = Matriks variabel idepede dega ukura x (k + 1), β = Vektor koefisie parameter regresi dega ukura (k + 1) x 1, ρ = Parameter koefisie spasial lag variabel depede, λ = Parameter koefisie spasial lag pada error, u, ε = Vektor error dega ukura x 1, W 1, W 2 = Matriks pembobot dega ukura x, = Jumlah amata atau lokasi ( i = 1,2,, ), k = Jumlah Variabel idepede ( k = 1,2,,l ), ε ~ N(0, σ 2 I) = Vektor error yag berdistribusi ormal dega mea ol da variasi kosta σ 2 I. C. Spatial Autoregressive Model (SAR) Model umum utuk SAR adalah sebagai berikut: y = ρw 1 y + Xβ + ε (4) ε ~ N(0, σ 2 I) D. Spatial Error Model (SEM) Model umum utuk SEM adalah sebagai berikut: dimaa y = Xβ + u u = λwu + ε (5) ε ~ N(0, σ 2 I) E. Matriks Pembobot Spasial Bobot matriks spasial (W) diperoleh dari iformasi jarak atara suatu wilayah dega wilayah yag lai. Eleme dari matiks W adalah Wij. LeSage (1999) mejelaska bahwa ada beberapa cara utuk meetuka ilai Wij yaitu: 1) Liier Cotiguity: Wij = 1 utuk wilayah yag ada di piggir atau tepi (edge) baik kiri atau kaa wilayah lai. 2) Rook Cotiguity: Wij = 1 utuk wilayah yag ada di sampig (side) wilayah lai. 3) Bishop Cotiguity: Wij = 1 utuk wilayah yag titik sudutya (vertex) bertemu dega wilayah lai. 4) Quee Cotiguity: Wij = 1 utuk wilayah yag ada di sampig atau sudut wilayah lai. F. Uji Efek Spasial Utuk megetahui adaya efek spasial perlu dilakuka uji depedesi spasial pada data dega megguaka beberapa metode pegujia. Pada peelitia ii, pegujia depedesi spasial megguaka statistik Mora s I da uji Peggada Lagrage (Lagrage Multiplier, LM). 1) Mora s I Hipotesis yag diguaka adalah : H 0 I = 0 (Tidak ada depedesi spasial) H 1 I 0 (Ada depedesi spasial) Statistik Uji yag difuaka adalah : Dega Z (I) = I E (I) Var(I) I = i=1 j=1 W ij (x i x )(x j x ) i=1 (x i x ) 2 E (I) = I 0 = 1 1 Var(I) = 2. S 1. S S 0 2 ( 2 1) 2. S2 0 i=1 j=1 i=1 j=1 - [E (I)] 2 S 0 = W ij S 1 = 1 (W 2 ij + W ji ) 2 S 2 = k ( j w kj + i w ik ) 2 (6)
4 W i. = j=1 W ij W.i = j=1 W ji 2) Lagrage Multiplier (LM) a. Utuk Spatial Autoregressive Model (SAR) H 0 : ρ = 0 (tidak ada ketergatuga lag spasial) H 0 : ρ 0 (ada ketergatuga lag spasial) b. Utuk Spatial Error Model (SEM) H 0 : λ = 0 (tidak ada ketergatuga sisaa spasial) H 0 : λ 0 (ada ketergatuga sisaa spasial) c. Utuk model Spatial Autoregressive Movig Average (SARMA) H 0 ρ,λ = 0 (tidak ada ketergatuga spasial) H 1 ρ, λ 0 (ada ketergatuga spasial) Statistik LM yag diguaka berbetuk LM = E 1 {(R y ) 2 T 2 2R y Re T 1 + (R e ) 2 2 (D + T 1 )}~χ (m) (7) METODE PENELITIAN Peelitia ii dilakuka di 23 Kabupate/Kota Provisi Sulawesi Selata dega megambil data dari Bada Pusat Statistik (BPS) Provisi Sulawesi Selata. Data yag diguaka dalam peelitia ii adalah jumlah peduduk miski (variabel depede). Data diambil dari Bada Pusat Statistik Provisi Sulawesi Selata tahu Adapu variabel idepedeya adalah kepadata peduduk, agka harapa hidup, persetase peduduk yag tidak tamat Sekolah Dasar, Pedapata Domestik Regioal Bruto (PDRB) perkapita, jumlah pegaggura, da Ideks Pembagua Mausia (IPM). HASIL DAN PEMBAHASAN 1. Peta Admiistratif Provisi Sulawesi Selata GAMBAR 1. Peta admiistratif Provisi Sulawesi Selata
5 Keteraga Gambar berdasarka kode wilayah 01. Kepulaua Selayar 13. Wajo 02. Bulukumba 14. Sidrap 03. Bataeg 15. Pirag 04. Jeepoto 16. Erekag 05. Takalar 17. Luwu 06. Gowa 18. Taa Toraja 07. Sijai 22. Luwu Utara 08. Maros 25. Luwu Timur 09. Pagkep 71. Makassar 10. Barru 72. Pare-pare 11. Boe 73. Palopo 12. Soppeg 2. Model Regresi Klasik Pemodela regresi klasik dilakuka utuk megetahui parameter yag sigifika mempegaruhi jumlah peduduk miski di Provisi Sulawesi Selata. Table 1 merupaka hasil estimasi parameter pada mosel regresi klasik dega software GeoDa. TABEL 1 Estimasi Parameter Model Regresi Klasik Variabel Koefisie Std. Error t-stat. Prob. Kotata 152,976 68,9969 2, ,04144 X 1-0, , , ,00381* X 2-0, , , ,55813 X 3-0, , , ,27725 X 4-0, , , ,00887* X 5 0, , , ,00004* X 6-0, , , ,39943 Berdasarka Tabel 1 dapat ditujukka hasil pegujia bahwa terdapat tiga variabel yag berpegaruh secara sigifika terhadap variabel depede karea pada variabel idepede tersebut memiliki ilai p-value < α (0,05). Variabel tersebut adalah kepadata peduduk (X 1 ), PDRB perkapita (X 4 ) da jumlah pegaggura (X 5 ). Tahapa selajutya adalah meregresika kembali variabel depede yag sigifika utuk medapatka model regresi terbaik. Variabel Koefisie Std. Error t-stat. Prob. Kostata 39,9696 5, ,5675 0,00000 X 1-0, , , ,00004* X 4-0, , , ,00131* X 5 0, , , ,00000* TABEL 2 Estimasi Parameter Model Regresi Klasik Terbaik
6 Dari Tabel 2 diperoleh model persamaa 4.1 regresi yaitu y i = 39,9696 0,0195X 1i 0,7068X 4i + 0,0035X 5i + ε i. (8) 3. Uji Efek Spasial a) Mora s I TABEL 3 Estimasi Parameter Model Regresi Klasik Terbaik Variabel Mora s I Z(I) Y -79, ,06562 X 1-0, ,13227 X 2 0, ,40047 X 3 0, ,83902 X 4 0, ,79195 Z 0,025 = 1,96 I 0 = 0,0454 X 5 0, ,41655 X 6 0, ,01328 Berdasarka Tabel 3 da ilai I 0 terlihat bahwa ilai Mora s I berilai lebih besar dari I 0 adalah semua variabel idepede yag artiya variabel tersebut megidikasika depedesi spasial yag positif yag berarti lokasi yag berdekata mempuyai ilai yag mirip da cederug berkelompok (cluster). Kecuali pada variabel depede dimaa ilai Mora s I berilai lebih kecil dari I 0 da berilai egatif ii megidikasika depedesi spasial egatif yag berarti lokasi yag berdekata mempuyai ilai yag berbeda. b) Lagrage Multiplier (LM) Pemiliha model spasial dilakuka dega Lagrage Multiplier (LM) sebagai idetifikasi awal. Lagrage Multiplier (LM) diguaka utuk medeteksi depedesi spasial dega lebih spesifik yaitu dega depedesi dalam lag, error atau keduaya (lag da error). Apabila LM lag da LM error tidak sigifika maka dapat disimpulka tidak terjadi depedesi baik pada lag maupu error. Uji depedesi spasial dilakuka pada pembobot rook cotiguity. Hasil pegujia Lagrage Multiplier (LM) pada Tabel 4. Kemudia berdasarka Tabel 2 meujukka bahwa dega megguaka pembobot rook cotiguity ilai p-value Mora s I tidak sigifika pada =5%. Hal ii berarti bahwa tidak terdapat depedesi spasial. TABEL 4 Hasil Diagostik Depedesi Spasial Uji depedesi Spasial Nilai P-value Mora s I Lagrage Multiplier (lag) Lagrage Multiplier (error) Lagrage Multiplier (SARMA) Model Regresi Spasial Aalisis selajutya adalah memodelka faktor-faktor yag mempegaruhi jumlah peduduk miski megguaka SAR da SEM. Hasil aalisis tersebut diperoleh megguaka OpeGeoda. TABEL 5 Persamaa Regresi Spatial Autoregressive (SAR) Model terbaik Variable Coefficiet Std.Error z-value Probability ρ
7 kostata X X X Dari Tabel 5 meujukka bahwa variabel kepadata peduduk (X 1 ), PDRB perkapita (X 4 ) da jumlah pegaggura (X 5 ) berpegaruh sigifika terhadap jumlah peduduk miski di Provisi Sulawesi Selata pada α = 0,05. Kesimpula ii diperoleh dega melihat ilai p-value < α (0,05). Nilai rho (ρ) pada pemodela SAR meujukka hasil yag tidak sigifika. Sehigga dapat dikataka bahwa utuk jumlah peduduk miski tidak terdapat depedesi spasial lag. Dari tabel 5 dibetuklah persamaa (9) yaitu Spatial Autoregressive (SAR) Model secara umum adalah sebagai berikut. 23 y i = j=1,i j W ij y j X X X 5 + ε i. (9) TABEL 6 Persamaa Regresi Spatial Error Model (SEM) terbaik Variable Coefficiet Std.Error z-value Probability kostata X X X λ Dari Tabel 6 meujukka bahwa variabel kepadata peduduk (X 1 ), PDRB perkapita (X 4 ) da jumlah pegaggura (X 5 ) berpegaruh sigifika terhadap jumlah peduduk miski di Provisi Sulawesi Selata pada α = 0,05. Kesimpula ii diperoleh dega melihat ilai p-value < α (0,05). Nilai lamda (λ) pada pemodela SEM meujukka hasil yag tidak sigifika. Sehigga dapat dikataka bahwa utuk jumlah peduduk miski tidak terdapat depedesi spasial error. Persamaa Spatial Error Model (SEM) secara umum adalah sebagai berikut. y i = 41, X 1 0,730452X 4 + 0, X 5 + u i 23 dega u i = j=1,i j W ij y j + ε i (10) KESIMPULAN Metode Regresi yag baik diguaka utuk jumlah peduduk miski di Provisi Sulawesi Selata pada peelitia ii adalah model SEM dega ilai R 2 yag lebih besar da ilai AIC yag kecil, meskipu demikia ilai lamda pada model SEM berilai positf da tidak sigifika sehigga model SEM tidak layak diguaka. Model SAR dega ilai R 2 yag lebih besar da ilai AIC yag besar, ilai rho pada model SAR berilai positf da tidak sigifika sehigga model SAR tidak layak diguaka. Jadi dapat disimpulka bahwa model regresi klasik lebih baik daripada model SAR da SEM dalam memodelka jumlah peduduk miski di Provisi Sulawesi Selata. Tapi faktor yag berpegaruh sigifika pada jumlah peduduk miski di Provisi Sulawesi Selata berdasarka model regresi klasik, SAR da SEM sama, yaitu kepadata peduduk (X 1 ), PDRB perkapita (X 4 ) da jumlah pegaggura (X 5 ).
8 DAFTAR PUSTAKA Aseli, L. (1998), Spatial Ecoometrics : Methods ad Models. Netherlads: Kluwer Academic Publishers. BPS, (2016), Provisi Sulawesi Selata Dalam Agka BPS, Provisi Sulawesi Selata. Draper, N. da Harry, S. (1992), Aalisis Regresi Terapa. Jakarta: PT. Gramedia Pustaka Umum. LeSage, J.P. (1999), The Theory ad Practice of Spatial Ecoometrics. Departemet of Ecoometris. Uiversity of Toledo, Uited States. diakses pada taggal 20 September 2016 Radjabidfard, A. (2001), SDI Hierachy, from Local to Global SDI Iitiatives. Melboure, Victoria: Spatial Data Research Group, Departemet of Geomatics. The Uiversity of Melboure.
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciAnalisis Pola Hubungan Persentase Penduduk Miskin dengan Faktor Lingkungan, Ekonomi, dan Sosial di Indonesia Menggunakan Regresi Spasial
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 27-3520 (2301-928X Prit) D-235 Aalisis Pola Hubuga Persetase Peduduk Miski dega Faktor Ligkuga, Ekoomi, da Sosial di Idoesia Megguaka Regresi Spasial Voesa
Lebih terperinciPEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)
THE 5 TH URECOL PROCEEDING 8 February 27 PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD) Putri Ayu Setiyowati ), Safaat Yuliato 2) Departeme Statistika, (AIS) Muhammadiyah Semarag email:
Lebih terperinciSPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
E-ISSN 2527-9378 Jural Statistika Idustri da Komputasi Volume 2, No. 2, Juli 2017, pp. 93-103 SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciPemodelan Panel Spasial pada Data Kemiskinan di Provinsi Papua
Statistika, Vol. 17 No. 1, 1 15 Mei 017 Pemodela Pael Spasial pada Data Kemiskia di Provisi Papua Admiistrasi Asurasi da Aktuaria Program Pedidika Vokasi Uiversitas Idoesia Depok e-mail: yuli.alhikmah47@gmail.com
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciAnalisis Faktor-Faktor yang Memengaruhi Angka Prevalensi Penyakit Kusta di Jawa Timur dengan Pendekatan Spatial Durbin Model
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Prit) D-95 Aalisis Faktor-Faktor yag Memegaruhi Agka Prevalesi Peyakit Kusta di Jawa Timur dega Pedekata Spatial Durbi Model Erawati, I Nyoma Latra.
Lebih terperinciPEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR)
E-Jural Matematika Vol. 6 (1), Jauari 2017, pp. 37-46 ISSN: 2303-1751 PEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR) Ni Made Surya Jayati
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA.1 Aalisis Regresi Bergada Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu variabel bebas (Y) dega satu atau lebih
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jural Ilmiah Widya Tekik Volume 6 Nomor 07 ISSN 4-7350 PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL Loviaa, Dia Reto Sari Dewi *, Luh Jui Asrii Jurusa Tekik
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA. Aalisis Regresi Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu peubah respo dega satu atau lebih peubah pejelas.
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciMengidentifikasi Pola Spasial dan Autokorelasi Spasial Tingkat Pengangguran Terbuka Kabupaten/Kota di Kalimantan Selatan Tahun 2014
Megidetifikasi Pola pasial da Autokorelasi pasial Tigkat Pegaggura Terbuka Kabupate/Kota di Kalimata elata Tahu 04 Muktar Redy usila, Jurusa tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut
Lebih terperinciPEMODELAN REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR DENGAN MENGGUNAKAN METODE REGRESI SPASIAL
PEMODELAN REMAJA PUUS SEKOLAH USIA SMA DI PROVINSI JAWA IMUR DENGAN MENGGUNAKAN MEODE REGRESI SPASIAL Liska Septiaa (), Sri Pigit Wuladari (), () Mahasiswa Statistika FMIPA IS_l5_k4@yahoo.co.id, () Dose
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciPEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciKata Kunci : CHAID, IPM, regresi logistik ordinal.
ANALISIS CHAID DAN REGRESI LOGISTIK ORDINAL PADA INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Liaa Yuita Sari, Sri Sulistijowati Hadajai, da Satoso Budiwiyoo Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciIDENTIFIKASI AUTOKORELASI SPASIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEKS MORAN
Idetifikasi Autokorelasi (Triastuti) IDENTIFIKAI AUTOKORELAI PAIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEK MORAN Triastuti Wuryadari, Abdul Hoyyi Dewi etya Kusumawardai 3, Dwi Rahmawati
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kosep Kemiskia Kemiskia dapat dilihat dari dua sisi yaitu kemiskia absolut da kemiskia relatif. Kemiskia absolut da kemiskia relatif adalah kosep kemiskia yag megacu pada kepemilika
Lebih terperinciMetode Regresi Poisson Terboboti Geografis pada Pemodelan Data Spasial
Metode Regresi Poisso Terboboti Geografis pada Pemodela Data Spasial Yohaa Eggar Setyarii 1, Suyoo, Widyati Rahayu 3 Program Studi Matematika, Fakultas Matematika da Ilmu Pegetahua Alam,Uiversitas Negeri
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB I PENDAHULUAN. Indonesia saat ini masih menghadapi suatu permasalahan serius yakni
BAB I PENDAHULUAN A. Latar Belakag Idoesia saat ii masih meghadapi suatu permasalaha serius yaki tiggiya agka kemiskia. Berdasarka data dari Bada Pusat Statistik (BPS) tahu 2015 tercatat bahwa agka kemiskia
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciPEMODELAN GIZI BURUK PADA BALITA DI KOTA SURABAYA DENGAN SPATIAL AUTOREGRESSIVE MODEL (SAR)
PEMODELAN GIZI BURUK PADA BALIA DI KOA SURABAYA DENGAN SPAIAL AUOREGRESSIVE MODEL (SAR) Qurrota A yui, da Dr. Brodol Sutio S.U, M.Si, Jurusa Statistika Istitut ekologi Sepuluh Nopember Surabaya e-mail
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciMATERI 10 ANALISIS EKONOMI
MATERI 10 ANALISIS EKONOMI TOP-DOWN APPROACH KONDISI EKONOMI DAN PASAR MODAL VARIABEL EKONOMI MAKRO MERAMAL PERUBAHAN PASAR MODAL 10-1 TOP-DOWN APPROACH Dalam melakuka aalisis peilaia saham, ivestor bisa
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciBAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit
BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBAB III METODE PENELITIAN Variabel Penelitian dan Definisi Operasional Variabel. miskin Kabupaten/Kota di Provinsi DIY. Jumlah penduduk miskin
BAB III METODE PENELITIAN 3.1. Variabel Peelia da Defiisi Operasioal Variabel 3.1.1. Variabel Depede Dalam peelia ii variabel depedeya adalah jumlah peduduk miski Kabupate/Kota di Provisi DIY. Jumlah peduduk
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode korelasioal, yaitu Peelitia korelasi bertujua utuk meemuka ada atau tidakya hubuga atara dua variabel atau
Lebih terperinciTUGAS ANALISIS REGRESI (HALAMAN
TUGAS ANALISIS REGRESI (HALAMAN 85-88) 1. Tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b. Hitug Sum of Square for Residual c. Hitug Mea Sum of Square for Regresssio
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peelitia Meurut Sugiyoo (2010, hlm. 3) pegertia dari obyek peelitia adalah sasara ilmiah utuk medapatka data dega tujua da keguaa tertetu tetag sesuatu hal
Lebih terperinciD-350 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print)
D-350 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (206) 2337-3520 (230-928X Prit) Pemodela da Pemetaa Kasus Jumlah Peduduk Miski di Provisi Jambi pada Tahu 204 dega Megguaka Geographically Weighted Negative
Lebih terperinciBAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab
BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciIII BAHAN DAN METODE PENELITIAN
27 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Objek yag diguaka dalam peelitia ii adalah kuda Sumba (Sadelwood) betia da jata berjumlah 30 ekor dega umur da berat yag relatif
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciAnalisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino
Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciBAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus
BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS Pada bab ii aka dibahas tetag betuk model spasial lag sekaligus spasial error da prosedur Geeralized Spatial Two Stage Least Squares (GS2SLS) utuk megestimasi
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciPERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK
PERTEMUAN 1-MPC PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK Utuk meigkatka presisi (meguragi varias samplig), desai samplig serig memafaatka auxiliarry variable yag mempuyai hubuga yag erat
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciMENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN
Saitia Matematika ISSN: 337-9197 Vol. 0, No. 03 (014), pp. 5 35. MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN Sabam
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperincisimulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai
37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinci