ESTIMASI PARAMETER DAN PENGUJIAN HIPOTESISMODEL REGRESI BURRTIGA PARAMETER TIPE XII
|
|
- Verawati Widya Iskandar
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November ESTIMASI PARAMETER DAN PENGUJIAN HIPOTESISMODEL REGRESI BURRTIGA PARAMETER TIPE XII Rzwa Arsad 1, Purhad 2 1,2 Jurusa Statstka FMIPA ITS Surabaya, Idoesa E-mal: 1 rzwaarsad@rocketmal.com 2 purhad@statstka.ts.ac.d Abstrak Aalss regres adalah metode statstk yag bergua utuk memerksa da memodelka hubuga datara varabel-varabel respo da predktor. Model regres pada umumya dbagu berdasarka asums bahwa data megkut dstrbus Normal, amu terbatasya jumlah data dalam aalss da pemodela data statstka membuat asums keormala tdak tepat dguaka karea mugk saja dstrbus data bersfat meceg (asmetr) da bahka bsa juga berekor lebh tebal atau berekor lebh tps dar dstrbus ormal (eo ormal). Ada beberapa dstrbus data yag relaksasya mampu meagkap pola kemecega da ketebala pada ekor dataya salah satuya adalah dstrbus Burr.Ketka pola data meceg atau berekor tebal, pemodela da pegolaha data harus dlakuka secara hat-hat. Aalss klask terutama dega feres statstkya terhadap parameter model tdak aka memberka hasl yag lebh bak, oleh sebab tu dstrbus Burr dracag utuk megatas pola data yag sedkt mrg atau tdak smetr karea dstrbus ddesa sebaga dstrbus yag fleksbel da adaptf. Utuk estmas parameter regres Burr megguaka metode maxmum lkelhood estmato (MLE), amu hasl yag dperoleh tdak close form sehgga secara umerk dguaka metode teras Newto-Raphso. Dalam peguja hpotess megguaka maksmum lkelhood Rato test (MLRT). Uj yag dguaka adalah uj seretak da parsal yag dlakuka dega statstk uj yag berdstrbus ch-square. Peelta megkaj estmas parameter da uj hpotess model regres Burr tga parameter tpe XII. Hasl peelta pada estmas parameter dbawah populas yatu θ θ 0, θ 1, θ 2,..., θ J,, da parameter d bawah H 0 yatu, serta perbadgka la llkelhood d bawah H 0 dega llkelhood d bawah populas atau dega perumusa l L ω L Ω, pada peguja hpotess. Kata Kuc: dstrbus Burr tga parameter tpe XII, model regres Burrmaxmum lkelhood estmato(mle) Abstract Regresso aalyss s a statstcal method that s useful to exame ad model the relatoshp betwee the varables ad predctors of respose. Regresso models are geerally bult o the assumpto that the data follow the ormal dstrbuto, but the lmted amout of data statstcal aalyss ad data modelg makes the assumpto of ormalty s ot approprate to be used as the data mght be skewed dstrbuto (asymmetry) ad that t s also a tal thcker or ther taled from a ormal dstrbuto (eo ormal). There are several relaxato data dstrbuto s able to capture the patter of skewess ad the thckess of the tal
2 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess of the dstrbuto of the data oe s Burr. Whe the data patter s skewed or heavy-taled, modelg ad data processg must be doe carefully. Classcal aalyss of the statstcal ferece, especally wth the model parameters wll ot gve better results, ad therefore the dstrbuto of weeks to resolve Burr desged data patters slghtly slated or symmetry because ths dstrbuto s desged as a flexble ad adaptve dstrbuto. Burr regresso for parameter estmato usg the method of maxmum lkelhood estmato (MLE), but the results are ot so umercally close form used Newto-Raphso terato method. I the hypothess testg usg maxmum lkelhood rato test (MLRT). Test used s the smultaeous ad partal test statstcs were performed wth ch-square dstrbuto. Ths study exames the parameter estmato ad hypothess testg Bur regresso models wth three-parameter of type XII.The results of the study o the populato sθ θ 0,θ 1,θ 2,...,θ J,, below the parameter estmates ad the parameters uder H 0 Whchλ, β,ad the comparso wth the value llkelhood uder populato or to the formulato l L ω L Ω, the test hypothess. 1. PENDAHULUAN Aalss regres adalah metode statstk yag bergua utuk memerksa da memodelka hubuga datara varabel-varabel respo da predctor Gujarat (2004).Aalss terhadap dstrbus data adalah bdag aalss yag palg petg dalam statstka, terbatasya jumlah data dalam aalss da pemodela data statstka membuat asums keormala tdak tepat dguaka.secara aaltk asums o-ormaltas serg dhadap da sult utuk memlh represetas dstrbus yag mampu mewakl betuk stadar yag tepat da memeuh kadah yag dharuska dalam aalss. Model regres pada umumya dbagu berdasarka asums bahwa data megkut dstrbus Normal, tap pada praktkya secara emprk, asums tdak selalu tepat karea mugk saja dstrbus data bersfat meceg (asmetr) da bahka bsa juga berekor lebh tebal atau berekor lebh tps dar dstrbus ormal (eo ormal). Ada beberapa dstrbus data yag relaksasya mampu meagkap pola kemecega da ketebala pada ekor dataya salah satuya adalah dstrbus Burr. Pola data memlk skewess da kurtoss yag berbeda dega dstrbus ormal, dega kata la, data megkut dstrbus yag berekor tebal (heavy-taled dstrbuto) dstrbus Burr, Burr (1942). Oleh sebab tu apabla data daalss sesua dega karakterstk data aslya aka mampu memberka formas yag lebh bak dar data tersebut, dbadgka apabla
3 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November data harus daals dega cara meyesuaka dataya utuk memeuh asums yag d syaratka dalam teor aalssya. Ketka pola data meceg atau berekor tebal, pemodela da pegolaha data harus dlakuka secara hat-hat. Aalss klask terutama dega feres statstkya terhadap parameter model tdak aka memberka hasl yag lebh bak, oleh sebab tu dstrbus Burr dracag utuk megatas pola data yag sedkt mrg atau tdak smetr karea dstrbus ddesa sebaga dstrbus yag fleksbel da adaptf, dega demka pedekata yag lebh efse da tdak memerluka peormala data dapat dperoleh Wllams (1959). Persamaa regres yag dguaka utuk membuat taksra megea la varabel terkat dsebut persamaa regres estmas, yatu suatu formula matemats yag meujukka hubuga keterkata atara satu atau beberapa varabel yag laya sudah dketahu dega satu varabel yag laya belum dketahu.sfat hubuga atar varabel dalam persamaa regres merupaka hubuga sebab akbat. Ada beberapa metode yag dapat dguaka dalam peaksra parameter regres yatu maxmum lkelhood methods, oteratve weghted least square, da dscrmat fugto aalyss methods. Salah satu metode yag lebh umum da dguaka sebaga besar paket program computer adalah maxmum lkelhood estmato (MLE).Metode dapat dguaka utuk meaksr la parameter bla dstrbus populas dketahu, oleh sebab tu metode dguaka utuk megestmas parameter pada regres Burr. Beberapa peelta yag membahas tetag dstrbus Burr telah dlakuka.dstrbus Burr pertama kal d perkealka oleh Burr (1942). Dubey (1972, 1973)membahas keguaa da sfat-sfat dstrbus Burr duaparameter (c,k) sebaga suatu model kegagala, Evas dasmos (1975) membahas lebh lajut sfat-sfat dstrbusburr (c,k) sebaga suatu model kegagala da mereka jugameuruka maksmum lkelhood estmator (MLE),pemodela regres ler pada data radate pe compressvestregth yag dguaka dalam Wllams (1959), data retursaham hara Abbey Natoal yag dguaka dalam Buckle (1995) da Feradez (1998).Berdasarka papara peelta d atas padapeelta mecoba megkaj tetag estmasparameter dega metode
4 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess maksmum lkelhoodestmato (MLE) da peguja hpotess dega metode (MRLT) pada model regres Burr tga parameter tpe XII. 2. TINJAUAN PUSTAKA 2.1 Aalss Regres Dalam statstka regres berart metode utuk meduga la-la dalam suatu set data berdasarka la satu atau atau lebh data yag la. Nla yag dduga dsebut varabel respo atau varabel tak bebas basaya dsmbolka dega (Y) da la yag dguaka utuk meduga dsebut varabel predktor atau varabel bebas basaya dsmbolka dega (X), Draper & Smth (1981).Betuk umum dar persamaa regres ler sederhaa adalah. Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X β X + ε (1) dmaa: 0, 1, 2, 3,, p x 1, x 2, x 3,, x p atau dalam betuk matrks dtuls adalah parameter model adalah varabel bebas adalah error y X β ε dmaa ~ N (0, 2 I) (2) Estmas koefse regres β p dapat megguaka Metode Kuadrat Terkecl. Metode estmas dlakuka dega memmumka ε ε terhadap β p da da meyamakaya dega ol sehgga dperoleh estmator, β = X X 1 X y Dalam aalss regres ler, sasara utama kta adalah mejelaska perlaku suatu varabel (yak, varabel tak bebas) sehubuga dega perlaku satu atau lebh varabel la (dalam hal, varabel bebas), dega memperhtugka fakta bahwa hubuga atara semua varabel tersebut bersfat tdak past, Gujarat (2004). 2.2 Dstrbus Burr Dstrbus Burr pertama kal dperkealka oleh Irvg W. Burr pada tahu Meggat yag berhubuga dega fugs kepadata mempuya betuk varas yag luas, system saagat bergua utuk memperkraka hstogram, khususya ketka struktur matematka yag sederhaa utuk fugs dstrbus
5 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November komulatf (cdf) yag cocok dbutuhka. Pegguaa la termasuk smulas, memperkraka dstrbus, da membetuk kurva yag tdak ormal. Sejumlah teor stadar tetag dstrbus adalah betuk terbatas dar dstrbus Burr. Fugs g(x,y) harus postf utuk 0 y 1 da x sebaga pedukug F x. Perbedaa memlk la g(x,y) memuculka beberapa pemecaha masalah yag berbeda-beda dar F(x); msalka ketka g x,y = g(x) F x = exp x 1 g u du Peyelesaadar F(x); megguaka persamaa dferesal dar Burr dapat dklasfkaska berdasarka betuk fugsya, yag setap fugs tersebut membetuk tpe cdf dstrbus Burr. Datar tpe-tpe, tpe XII adalah fugs yag palg meark utuk membuat model statstc da yag dpelajar atau djelaska secara rc oleh Burr. Fugs kepadata peluamh (pdf) dar dstrbus Burr tpe XII dega tga parameter ddefska oleh Berlat. J (1998) sebaga berkut: (4) dega mea, sehgga betuk tpe cdf dstrbus Burr dega dega tga parameter yatu: (6) kut adalah kurva dstrbus Burr tga parameter pada Gambar 2.1, 2.2, da 2.3Berkut adalah kurva dstrbus Burr tga parameter dtujuka pada Gambar 2.1, 2.2, da 2.3 (5) (4) (4) Ber
6 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess Gambar 2.1 Betuk kurva dstrbus Burr 3 parameter dega berbaga macam la λ Gambar 2.1 datas merupaka kurva fugs kepadata peluag dstrbus Burr 3 parameter dega la parameter lokas (β) da parameter skala (τ) yag tetap utuk berbaga macam la parameter kemrga (λ). Semak kecl la λ betuk kurva dar dstrbus Burr 3 parameter aka semak mrg meceg ke kaa da ekor kurva semak meebal. Gambar 2.2 Betuk kurva dstrbus Burr 3 parameter dega berbaga macam la β Gambar 2.2 datas merupaka kurva fugs kepadata peluag dstrbus Burr 3 parameter dega la parameter kemrga (λ) da parameter skala (τ) yag tetap utuk berbaga macam la parameter lokas (β). Semak besar la β maka betuk kurva dstrbus Burr 3 parameter aka semak bergeser ke kaa.
7 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November Gambar 2.3 Betuk kurva dstrbus Burr 3 parameter dega berbaga macam la τ Gambar 2.3 datas merupaka kurva fugs kepadata peluag dstrbus Burr 3 parameter dega la parameter kemrga (λ) da parameter lokas (β) yag tetap utuk berbaga macam la parameter skala (τ). Semak kecl la τ maka betuk kurva dar dstrbus Burr 3 parameter aka semak lada. Melalu kurva dstrbus Burr datas dperoleh kesmpula bahwa dstrbus tersebut mampu megakomodas adaya fksbltas kemrga da meagkap ketebala da ketpsa pada ekor yag maa pola dataya tdak sesua dega dstrbus ormal. 2.3 Model Regres Burr Tga Parameter Tpe XII Model regres Burr tga parameter tpe XII dtulska pada persamaa berkut Berlat.J (1998). y x ~ Burr (,, ) τ exp θ' x dega X adalah varable bebas atau varable predktor yag dotaska dega x x 1, x 2,..., x k θ adalah parameter regres Burr yag dotaska sebaga berkut: y x ~ Burr (,, ) θ θ 0, θ 1,..., θ k Berdasarka defs fugs kepadata peluag dstrbus Burr tga parameter yatu:
8 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess maka fugs lkelhood dar sampel berukura sampel pegamata dberka oleh: L ( ) f ( y ) da logartma fugs lkelhood dberka oleh: ll ( ) l f(y ) 1 dar fugs LLkelhood pada persamaa d atas dapat dperoleh turua pertama utuk masg-masg parameter dalam model regres Burr tga parameter amu persamaa tersebut kemugka tdak dapat dselesaka secara aalts utuk medapatka hasl eksplst utuk estmator maksmum lkelhood (MLE). Namu dapat dselesaka secara umerk, msalya dega prosedur Newto-Raphso. Turua parsal uruta kedua dar fugs LLkelhood selajutya dguaka utuk membetuk suatu matrks Hesse (H) yag bers turua parsal kedua dar fugs LLkelhood tersebut. Matrks Hesse lah yag selajutya dguaka dalam proses teras Newto-Raphso. Dega H, adalah matrks yag berukura ( j + 3) x (j + 3). 2.4 Peguja Dstrbus Data Uj goodess of ft dstrbus data varabel depede dapat dlakuka dega beberapa pedekata atara la uj Kolmogorov Smrof, uj Aderso- darlg, da Uj Ch-Square. Meurut Stephes (1974), uj Aderso Darlg dguaka sebaga uj keormala atau kebaka sesua (goodess offt) utuk varabel kuattatf. Aderso Darlg Test bsa dguaka utuk meguj keormala berbaga macam sebara data yag berdstrbus kotu da berlaku utuk sembarag
9 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November ukura sampel (), peguja tersebut dguaka utuk megetahu dstrbus yag palg sesua (Law da Kelto, 2000). Berkut adalah statstk ujya: Statstk uj : dega uj hpotess yag dguaka adalah H0: data Y adalah varabel radom depede yag berdstrbus sesua dega dstrbus F(y), H1 : data Y adalah varabel radom depede yag tdak berdstrbus sesua dega dstrbus F(y), Daerah peolaka H0: Tolak H0 jka la A>AD Dmaa AD adalah la dar tabel Aderso Darlg, F merupaka fugs dstrbus kumulatf (CDF) dar dstrbus tertetu serta y merupaka data yag telah durutka.semak kecl la statstk Aderso-Darlg yag dperoleh maka data megkut dstrbus tertetu. 2.5 Metode Estmas Parameter Bermacam- macam metode yag dapat dguaka utuk pegaplkasa dstrbus Burr pada data frekues salah satuya adalah metode Maxmum lkelhood estmator (MLE).Sebaga tambaha utuk megaplkaska data frekues.dstrbus Burr sagat bermafaat dalam peyelesaa sebuah problema statstk dmaa kelas dstrbus dega peyederhaaa fugs da betuk kepadata yag berbeda-beda dbutuhka.sebaga lustras meggat dstrbus Burr tpe XII dapat dbalk dalam betuk tertutup maka dapat dguaka dalam pekerjaa smulas da memperkraka dstrbus secara teor yag momemomeya dketahu, tetap betuk-betuk fugsya tdak dapat dyataka secara lagsug. 2.6 Maxmum Lkelhood Estmator Salah satu metode palg popular dalam memperoleh suatu estmator jka dstrbus data dketahu adalah maxmumlkelhood yag d defeska sebaga berkut. Defs: Ba da Egelhardt, (1992). Msalka Y1, Y2,, Y3,,Y adalah sampel radom d dar popolas dega pdf f(y/ λ1, λ2, λ3,, λ) maka fugs
10 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess lkelhood adalah: L(λ/y) = L(λ1, λ2, λ3,, λ Y1, Y2, Y3,, Y)= f y λ 1,λ 2,, λ k ) Defs: Estmator ) dsebut MLE dar λ jka L λ y = sup λ Y 1,Y 2, Y 3,., Y N ), λ eleme dar Ω. Bla fugs lkelhood terdefereslka dalam λ maka la dar λ 1,λ 2, λ 3,, λ k dperoleh dega meyamaka turua parsal dar fugs kemugka atau fugs logartmaya atau logartma aturalya dega ol da mecar akar-akar da syarat pecapaa maxmum duj dega turua keduaya.dalam kasus turua parsal tdak memlk peyelesaa, maka estmator maxmum lkelhoodyadperoleh melalu argumetas. Maxmum lkelhood estmator (MLE) dar parameter λ, β, da θ yag berdasarka pada sampel berukura N, yag berdstrbus Burr (λ, β, da θ) tpe XII dega tga parameter yag tdak dketahu, mempuya fugs kepadata peluag (pdf) dalam betuk: f y y = λ β λ τ y τ 1 β +y τ λ +1 utuky > 0 dega τ = exp (θ x ) da fugs dstrbus kumulatf (cdf) dalam betuk: F y y = 1 β β +y λ λ utuky > 0 adalah: L λ, β, θ y = λ β λ exp θ x y exp θ x 1 β + y exp θ x λ+1 da l L λ, β, θ y = l λ + λ l β + θ x + exp θ exp θ x 1 l(y ) λ + 1 l β + y x (7) 2.7 Metode Newto Raphso Apabla lagkah megestmas parameter megguaka metode maksmum lkelhood meghaslka persamaa yag tdak closed form, maka peyelesaaa persamaa tersebut utuk memperoleh la estmas parameterya
11 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November dguaka metode ewto raphso (Rao, 1997). Metode ewto raphso adalah salah satu metode utuk mecar akar peyelesaa dar f(x) = 0 melalu perhtuga yag teratve, sehgga lebh mudah jka dkerjaka dega batua program computer. Meurut chapra da caale (1988) ddasarka pada deret taylor sebaga berkut. Persamaa lkelhood dega parameter θ dapat dselesaka sehgga memperoleh la estmator dega megguaka metode ewto raphso. Rumus estmas utuk parameter pada teras ke- (t+1) dalam proses teras (t = 0, 1, 2, ) dtulska dalam teorema sebaga berkut: θ t+1 = θ t D θ t 1 d(θ t ) dmaa: = estmas parameter θ pada teras ke- (t+1) = estmas parameter θ pada teras ke t = matrks turua pertama dar fugs lkelhood sehgga etr dar d(θ) adalah D ( ) = matrks turua kedua fugs lkelhood ataumatrks Hesa sehgga etr dar D (θ) adalah Meurut Motgomery da peck (1992), prosesteras dega megguaka metode ewto raphsosehgga ddapatka laθ yag koverge yatu sampa θ t +1 θ t θ t <δ, dega δ blaga yag sagat kecl tetap > Peguja Hpotess Uj Hpotess adalah metode pegamblakeputusa yag ddasarka dar aalsa data.keputusadar uj hpotess hampr selalu dbuat berdasarkapeguja hpotess ol. Peguja statstk utukmejawab pertayaa yag megasumska hpotess oladalah bear da dguaka utuk meetuka apakahvarabel yag terdapat dalam model memlk kotrbusyag yata dega varabel respoya.peguja hpotess selajutya dlakuka dega peguja hpotess secaraseretak da secara parsal.
12 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess METODOLOGI PENELITIAN Pada baga aka dsajka lagkah lagkahdalam meyelesaka masalah peelta gua utukmecapa tujua peelta yatu meetuka peaksrparameter regres burr, meetuka statstk uj padapeguja hpotess model regres burr. Metode AalssUtuk meyelesaka peelta dlakukalagkahlagkah sebaga berkut : 1. Meetuka parameter pada model regres burr degametode Maxmum Lkelhood Estmato (MLE). Tahapa peaksra parameter: a. Meetapka fugs lkelhood dbawah populas. b. Meetapka logartma atural dar fugs lkelhood ll(ω). c. Mecar turua parsal pertama dar fugslogartma atural lkelhood dbawah populas. d. Mecar turua parsal kedua dar fugs logartmaatural lkelhood dbawah populas. e. Meetuka peaksra parameter dega metodeteras Newto-Raphso. 2. Meguj hpotess pada model regres burr degamegguaka metode Maxmum Lkelhood Rato Test (MLRT). Tahapa peguja hpotess yag dlakuka. Peguja seretak:. Meetapka hpotess H 0 :θ 1 = = θ j = 0 H 1 : mmal ada satu θ j 0. Membuat hmpua parameter dbawah populas (Ω) Ω = {θ 0, θ 1, θ 2,, θ j, α, β }. Membuat hmpua parameter d bawah H 0 (ω) ω = {α, β} v. Meerapka fugs lkelhood d bawah populas L Ω = f y y
13 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November v. Meerapka fugs lkelhood d bawah H 0 L Ω = f y y v. Meetuka peaksr parameter dega metode Maxmum Lkelhood Estmato (MLE) da dega metode teras Newto-Rapso sehgga dperoleh (Ω)da (ω) v. Meetuka L(Ω)=max Ω L Ω da L ω = max ω L ω v. Mecar raso lkelhood L(Ω) L ω x. Meetuka daerah peolaka hpotess p Peguja pasrsal. Meetuka hpotess H 0 :θ j = 0 H 1 :θ j 0. Meetuka Statstk Uj θ j 2 W = var θ ~ χ 2 α,1 j. Meetuka daerah peolaka hpotess 4. HASIL DAN PEMBAHASAN Pada bab membahas estmas parameter dstrbus Burr 3 parameter tpe XII dega megguaka metode Maxmum Lkelhood Estmato (MLE). Parameter yag aka destmas atara la : adalah parameter skala betuk da lokas. 4.1 Estmas Parameter Dstrbus Burr 3 Parameter Tpe XII Utuk memperoleh peaksr parameter dastatstk uj pada peguja hpotess model regres Burrhal utama yag dlakuka dalam megestmas parameterdega metode Maxmum Lkelhood Estmato (MLE)adalah memaksmumka fugs lkelhood yagmerupaka fugs peluag bersama dar y1, y2,..., y.berkut adalah Probablty Dstrbuto Fucto (PDF)utuk dstrbus Burr. Lagkah pertama yag dlakuka adalahmembetuk fugs lkelhood dar
14 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess sampel y1, y2,..., y.utuk setap fugs dar dstrbus Burr, sehgga fugslkelhood yag dperoleh adalah. L Ω = f(y ) L Ω = dperoleh log L Ω = λ β λ τ y τ 1 β + y τ λ+1 = 1, 2, 3,..., Lagkah selajutya adalah membetuk fugs loglkelhood sehgga log λ βλ τ y τ 1 β + y τ λ+1 = log λ βλ τ 1 τ y τ β + y λ +1 = log λ β λ τ y τ 1 log β + y τ λ+1 = log λ + log β λ + log τ + log y τ 1 = log λ + λ log β + log τ + log y τ 1 λ + 1 log β + y τ λ + 1 log β + y τ Karea τ = exp (θ x ), maka fugs log lkelhood mejad = log λ + log β λ + log exp θ x + log y τ 1 λ + 1 log β + y τ = log λ + λ log β + + log y τ 1 λ + 1 log β + y τ Lagkah selajutya adalah melakuka peaksra parameter pada model regres Burr dega cara mecar turua pertama secara parsal terhadap masgmasg parameter yag destmas kemuda dsamaka dega ol. Turua parsal pertama terhadap λ adalah sebaga berkut.
15 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November logl Ω λ = log λ + λ log β + θ x + exp θ exp θ x 1 log y λ + 1 log β + y x = λ + log β log β + y exp θ x Turua parsal pertama terhadap β adalah sebaga berkut Turua parsal pertama terhadap β adalah sebaga berkut 10 λ logl Ω β log λ + λ log β + = = λ β λ + 1 logl Ω θ θ x + exp θ exp θ x 1 log y λ + 1 log β + y x log β + y exp θ x Turua parsal pertama terhadap θ adalah sebaga berkut 1 = log λ + λ log β + θ x + exp θ exp θ x 1 log y λ + 1 log β + y x θ = x j + exp θ x x j logy λ + 1 dmaaj = 0, 1, 2,, p 1 β exp θ y x log y exp θ x exp θ β + y x x j (12) (11) Berdasarka persamaa (10), (11), da (12) meujukka bahwa turua pertama fugs l lkelhoodterhadap masg-masg parameter meghaslka betuktdak closed form, oleh karea tu tdak dapat daalss secaraaaltk, utuk medapatka hasl yag eksplst sehggaharus d teraska dega megguaka metode umerkyatu metode Newto-Raphso utuk medapatka estmasparameter. Persamaa teras Newto-Raphso adalah sebagaberkut. θ t +1 = θ t D θ t 1 d θ t 13
16 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess Lagkah pertama adalah membuat turua kedua l fugs lkelhood terhadap masg-masg parameter da kombas masg-masg parameter utuk medapatka matrks Hesa Haslya sebaga berkut. Turua parsal kedua terhadap α adalah sebaga berkut. 2 logl Ω λ 2 log λ + λ log β + = = λ 2 14 θ x + exp θ exp θ x 1 log y λ + 1 log β + y x λ 2 2 logl Ω β 2 Turua parsal kedua terhadap β adalah sebaga berkut. log λ + λ log β + = θ x + exp θ exp θ x 1 log y λ + 1 log β + y x β 2 = λ β2 (λ + 1) β + y exp θ x 2 Turua parsal kedua terhadap θ adalah sebaga berkut. 15 dmaa j,k=0,1,2,,p-1 Turua parsal pertama terhadap λ kemuda dturuka lag terhadap β adalah sebaga berkut.
17 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November Turua parsal pertama terhadap λ kemuda dturuka lag terhadap θ adalah sebaga berkut. Turua parsal pertama terhadap β kemuda dturuka lag terhadap θ adalah sebaga berkut. Selajutya mecar la θyag koverge yatu sampa θ t +1 θ t θ t dega δ blaga yag sagat kecl tetap > Uj Hpotess Model Regres Burr 3 Parameter Tpe XII <δ, Lagkah selajutya yatu melakuka peguja hpotess dmaa peguja hpotess terdr atas dua baga yatu peguja hpotess secara seretak da peguja hpotess secara parsal.peguja hpotess tersebut
18 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess dguaka utuk meetuka apakah varable bebas yag terdapat pada model regres memlk kostrbus yag yata atau sgfka terhadap varable respo. Lagkah-lagkah peguja hpotess secara seretak dlakuka sebaga berkut: H 0 : θ 1 = = θ J = 0 H 1 : mmal ada satu θ J 0 Setelah meetuka hpotess lagkah selajutya yatu meetuka statstk uj dega membadgka la maksmum dar fugs lkelhood hmpua parameter dbawah populas dega la maksmum dar fugs lkelhood hmpua parameter dbawah H 0. Msalya Ω dmaa Ω=(θ 0, θ 1, θ 2,, θ J, λ, β)dega fugs lkelhood adalah: L(Ω) = f y y 1, dmaa f y y = λ β λ τy r 1 (β +y r ) λ +1 da msalka pula ωhmpua parameter dbawah H 0 dmaa ω = λ, β dega fugs lkelhoodya adalah: L ω = f y (y ), dmaa f y (y ) = λβ λ (β +y ) λ +1 Setelah meetuka fugs lkelhoodya maka selajutya adalah dega meetuka θ = θ 0, θ 1, θ 2,, θ j, λ, βyag memaksmumka fugs Log lkelhood Lagkah selajutya adalah membetuk fugs log lkelhood sehgga dperoleh, log L(Ω) = 1 log = [log λβλ r 1 τy β + y r λ+1) = log λ + log β λ ( λβλ τy r 1 (β + y r ) λ+1 + log τ + log y r 1 λ + 1 log( β + y r ) = log λ + λlog β + log τ + log y r 1 λ + 1 log (β + λ r ) Karea τ = exp θ x, maka fugs log lkelhood mejad
19 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November = log λ + log β λ + log(exp(θ x )) + log y (exp θ x 1) λ + 1 log( β + y exp θ x ) = log λ + λ log β + θ x + exp(θ x 1) log y λ + 1 log( β + y exp θ x ) Sehgga dperoleh L Ω = max Ω L(Ω)dega masg-masg la parameter yag dperoleh dar teras Newto Raphso. Utuk L ω = max Ω L(ω)dega λ, βyag memaksmumka fugs Log lkelhood dsajka sebaga berkut: Sehgga dperoleh L Ω = max Ω L(Ω) dega masg-masg la parameter yag dperoleh dar teras Newto Raphso.Berkut dtulska turua parsal pertama utuk parameter H 0 yatu parameter λ, β yag dsama degaka dega ol utuk memperoleh la setap parameterya. Turua parsal pertama terhadap λ adalah sebaga berkut. Turua parsal pertama terhadap β adalah sebaga berkut.
20 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess Dar hasl peurua parsal utuk turua ke dua dar fugslogartma lkelhoodmodel regres Burr dperoleh D(ω t )sebaga berkut: Selajutya mecar la ω t yag koverge yatu sampa ω t+1 ω t ω t dega δ laga yag sagat kecl tetap > 0 atau koverge. < δ, Setelah memperoleh turua parsal fugs logartma lkelhood lagkah selajutya adalah meetuka statstc uj dega megguaka rumus sebaga berkut: dmaag 2 megkut dstrbus c square sehgga sehgga krtera pegujaya adalah tolak H 0 jka G 2 > χ 2 α,p. Selajutya meguj hpotess secara parsal, dmaa uj dguaka utuk megetahu parameter yag berpegaruh secara yata atau sgfka terhadap varable respo Lagkah pertama utuk peguja hpotess yatu meetapka hpotes, dmaa hpotessya H 0 : j 0 H 1 : j 0 Lagkah selajutya yatu meetuka statstk uj. Statstk uj yag dguaka adalah degaw megkut dstrbus ch-square sehgga krtera pegujaya adalah tolak H 0 jka W > χ 2 α,p.
21 Prosdg Semar Nasoal Matematka, Uverstas Jember, 19 November Dmaa θ j merupaka peaksra parameter dar θ j da stadar error dperoleh dar SE θ j = var (θ j ) dega var (θ j ) merupaka eleme dagoal utama matrks Iformas (I) yatu I=-(D) dega matrks. 5. KESIMPULAN DAN SARAN 5.1 Kesmpula Dar hasl aalss maka dapat dambl kesmpula adalah sebaga berkut : Berdasarka hasl yag telah dperoleh, estmas parameter model regres Burr dega megguaka metode maksmumlkelhood (MLE).Hasl yag dperoleh dar estmasparameter tersebut tdak close form sehgga perlu dlakuka dega metode teras Newto-Raphso. Estmas parameter d bawah populas meghaslka yag melput θ θ 0, θ 1, θ 2,..., θ J,,, sedagka hasl utuk estmas parameter d bawah H0 meghaslka parameter atara la,. Haslestmas parameter selajutya dperoleh suatu la llkelhood dbawah populas da llkelhood d bawah H0 yag daalss pada peguja hpotess dega megguaka metode maksmum lkelhood raso test(mlrt) dega membadgka la atara llkelhood d bawah H 0 da llkelhood dbawah populas atau dega perumusa L ω L Ω. Peguja hpotess sedr dlakuka dega 2 baga yatu secara seretak da secara parsal. 5.2 Sara Dharapka dapat memodelka berbaga ukurapada dstrbus yag asmetrsdalam hal Dstrbuto Burrtpe laya. DAFTAR PUSTAKA [1] Burr, I.V Cumulatve frequecy fuctos. Aalsof Mathematcal Statstcs 13, [2] Ba, L. J., & Egelhard, M Itruducto ToProbablty Ad Mathematcal Statstc, Duxbury Press,Belmot, Calfora. [3] Box, G.E.P. & Cox, D.R Aalyss of Trasformato, Joural Of Royal Statstcal Socety, Ser B (Methodologcal), 26(2) [4] Chapra, S. C., & Caale, R. P Numercal Methods. New York.
22 Rzwa A da Purhad Estmas Parameter da Peguja Hpotess Publshg Corporato. [5] Draper, N & Smth, H Appled Regresso Aalyss.Secod Edto. New York [6] Gujarat, D. N.(2004), Basc Ecoometrcs 4 th edto, The Mc Graw Hll Compaes, New York. [7] Ja, B. et al Burr Regresso ad Portfolo Segmetato. Joural Mathematcs ad Ecoomcs. Vol. 23. o Elsever. [8] Law, AM., & Kelto, D.W Smulta Modellg Aalyss 3 th edto, New York: MacGraw-Hll. [9] Motgomery, D. C. ad Peck, E. A Itroducto ToLer Regresso Aalyss. Secod Edto. USA. Johwlley ad Sos. [10] Rao, Podur Varace Compoets Estmato,Mxed Models, Methodologes ad Applcatos. NewYork. Chapma Hall. [11] Stephes, M.A EDF Statstcs For Goodess Of Ft ad Some Comparsos, Joural of AmercaStatstcal Assocato, Vol 69, [12]Wllams, E. J., (1959). Regresso Aalyss, Joh Wley & Sos, New York.
BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciRegresi Linier Sederhana Definisi Pengaruh
Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)
Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug
Lebih terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciKOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI
KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com
Lebih terperinciBAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode
BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciBAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat
BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.
Lebih terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciX a, TINJAUAN PUSTAKA
PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel
Lebih terperinciVolume 1, Nomor 2, Desember 2007
Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciLANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)
LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS
LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinciPENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS
PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciJawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2
M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciBAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciPENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas
Lebih terperinciAnalisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciPemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif
Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciBAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.
BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciPENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciJMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.
JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciRegresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )
Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN
PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da
Lebih terperinci; θ ) dengan parameter θ,
Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas
Lebih terperinciTINJAUAN PUSTAKA Evaluasi Pengajaran
TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas
Lebih terperinciMINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI
MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag
Lebih terperinciPeramalan Kebutuhan Listrik Dengan Model Harvey
Peramala Kebutuha Lstrk Dega Model Harvey Oleh: Ley Setyag B. (30600006) Pembmbg: Prof. Drs. Nur Irawa, M.IKom, Ph.D Latar Belakag Jumlah Peduduk Megkat Produks megkat Supply < Demad Kebutuha Barag Megkat
Lebih terperinciPemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)
Jural EKSPONENSIAL Volume 4, Nomor 1, Me 2013 ISSN 2085-7829 Pemodela Regres Ler Megguaka Metode Thel (Stud Kasus: Kompesas Pegawa d Bada Kepegawaa Daerah Kota Samarda) Lear Regresso Modelg Wth Thel Method
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciSUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS
C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah
Lebih terperinciMATEMATIKA INTEGRAL RIEMANN
MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk
Lebih terperinciIMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB
Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d
Lebih terperinciPEMBENTUKAN MODEL PROBIT BIVARIAT
PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009
Lebih terperinciUji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah
Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1
Lebih terperinciPENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS
PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka
Lebih terperinciANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,
Lebih terperinciBAB III ESTIMASI MODEL PROBIT TERURUT
BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.
JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da
Lebih terperinciI adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu
METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut
Lebih terperinciREGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciBeberapa Metode Alternatif untuk Analisis Data Sampel Berpasangan
Prosdg Statstka ISSN 46-6456 Beberapa Metode Alteratf utuk Aalss Data Sampel Berpasaga Rma Rzka Yuar Tet Sofa Yat, 3 Abdul Kudus,,3 Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl Tamasar No Badug 46
Lebih terperinciANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON
ANALISIS REGRESI SEMIPARAMERIK PADA KASUS HILANGNA RESPON Irma ahya ), I Nyoma Budatara ), da Kartka Ftrasar ) ) Jurusa Matematka FMIPA, Uverstas Haluoleo Kedar ) Jurusa Statstka FMIPA, IS Sukollo Surabaya
Lebih terperinciKONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST
KONSISTENSI KOEFISIEN DETERINASI SEBAGAI UKURAN KESESUAIAN ODEL PADA REGRESI ROBUST Harm Sugart (harm@ut.ac.d) Ad egawar Jurusa Statstka FIPA Uverstas Terbuka ABSTRACT I statstcs, the coeffcet of determato
Lebih terperinciREGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan
JMP : Volume 7 Nomor, Ju 05, hal. - 0 REGRESI NONPARAMETRIK KERNEL ADJUSTED Novta Eka Chadra Uverstas Islam Darul Ulum Lamoga ovtaekachadra@gmal.com Sr Haryatm da Zulaela Jurusa Matematka FMIPA UGM ABSTRACT.
Lebih terperinciESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER
Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag
Lebih terperinciAnalisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter
Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,
Lebih terperinciProsiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)
Prosdg NaPP as, Tekolog, da Kesehata IN:89-58 MODIFIKAI TATITIK UJI-t PADA TET INFERENIA MEAN MEREDUKI PENGARUH KEAIMETRIKAN POPULAI MENGGUNAKAN EKPANI CORNIH-FIHER Joko Ryoo taf.pegajar Fakultas Tekolog
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciPendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin
4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua
Lebih terperinciPemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015
JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da
Lebih terperinciAnalisis Korelasi dan Regresi
Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperinci3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut
3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinci