BOOTSTRAP PARAMETRIK DAN NONPARAMETRIK UNTUK PENDUGAAN KUADRAT TENGAH GALAT DALAM STATISTIK AREA KECIL DENGAN RESPON BERSEBARAN LOGNORMAL
|
|
- Ridwan Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BOOTSTRAP PARAMETRIK DAN NONPARAMETRIK UNTUK PENDUGAAN KUADRAT TENGAH GALAT DALAM STATISTIK AREA KECIL DENGAN RESPON BERSEBARAN LOGNORMAL CEMPAKA PUTRI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
2 RINGKASAN CEMPAKA PUTRI. Bootstrap Parametrk dan Nonparametrk untuk Pendugaan Kuadrat Tengah Galat dalam Statstk Area Kecl dengan Respon Bersearan Lognormal. Dmng oleh Kharl Anwar Notodputro dan La Ode Adul Rahman. Pendugaan area kecl sangat dutuhkan untuk mendapatkan nformas pada area kecl, yatu area yang memlk ukuran contoh kecl. Pendugaan secara langsung pada area kecl akan menghaslkan nla ragam yang esar. Solus yang dgunakan adalah melakukan pendugaan tdak langsung dengan cara menamahkan nformas tamahan dar area sektar atau dar surve lan dalam menduga parameter. Salah satu masalah yang dtemukan dalam pendugaan tdak langsung adalah rendahnya press dugaan Kuadrat Tengah Galat (KTG) yang dseakan oleh searan yang tdak normal. Parameter yang menjad perhatan dalam peneltan n adalah pengeluaran per kapta desa/kelurahan d Kaupaten Bogor. Data pengeluaran per kapta n tdak mengkut searan normal. Penduga KTG erdasarkan metode ootstrap memlk kelehan tahan terhadap pengamlan contoh dar searan yang ukan normal. Oleh karena tu, peneltan n menggunakan metode ootstrap, yatu ootstrap parametrk dan ootstrap nonparametrk dalam pendugaan KTG. Hasl dar peneltan n menunjukkan ahwa secara umum metode ootstrap parametrk manghaslkan nla dugaan KTG yang leh kecl dandngkan metode ootstrap nonparametrk. Kedua metode n memlk press yang leh ak sehngga mampu memperak hasl pendugaan langsung. Kata kunc: pendugaan area kecl, ootstrap parametrk, ootstrap nonparametrk
3 BOOTSTRAP PARAMETRIK DAN NONPARAMETRIK UNTUK PENDUGAAN KUADRAT TENGAH GALAT DALAM STATISTIK AREA KECIL DENGAN RESPON BERSEBARAN LOGNORMAL CEMPAKA PUTRI Skrps Seaga salah satu syarat untuk memperoleh gelar Sarjana Statstka pada Departemen Statstka DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
4 Judul Skrps : Bootstrap Parametrk dan Nonparametrk untuk Pendugaan Kuadrat Tengah Galat dalam Statstk Area Kecl dengan Respon Bersearan Lognormal Nama : Cempaka Putr NRP : G Dsetuju Pemmng I Pemmng II Prof. Dr. Ir. Kharl A. Notodputro, MS NIP La Ode Adul Rahman, S.S., M.S. Dketahu Ketua Departemen Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Dr. Ir. Har Wjayanto, MS NIP Tanggal Lulus :
5 PRAKATA Puj dan syukur penuls panjatkan kepada Allah SWT atas segala rahmat dan karuna-nya sehngga tulsan n erhasl dselesakan. Tulsan n merupakan hasl peneltan penuls dalam rangka memenuh tugas akhr yang merupakan salah satu syarat untuk memperoleh gelar Sarjana Statstka d Fakultas Matematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor. Termakash penuls ucapkan kepada Bapak Prof. Dr. Ir. Kharl Anwar Notodputro, MS dan Bapak La Ode Adul Rahman, S.S., M.S. selaku dosen pemmng dan Bapak Dr. Ir. I Made Sumertajaya, MS yang telah memerkan arahan dan masukan yang memangun kepada penuls dalam meyelesakan peneltan. Terma kash juga penuls sampakan kepada orang tua dan keluarga tercnta atas doa dan dukunganya serta semua phak yang telah memantu penuls dalam menyelesakan tulsan n. Semoga tulsan n dapat ermanfaat. Bogor, Novemer 2011 Cempaka Putr
6 RIWAYAT HIDUP Penuls lahr d Jakarta, pada tanggal 14 Novemer 1989 dar pasangan Achmad Nurdn dan Hartat. Penuls merupakan anak ke empat dar enam ersaudara. Penddkan penuls erawal dar SDN Guntur 04 Jakarta pada tahun 1995, dan melanjutkan penddkannya ke SMP Neger 1 Jakarta hngga lulus pada tahun Pada tahun 2004 penuls melanjutkan penddkan d SMA Neger 3 Jakarta, dan lulus pada tahun Pada tahun yang sama penuls dterma seaga mahasswa d Insttut Pertanan Bogor melalu jalur Undangan Seleks Masuk IPB (USMI). Selama penddkan d IPB, penuls pernah mendapatkan easswa Penngkatan Prestas Akademk (PPA) pada tahun Pada pertengahan tahun 2010 penuls erkesempatan menjad assten mata kulah Metode Statstka. Dan pada Feruar-Aprl 2011 penuls melakukan praktk lapang d Lemaga Surve Indonesa d Jakarta.
7 DAFTAR ISI Halaman DAFTAR TABEL... v DAFTAR GAMBAR... v DAFTAR LAMPIRAN... v PENDAHULUAN Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA Pengeluaran per Kapta... 1 Uj KolmogorovSmrnov... 1 Pendugaan Area Kecl... 1 Penduga Langsung... 2 Penduga PTLTE... 2 Metode Bootstrap dalam Menduga KTG... 3 Pendugaan KTG dengan Bootstrap Parametrk... 3 Pendugaan KTG dengan Bootstrap Non Parametrk... 3 METODOLOGI Data... 4 Metode... 4 HASIL DAN PEMBAHASAN Eksploras Data... 4 Pendugaan Tdak Langsung dengan Metode PTLTE... 5 Pendugaan KTG dengan Bootstrap Parametrk... 5 Pendugaan KTG dengan Bootstrap Nonparametrk... 6 KESIMPULAN DAN SARAN Kesmpulan... 7 Saran... 7 DAFTAR PUSTAKA... 7 LAMPIRAN... 8
8 DAFTAR TABEL Halaman 1 Nla Statstk Pengeluaran per kapta (xrp. 100,000) Nla Dugaan Parameter Beta... 5 DAFTAR GAMBAR Halaman 1 Dagram Kotak Gars Pengeluaran per kapta Hasl Pendugaan Langsung Dagram Kotak Gars Pengeluaran per kapta Hasl Pendugaan Langsung dan Pendugaan Tdak Langsung Dagram Gars Nla Dugaan KTG pada Bootstrap Parametrk dan Pendugaan Langsung Dagram Gars Nla Dugaan KTG pada Bootstrap Nonparametrk dan Pendugaan Langsung Dagram Gars Nla Dugaan KTG pada Bootstrap Parametrk dan Bootstrap Nonparametrk... 6 DAFTAR LAMPIRAN Halaman 1 Hasl Pendugaan Pengeluaran per Kapta serta nla Kuadrat Tengah Galat (KTG) Pengujan Searan Data Pengeluaran per kapta desa/kelurahan d Kaupaten Bogor Hasl pemlhan peuah pendukung menggunakan Regres Hmpunan Bagan Terak Hasl Pengujan Multkolneartas Daftar Sngkatan... 13
9 1 PENDAHULUAN Latar Belakang Statstk area kecl sangat dmnat dalam eraga dang pada eerapa tahun terakhr n. Pendugaan area kecl sangat dutuhkan untuk mendapatkan nformas-nformas pada area kecl, yatu area dengan jumlah contoh yang kecl. Informas terseut menjad sangat pentng serng dengan erkemangnya era otonom daerah d Indonesa karena dapat dgunakan seaga acuan menyusun sstem perencanaan, pemantauan, dan kejakan daerah lannya tanpa harus mengeluarkan aya yang esar untuk mengumpulkan data sendr. Metode yang terus dkemangkan untuk menduga statstk area kecl n adalah pendugaan area kecl. Pendugaan secara langsung pada area kecl akan menghaslkan nla ragam yang esar karena ukuran contoh yang kecl. Salah satu solus yang dgunakan adalah melakukan pendugaan tdak langsung dengan cara menamahkan peuah-peuah pendukung dalam menduga parameter. Peuah-peuah pendukung terseut erupa nformas dar daerah lan yang serupa, surve terdahulu pada area yang sama, atau peuah lan yang erhuungan dengan peuah yang ngn dduga. Dengan kata lan model pendugaan area kecl memnjam nformas pengamatan contoh dar wlayah terkat melalu data tamahan untuk menngkatkan efektftas ukuran contoh. Salah satu masalah yang dtemukan dalam pendugaan tdak langsung adalah rendahnya press dugaan Kuadrat Tengah Galat (KTG) yang dseakan oleh adanya penympangan asums searan normal yang mengakatkan dugaan KTG menjad eras. Oleh karena tu dperlukan suatu metode yang dapat mengoreks as terseut, dantaranya adalah metode jackknfe dan ootstrap. Parameter yang menjad perhatan dalam peneltan n adalah pengeluaran per kapta desa/kelurahan d Kaupaten Bogor. Data pengeluaran per kapta n tdak mengkut searan normal. Menurut Butar dan Lahr (2003), dugaan KTG erdasarkan metode ootstrap memlk kelehan tahan terhadap pengamlan contoh dar searan yang ukan normal. Oleh karena tu, peneltan n menggunakan metode ootstrap, yatu ootstrap parametrk dan ootstrap nonparametrk dalam pendugaan KTG. Tujuan Tujuan dar peneltan n adalah: 1. Menduga pengeluaran per kapta desa/kelurahan d Kaupaten Bogor. 2. Menerapkan metode ootstrap parametrk dan ootstrap nonparametrk dalam menduga KTG dalam pendugaan area kecl. TINJAUAN PUSTAKA Pengeluaran Per Kapta Pengeluaran per kapta adalah aya yang dkeluarkan untuk konsums semua anggota rumah tangga selama seulan ak yang erasal dar pemelan, pemeran maupun produks sendr dag dengan anyaknya anggota rumah tangga dalam rumah tangga terseut (BPS 2009). Pengertan rumah tangga yang dmaksud d atas adalah seorang atau sekelompok orang yang mendam seagan atau seluruh angunan fsk dan asanya tnggal ersama serta makan dar satu dapur. Uj Kolmogorov-Smrnov Uj Kolmogorov-Smrnov (KS) dgunakan untuk menguj kesesuaan searan data. Pada dasarnya uj n memverfkas peredaan antara searan kumulatf teortk dan searan kumulatf emprk. Hpotess: H 0 : F(x) = F 0 (x) untuk semua nla x H 1 : F(x) F 0 (x) setdaknya untuk satu nla x dengan KS statstk : D = sup S( x) F ( x ) x dmana D = jarak Kolmogorov-Smrnov S (x) = propors contoh yang x F 0 (x) = fungs searan contoh n = anyaknya contoh (Danel 1990). Pendugaan Area Kecl Istlah area kecl asanya menandakan suatu area geografs kecl, sepert suatu daerah kaupaten/kota, kecamatan, maupun kelurahan/desa. Area kecl n juga dapat dartkan seaga agan kecl dar wlayah populas ak erdasarkan geograf, ekonom, sosal udaya, ataupun yang lannya. Pendugaan area kecl merupakan pendugaan parameter suatu area yang leh kecl dengan memanfaatkan nformas dar luar, dar dalam area tu sendr, dan dar luar surve (Rao 2003). Terdapat dua masalah pokok dalam pendugaan area kecl. Masalah pertama adalah 0
10 2 agamana menghaslkan suatu dugaan parameter yang cukup ak untuk ukuran contoh kecl pada suatu doman. Kedua, agamana menduga KTG dar dugaan parameter terseut. Kedua masalah pokok terseut dapat datas dengan cara memnjam nformas dar dalam area, luar area, maupun dar luar surve. Metode pendugaan yang dapat dgunakan untuk mendapatkan pendugaan area kecl yatu pendugaan langsung dan pendugaan tdak langsung. Pendugaan tdak langsung dlakukan dengan cara memanfaatkan nformas peuah lan yang erhuungan dengan parameter yang damat. Ada eerapa metode pada pendugaan tdak langsung untuk area kecl antara lan Predks Takas Lnear Terak Emprk (PTLTE), Bayes Emprk (BE), dan Bayes Berhrark (BB). Penduga Langsung Penduga langsung merupakan penduga erass rancangan dan hanya dapat dgunakan jka semua area dalam suatu populas dgunakan seaga contoh (Rao 2003). Penduga langsung menggunakan nla dar peuah yang menjad perhatan hanya pada perode waktu dan unt contoh pada area yang menjad perhatan. Data contoh dar suatu surve dapat dgunakan untuk mendapatkan pendugaan langsung yang dapat dpercaya ag suatu area esar. Ramsn et al. (2001) menyeutkan ahwa nla hasl pendugaan langsung pada suatu area kecl merupakan penduga tak as meskpun memlk ragam yang esar dkarenakan dugaannya dperoleh dar ukuran contoh yang kecl. Penduga PTLTE Model dasar pendugaan area kecl oleh Fay-Herrot (1979) menjad dasar dalam pengemangan pendugaan area kecl erass model yang anyak dahas dalam eraga lteratur. Model Fay-Herrot ddefnskan seaga erkut: T β y = x + υ + e, 1,, dmana y adalah nla penduga langsung erdasarkan rancangan surve, υ N(0, A) adalah pengaruh acak area kecl, e N(0, D ) adalah galat percontohan, dan υ dan salng eas. Dasumskan ahwa dan A tdak dketahu, sedangkan D dketahu (Kurna dan Notodputro 2006). Penduga terak (est predctor, BP) ag T θ = x β + υ jka dan A dketahu adalah: BP $ θ = $ θ ( y β, A ) T T = x β + (1 B )( y x β ) D dmana B = merupakan faktor A + D penyusutan. Jka A dketahu, dapat dduga dengan metode kuadrat terkecl teroot yatu ( ) β A = X V T ( ) 1 1 T 1 X X V Y dmana pemootnya adalah ragam dar pengaruh acak area dan galat contoh, yatu V = Dag A+ D 1, A+ D2 A+ D m (,..., ). Dengan mensusttus dengan pada, maka dperoleh PTLT $ θ = $ θ ( y A ) dmana g T T = x β + (1 B )( y x β ) PTLT 1 2 KTG( $ θ ) = g ( A) + g ( A) g1 ( A) = (1 B) D T T A = D B x X V X x ( ) (1 )[ ( ) ]. dmana g 1 merupakan reduks pada KTG relatf terhadap KTG penduga langsung dan g2 merupakan kontrus terhadap KTG akat pendugaan β. Akan tetap, dalam praktknya ak maupun A asanya tdak dketahu. Untuk menduga A, dapat dgunakan Metode Kemungknan Maksmum (MKM), Metode Kemungknan Maksmum Terkendala (MKMT), atau metode momen. Dalam peneltan n, metode pendugaan yang dgunakan dalam menduga parameter A adalah dengan metode MKMT, dmana 2 A= max 0, s 1 dmana 2 1 m ' = ( 1) ( ) 2 = 1 ols 1 β m ' ols = x y =. s m y x β x x 1 Dengan mensusttus oleh dan A oleh terhadap penduga PTLT, maka akan dperoleh suatu penduga aru
11 3 PTLTE $ θ $ = θ ( y A ) T T = x β + (1 B )( y x β ) Kuadrat Tengah Galat dar $ θ PTLTE adalah 2 PTLTE PTLT PTLTE PTLT KTG $ θ $ $ θ $ = KTG θ + E θ PTLT PTLTE PTLT + 2 E $ θ $ $ θ $ θ θ. D awah asums normal, nla PTLT PTLTE PTLT E $ θ $ $ $ θ θ θ adalah nol. Namun untuk searan lan hal terseut tdak erlaku. Agar menghaslkan dugaan yang PTLT PTLTE PTLT ak, nla E $ θ $ $ $ θ θ θ dutuhkan. Metode Bootstrap dalam Menduga KTG Metode ootstrap mula dperkenalkan oleh Bradley Efron pada tahun 1979, seaga suatu metode pengamlan contoh ulang secara acak dengan pemulhan. Efron dan Tshran (1993) menjelaskan ahwa metode ootstrap dapat dlakukan secara parametrk maupun nonparametrk. Dalam pendugaan area kecl metode ootstrap merupakan salah satu metode alternatf untuk menduga KTG. Penduga KTG erdasarkan metode ootstrap memlk kelehan tahan terhadap pengamlan contoh dar searan yang ukan normal (Butar dan Lahr 2003). Pendugaan KTG dengan Bootstrap Parametrk Metode ootstrap parametrk menggunakan asums searan peluang dar contoh asl yang dgunakan. Metode n dlakukan dengan memangktkan sejumlah esar contoh ootstrap dengan searan yang sesua dengan contoh asl, menduga parameter model untuk masng-masng contoh ootstrap, dan kemudan menduga komponen-komponen dalam K TG. Tahapan-tahapan untuk menghtung dengan metode ootstrap parametrk adalah seaga erkut: 1. Bangktkan contoh ootstrapθ dan y θ dengan searan yang sama dengan searan data asl. 2. Duga ragam antar area A( dan parameter regres, ; dan ;, menggunakan metode yang sama sepert yang dgunakan pada data asl. 3. Ulang langkah 1 dan 2 seanyak B= Duga KTG dengan rumus seaga erkut, PTLTE PB PB PB PB KTG( $ θ ) = ( g + g ) g g dmana + puc + cpe { $ θ β β } { $ θ β β } PB 1 puc = B y ; A( y ), ( y ; A( y )) PB cpe dan $ θ y ; A( y), ( y ; A( y)) 1 = B y ; A( y ), ( y ; A( y )) $ θ y ; A( y), ( y ; A( y)) $ { θ y ; A( y), β( y ; A( y)) θ } PB d 1 g = B g, d = 1, 2 (Pfeffermann dan Glckman 2004). PB puc merupakan kontrus terhadap PB KTG akat pendugaan A dan cpe merupakan nla dar PTLT PTLTE PTLT E $ θ $ $ $ θ θ θ. Pendugaan KTG dengan Bootstrap Nonparametrk Metode ootstrap nonparametrk tdak menggunakan asums searan peluang dar contoh asl yang dgunakan sepert pada metode ootstrap parametrk. Metode n dlakukan dengan pengamlan contoh acak dengan pemulhan pada contoh asl untuk memangktkan contoh ootstrap. Pendugaan KTG dengan metode n menggunakan asums pada model Fay-Harrot, yatu pengaruh acak area kecl dan galat percontohan danggap menyear normal. Tahapan-tahapan untuk menghtung dengan metode ootstrap nonparametrk adalah seaga erkut: 1. Htung dugaan ssaan aku ( r ) untuk masng-masng area, dmana T 1/2 r$ = ( y x β ) c, 1 1 c T T ( A D ) x. ( A D ) xx x = Plh contoh ootstrap ssaan aku( r ). 3. Htung penduga langsung ootstrap, 1/2 T y = r c + x β, 1,,. d 2
12 4 4. Duga ragam antar area A( dan parameter regres, ; dan ;, menggunakan metode yang sama sepert yang dgunakan pada data asl. 5. Ulang langkah 2-4 seanyak B= Duga KTG dengan rumus seaga erkut, PTLTE NPB NPB NPB $ ( ) KTG( θ ) = 2 g + g g g + puc dmana NPB 1 { $ puc = B θ[ y ; A( y ), β( y ; A( y ))] 2 $ θ[ y ; A, β( y ; A)] } NPB d 1 g = B g, d = 1, 2 (Pfeffermann dan Glckman 2004). d METODOLOGI Data Data yang dgunakan dalam peneltan n adalah data SUSENAS 2008 dan PODES Peuah respon yang menjad perhatan adalah pengeluaran per kapta pada eerapa desa d Kaupaten Bogor. Peuah pendukung yang danggap mempengaruh dan menggamarkan pengeluaran per kapta yatu, jumlah penduduk jumlah keluarga persentase keluarga pertanan persentase keluarga pengguna PLN persentase penerma ASKESKIN persentase surat mskn persentase keluarga pengguna telepon kael Metode Tahapan-tahapan pada peneltan n adalah: 1. Melakukan pendugaan langsung terhadap pengeluaran per kapta desa/kelurahan d Kaupaten Bogor erdasarkan data SUSENAS Melakukan pemerksaan searan data pengeluaran per kapta desa/kelurahan d Kaupaten Bogor, apakah menympang dar searan normal, serta memerksa searan apa yang tepat untuk data terseut menggunakan uj Kolmogorov-Smrnov. 3. Memlh peuah pendukung yang mempengaruh dan menggamarkan pengeluaran per kapta menggunakan metode regres anak-gugus terak. 4. Melakukan pendugaan terhadap ragam antar area (A) menggunakan metode MKMT dan koefsen model regres ( ) menggunakan metode kuadrat terkecl teroot (KTT). 5. Menduga pengeluaran per kapta untuk masng-masng desa dengan metode PTLTE. 6. Menduga KTG dengan ootstrap parametrk dan ootstrap nonparametrk. HASIL DAN PEMBAHASAN Eksploras Data Pendugaan langsung pengeluaran per kapta desa dperoleh dengan memag pengeluaran rumah tangga untuk makanan dan ukan makanan dengan jumlah anggota rumah tangga. Hasl pendugaan langsung terseut dapat dlhat pada Lampran 1. Hasl pendugaan langsung menunjukkan ahwa pengeluaran per kapta desa-desa d Kaupaten Bogor cukup eragam. Hal n dtunjukkan dengan nla koefsen keragaman pada Tael 1 yang cukup esar, yatu Dagram kotak gars yang dperlhatkan pada Gamar 1 menunjukkan ahwa terdapat dua ttk yang erada d luar kotak. Kedua ttk terseut adalah Desa Baakan dan Desa Tlajung Udk. Kedua desa terseut memlk pengeluaran per kapta yang leh esar dandngkan desa lannya. Tael 1 Nla Statstk Pengeluaran per kapta (xrp. 100,000) Statstk Pengeluaran per kapta Rataan 4.09 SE Rataan 0.35 Koef. Keragaman Mnmum 1.60 Medan 3.47 Maksmum Pengeluaran per kapta Gamar 1 Dagram Kotak Gars Pengeluaran per kapta Hasl Pendugaan Langsung Pemerksaan searan pada data pengeluaran per kapta desa/kelurahan d
13 5 Kaupaten Bogor menunjukkan ahwa data tdak menyear normal. Hal n erdasarkan pengujan kesesuaan model oleh Kolmogorov Smrnov, yang menunjukkan nla-p < In erart sudah cukup ukt untuk menolak hpotess awal ahwa data menyear Normal. Kemudan dlakukan pemerksaan searan dengan eraga searan yang dasumskan tepat untuk data pengeluaran per kapta desa/kelurahan d Kaupaten Bogor dan haslnya menunjukkan ahwa data terseut dapat ddekat dengan searan Lognormal. Hal n erdasarkan pengujan kesesuaan model oleh Kolmogorov Smrnov, yang menunjukkan nla-p > In erart tdak cukup alasan untuk menolak hpotess awal ahwa data menyear Lognormal. Hasl pengujan searan dsajkan pada Lampran 2. Peuah pendukung yang dduga mempengaruh pengeluaran per kapta ada seanyak tujuh peuah. Pemlhan peuah pendukung dlakukan dengan menggunakan metode regres anak-gugus terak yang dsajkan pada Lampran 3. Krtera pemlhan dalam metode regres anak-gugus terak adalah erdasarkan nla R 2 -adj yang palng esar, nla s yang palng kecl, serta nla Cp-Mallow terkecl yang mendekat jumlah peuahnya dtamah satu. Berdasarkan krtera terseut model terak yang terplh adalah model dengan seluruh peuah yang dcoakan. Namun dar ketujuh peuah terseut tdak seluruhnya erpengaruh nyata. Peuah yang erpengaruh nyata adalah jumlah penduduk, jumlah keluarga, persentase surat mskn, dan persentase keluarga pengguna telepon kael. Sehngga dalam pendugaan pengeluaran per kapta, peuah yang dgunakan hanya peuah yang erpengaruh nyata saja. Pendugaan Tdak Langsung dengan Metode PTLTE Pendugaan parameter dlakukan terhadap empat peuah pendukung yang terplh dan haslnya menunjukkan ahwa keempat peuah pendukung terseut erpengaruh nyata terhadap pengeluaran per kapta serta tdak menunjukkan adanya multkolneartas, karena nla VIF untuk masng-masng peuah kurang dar 10. Hasl pengujan multkolneartas dsajkan pada Lampran 4. Dugaan parameter keragaman antar area, A, dperoleh dengan menggunakan metode MKMT, yatu seesar Sedangkan dugaan parameter regres,, dperoleh dengan menggunakan metode KTT, dengan nla dugaan dapat dlhat pada Tael 2. Tael 2 Nla Dugaan Parameter Beta x eta_duga x x x x x Hasl pendugaan tdak langsung pengeluaran per kapta dengan metode PTLTE dapat dlhat pada Lampran 5. Sepert pada pendugaan langsung, desa Baakan dan Tlajung Udk memlk dugaan pengeluaran per kapta yang leh esar dandngkan desa-desa lannya. Secara umum pendugaan tdak langsung dengan metode PTLTE dan pendugaan langsung memerkan hasl pendugaan pengeluaran per kapta desa/kelurahan d Kaupaten Bogor yang tdak jauh ereda. Keragaman pengeluaran per kapta pada pendugaan tdak langsung leh kecl dandngkan pada pendugaan langsung dengan nla tengah yang hampr sama, yang dapat dlhat pada Gamar 2. Dapat dartkan ahwa metode PTLTE terseut mampu memperkecl keragaman. Namun untuk menentukan pendugaan mana yang menghaslkan nla dugaan yang leh ak adalah dengan melhat KTG dar masngmasng dugaan. Pengeluaran per Kapta Penduga_Langsung Penduga_Tdak_Langsung Gamar 2 Dagram Kotak Gars Pengeluaran per kapta Hasl Pendugaan Langsung dan Pendugaan Tdak Langsung. Pendugaan KTG dengan Bootstrap Parametrk Data pengeluaran per kapta desa/kelurahan d Kaupaten Bogor dapat ddekat dengan searan Lognormal, sehngga contoh ootstrap yang dangktkan pada metode ootstrap parametrk juga mengkut searan Lognormal dengan
14 6 x A x A ' 2 ' 2 ' 1 ( β) + ( β) + ~ ln( ) ln, ln Lognormal xβ ' 2 ' 2 2 ( xβ) ( xβ) θ dan ( θ ) + D ( θ ) + D y θ ~ Lognormal ln( θ ) ln,ln ( θ ) ( θ ) Secara umum metode ootstrap parametrk menghaslkan nla dugaan KTG yang leh kecl dandngkan dengan nla dugaan KTG pada pendugaan langsung. Perandngan KTG pada pendugaan lansung dan pendugaan tdak langsung dengan metode ootstrap parametrk dapat dlhat pada Gamar per kapta pada pendugaan tdak langsung dengan metode PTLTE memerkan dugaan dengan press yang leh ak dandngkan pendugaan langsung. Oleh karena tu dapat dkatakan ahwa hasl pendugaan dengan metode PTLTE dapat memperak hasl pendugaan langsung. KTG KTG Varale penduga_langsung ootstrap_parametrk Desa Gamar 3 Dagram Gars Nla Dugaan KTG pada Bootstrap Parametrk dan Pendugaan Langsung. Karena nla dugaan KTG pada pendugaan tdak langsung dengan metode ootstrap parametrk cenderung leh kecl darpada nla dugaan KTG pada pendugaan langsung, secara umum pendugaan pengeluaran per kapta pada pendugaan tdak langsung dengan metode PTLTE menghaslkan dugaan dengan press yang leh ak dandngkan pendugaan langsung. Oleh karena tu dapat dkatakan ahwa hasl pendugaan dengan metode PTLTE dapat memperak hasl pendugaan langsung. Pendugaan KTG dengan Bootstrap Nonparametrk Hasl pendugaan KTG dengan metode ootstrap nonparametrk cenderung memlk nla yang leh kecl dandngkan dugaan KTG pada pendugaan langsung. Namun terdapat eerapa desa yang hasl dugaan KTG dengan ootstrap nonparametrk leh esar darpada dugaan KTG pada pendugaan langsung. Beerapa desa terseut dantaranya adalah desa Leuwsadeng, Stu Udk, Sukamaju, Jonggol, Bojonggede, serta Ragajaya. Hal n dapat dlhat pada Gamar 4. Berdasarkan pendugaan KTG terseut dapat dartkan ahwa pendugaan pengeluaran Desa Gamar 4 Dagram Gars Nla Dugaan KTG pada Bootstrap Nonparametrk dan Pendugaan Langsung. Hasl pendugaan KTG dengan metode ootstrap parametrk cenderung memlk nla yang leh kecl darpada hasl pendugaan KTG dengan metode ootstrap nonparametrk. Namun terdapat satu desa yang memlk dugaan KTG dengan ootstrap parametrk leh esar darpada dugaan KTG dengan ootstrap nonparametrk, yatu desa Tajur Halang. Hal n dapat dlhat pada Gamar 5. KTG Varale penduga_langsung ootstrap_nonparametrk Varale ootstrap_parametrk ootstrap_nonparametrk 20 Desa Gamar 5 Dagram Gars Nla Dugaan KTG pada Bootstrap Parametrk dan Bootstrap Nonparametrk. Meskpun ootstrap parametrk memerkan hasl dugaan KTG yang cenderung leh kecl dandngkan ootstrap nonparametrk, namun kedua metode terseut sama-sama memerkan hasl dugaan KTG yang leh kecl dandngkan pendugaan
15 7 langsung. Sehngga hasl dugaan KTG pada kedua metode terseut memerkan kesmpulan yang sama terhadap press pendugaan pengeluaran per kapta dengan metode PTLTE yang dapat memperak hasl pendugaan langsung. KESIMPULAN DAN SARAN Kesmpulan Pendugaan KTG menggunakan metode ootstrap parametrk cenderung menghaslkan dugaan yang leh kecl dandngkan metode ootstrap nonparametrk. Berdasarkan dugaan KTG dar kedua metode terseut, pendugaan pengeluaran per kapta dengan metode PTLTE memlk press yang leh ak sehngga mampu memperak hasl pendugaan langsung. Saran Kajan leh lanjut dperlukan dalam menyelesakan masalah pada pendugaan KTG dalam statstk area kecl dengan respon ersearan Lognormal. Transformas logartma pada model dapat dgunakan untuk mengatas masalah terseut. Atau searan Lognormal terseut seaknya dgunakan untuk pendugaan eta dalam model. DAFTAR PUSTAKA [BPS]. Badan Pusat Statstka [28 Me 2011]. Butar FB, Lahr P On measures of Uncertanty of Emprcal Bayes Small Area Estmators. In: Rao JNK. Jackknfe and Bootstrap Method for Small Area Estmaton. Secton on Survey Method : Danel WW Appled Nonparametrc Statstcs. Boston: PWS-KENT Pulshng Company. Efron B, Tshran RJ An ntroducton to the ootstrap. New York: Chapman & Hall. Fay RE, Herrot RA Estmates of Income for Small Places : An Applcaton of James-Sten Procedures to Census Data. Journal of the Amercan Statstcal Assocaton, Vol. 74, p: Jang J, Lahr P, Wan SM A Unfed Jackknfe Theory for Emprcal Best Predcton Wth M-Estmaton. The Annals of Statstcs 30:1782 [terhuung erkala]. [1 Feruar 2011]. Kurna A, Notodputro KA EB- EBLUP MSE Estmator on Small Area Estmaton wth Applcaton to BPS Data. Paper presented n Internatonal Conference on Mathematcal Scences1. Bandung Jun Pfeffermann D, Glckman H Mean Square Error Approxmaton n Small Area Estmaton By Use of Parametrc and Nonparametrc Bootstrap. ASA Secton on Survey Research Methods : ceedngs/y2004/fles/jsm pdf [13 Desemer 2010]. Ramsn B, et al Unnsured Estmates y County: A Revew of opton and Issues. /ofhsrfq7.pdf. [19 Jun 2011]. Rao JNK Small Area Estmaton. New Jersey: John Wlley & Sons, Inc.
16 LAMPIRAN
17 9 Lampran 1 Hasl Pendugaan Pengeluaran per Kapta serta nla Kuadrat Tengah Galat (KTG) Pendugaan Langsung Pendugaan Tdak Langsung NAMA DESA Pengeluaran Pengeluaran Selsh per Kapta KTG per Kapta KTG_PB KTG_NPB KTG_PB dan (xrp100,000) (xrp100,000) KTG_NPB SUKALUYU CIBEBER I LEUWISADENG SITU UDIK SUKAMAJU CIBANTENG PETIR BABAKAN PARAKAN SIRNAGALIH TAJUR HALANG CIADEG CIBEDUG TUGU SELATAN MEGAMENDUNG CIKEAS KADUMANGU SUKAWANGI BABAKAN RADEN BENDUNGAN JONGGOL CILEUNGSI KIDUL NAMBO TLAJUNG UDIK LEUWINUTUG CITEUREUP NANGGEWER TENGAH CIRIMEKAR BOJONG GEDE RAGAJAYA SUKMAJAYA RANCA BUNGUR PARUNG CIHOWE PENGASINAN CIPINANG BANYU RESMI PASIR MADANG JAGABAYA Rata-rata selsh KTG_PB dan KTG_NPB Keterangan: KTG_PB = KTG menggunakan metode ootstrap parametrk KTG_NPB = KTG menggunakan metode ootstrap nonparametrk
18 10 Lampran 2 Pengujan Searan Data Pengeluaran per kapta desa/kelurahan d Kaupaten Bogor Parameter Searan Normal Parameter Smol Dugaan Mean Mu Std Dev Sgma Uj Keakan Sua Searan Normal Uj Statstk D Nla-p Pr > D Kolmogorov- Smrnov <0.010 Parameter Searan Lognormal Parameter Smol Dugaan Threshold Theta 0 Scale Zeta Shape Sgma Mean Std Dev Uj Keakan Sua Searan Lognormal Uj Kolmogorov- Smrnov Statstk D Nla-p Pr > D >0.150
19 11 Lampran 3 Hasl pemlhan peuah pendukung menggunakan regres anak-gugus terak Vars R-Sq R-Sq(adj) C-p Mallows S X1 X2 X3 X4 X5 X6 X7 1 35,2 33,5 26, X 1 32,3 30,5 28, X 1 19,3 17,2 41, X 1 15,6 13,4 44, X 1 3,4 0,9 56, X 2 49,1 46,3 14, X X 2 42,5 39,4 21, X X 2 38,7 35,4 24, X X 2 37,1 33,7 26, X X 2 36,2 32,7 27, X X 3 61,3 58,1 5, X X X 3 51,8 47,8 14, X X X 3 49,5 45,3 16, X X X 3 49,2 45,0 16, X X X 3 49,1 44,8 16, X X X 4 65,7 61,8 2, X X X X 4 61,4 57,0 6, X X X X 4 61,3 56,9 7, X X X X 4 61,3 56,9 7, X X X X 4 53,0 47,6 15, X X X X 5 66,4 61,4 4, X X X X X 5 65,9 60,8 4, X X X X X 5 65,8 60,8 4, X X X X X 5 61,4 55,8 8, X X X X X 5 61,4 55,8 8, X X X X X 6 66,4 60,3 6, X X X X X X 6 66,4 60,3 6, X X X X X X 6 66,0 59,8 6, X X X X X X 6 61,4 54,4 10, X X X X X X 6 53,2 44,7 18, X X X X X X 7 66,5 59,2 8, X X X X X X X Keterangan peuah: rata-rata pengeluaran per kapta jumlah penduduk jumlah keluarga persentase keluarga pertanan persentase keluarga pengguna PLN persentase penerma ASKESKIN persentase surat mskn persentase keluarga pengguna telepon kael
20 12 Lampran 4 Hasl Pengujan Multkolneartas The REG Procedure Model: MODEL1 Dependent Varale: y Analss Ragam Sumer Keragaman d Jumlah Kuadrat Kuadrat Tengan Nla F Nla p Model <.0001 Galat Total terkoreks Koef. Keragaman R 2 R 2 adj Dugaan Parameter Varael d Dugaan Parameter Galat Baku Nla t Nla p VIF Intersep X X < X X
21 13 Lampran 5 Daftar Sngkatan ASKESKIN BB BE BP KS KTG KTT MKM MKMT PODES PTLT PTLTE SUSENAS : Asurans Kesehatan Keluarga Mskn : Bayes Berhrark : Bayes Emprk : Best Predctor : Kolmogorov Smrnov : Kuadrat Tengah Galat : Kuadrat Terkecl Teroot : Metode Kemungknan Maksmum : Metode Kemungknan Maksmum Terkendala : Potens Desa : Predks Takas Lnear Terak : Predks Takas Lnear Terak Emprk : Surve Sosal Ekonom Nasonal
Kuadrat Tengah Galat dalam Statistik Area journal.ipb.ac.id/index.php/statistika
Bootstrap Forum Statstka Parametrk dan Komputas dan : Indonesan Nonparametrk Journal untuk of Statstcs Pendugaan ISSN : 053-115 Kuadrat engah Galat dalam Statstk Area Kecl Vol. 1 dengan No.1, Respon Aprl
Lebih terperinciBAB 3 GAMBARAN UMUM TEMPAT RISET
BAB 3 GAMBARAN UMUM TEMPAT RISET 3. Sejarah dan Kegatan Operasonal Perusahaan 8 3.. Sejarah Perkemangan Kantor Perwaklan Bank Indonesa Wlayah I (Sumut & Aceh) 8 3. Struktur Organsas dan Deskrps Tugas Kantor
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pengertan Regres Istlah regres dperkenalkan oleh seorang yang ernama Francs Gulton dalam makalah erjudul Regresson Towerd Medacraty n Heredtary Stature Menurut hasl peneltan elau, meskpun
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB LANDASAN TEORI Unverstas Sumatera Utara . Pengertan Regres Istlah regres pertama kal dperkenalkan oleh Francs Galtom. Menurut Galtom, analss regres erkenaan dengan stud ketergantungan dar satu varael
Lebih terperincimenyelesaikan permasalahan dalan penulisan.
BAB 5 : IMPLEMENTASI SISTEM Ba n mengurakan proses pengolahan data dengan program yang akan dgunakan yatu SPSS yang memantu dalam menyelesakan permasalahan dalan penulsan. BAB 6 : KESIMPULAN DAN SARAN
Lebih terperinciPENYELESAIAN PERSAMAAN REGRESI LINIER NON PARAMETRIK DENGAN METODE THEIL S
LPPM Polteknk Bengkals PENELESAIAN PERSAMAAN REGRESI LINIER NON PARAMERIK DENGAN MEODE HEIL S Darsono Staff pengaar Program Stud eknolog Informas Jl. Batn alam Sunga Alam Bengkals darsono@poleng.ac.d Astrak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Pengertan Regres Regres pertama kal dgunakan seaga konsep statstka oleh Sr Francs Galton (8 9). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, ang selanjutna dnamakan
Lebih terperinciHANDOUT STATISTIKA LANJUT MAA 315. Oleh : Kismiantini, M.Si. NIP
HANDOUT STATISTIKA LANJUT MAA 35 Oleh : Ksmantn, M.S. NIP. 979086 00 00 JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI OGAKARTA 0 Unverstas Neger ogyakarta
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciModel Regresi Berganda
Model Regres Berganda Huungan lnear (dlm parameter) antara peuah tak eas & atau leh peuah eas Intersep-Y Populas Slope Populas Random Error Y 0 p p Ŷ 0 p p e Peuah tak eas (Respons) utk sampel Peuah eas
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sumer daya kelautan dan perkanan adalah salah satu sumer daya alamyang merupakan aset negara dan dapat memerkan sumangan yang erharga ag keseahteraan suatu angsa termasuk
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciPercobaan Faktor Tunggal (RAL, RAKL, RBSL)
Percoaan Faktor Tunggal RAL, RAKL, RBSL Faktor Tunggal Dalam RAKL Rancangan Acak Kelompok Lengkap Karakterstk Rancangan Perlakuan yang dcoakan merupakan taraftaraf dar satu faktor tertentu Faktor-faktor
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciMETODE PENDUGAAN AREA KECIL DENGAN TEKNIK EMPIRICAL BAYES PADA PENDUGAAN PROPORSI KELUARGA MISKIN DI KOTA BOGOR WAHYU DWI LAKSONO
METODE PENDUGAAN AREA KECIL DENGAN TEKNIK EMPIRICAL BAYES PADA PENDUGAAN PROPORSI KELUARGA MISKIN DI KOTA BOGOR WAHYU DWI LAKSONO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciPENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION
Forum Statstka dan Komputas, Oktoberl 005, p: 1 16 Vol. 10 No. PENDEKATAN GENERAL LINEAR MIXED MODEL PADA SMALL AREA ESTIMATION Kharl A. Notodputro dan Anang Kurna Departemen Statstka FMIPA IPB Abstract
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciPERBANDINGAN METODE EMPIRICAL BAYES
PERBANDINGAN METODE EMPIRICAL BAYES (EB) DAN EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA PENDUGAAN AREA KECIL (Stud Kasus Pendugaan Pengeluaran Per Kapta d Kota Bogor) AGUSTINA DWI WARDANI DEPARTEMEN
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciAnalisis Regresi Linear Sederhana
Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks
Lebih terperinciSKRIPSI PENGARUH PENILAILAN PRESTASI KERJA TERHADAP PROMOSI JABATAN KANTOR PT PERKEBUNAN NUSANTARA IV MEDAN UNIT KEBUN ADOLINA OLEH
SKRIPSI PENGARUH PENILAILAN PRESTASI KERJA TERHADAP PROMOSI JABATAN KANTOR PT PERKEBUNAN NUSANTARA IV MEDAN UNIT KEBUN ADOLINA OLEH Dw Wra Prawaty 110502294 PROGRAM STUDI STRATA 1 MANAJEMEN DEPARTEMEN
Lebih terperinciHubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya
Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes
Lebih terperinciBAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum melakukan peneltan, langkah yang dlakukan oleh penuls adalah mengetahu dan menentukan metode yang akan dgunakan dalam peneltan. Sugyono (2006: 1) menyatakan:
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB IV TRIP GENERATION
BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan
Lebih terperinciPRODUKTIVITAS DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PRODUKSI USAHATANI TOMAT (SOLANUM LYCOPERSICUM MILL) DI KABUPATEN JEMBER
PRODUKTIVITAS DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PRODUKSI USAHATANI TOMAT (SOLANUM LYCOPERSICUM MILL) DI KABUPATEN JEMBER Bagus Rangga Sta dan Syamsul Had Alumn Fakultas Pertanan, Unverstas Muhammadyah
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jens dan Pendekatan Peneltan Jens peneltan n termasuk peneltan korelasonal (correlatonal studes. Peneltan korelasonal merupakan peneltan yang dmaksudkan untuk mengetahu ada
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciMENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG)
MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG) OKTAVIANI PRIHATININGSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama
BAB V Model Bayes Pendugaan Area Kecl untuk Respon Bnomal dan Multnomal Berbass Penarkan Contoh Berpeluang Tdak Sama 5.1. Pendahuluan Pada umumnya pengembangan model SAE dan pendugaannya dlakukan dengan
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres 1 Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya E[Y x] E[Y x] y b
Lebih terperinciBAB II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBADAN PUSAT STATISTIK KABUPATEN JAYAPURA
BADAN PUSAT STATISTIK KABUPATEN JAYAPURA BADAN PUSAT STATISTIK KABUPATEN JAYAPURA Sensus Penduduk 2010 merupakan sebuah kegatan besar bangsa Badan Pusat Statstk (BPS) berdasarkan Undang-undang Nomor 16
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciIII. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini
III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciSpline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat
Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan
Lebih terperinciPola Spatial Persebaran Pusat Perbelanjaan Modern di Surabaya Berdasarkan Probabilitas Kunjungan
JURNAL EKNIK POMI Vol. 2, No. 2, (2013) IN: 2337-3539 (2301-9271 Prnt) C-234 Pola patal Persearan Pusat Perelanjaan Modern d uraaya Berdasarkan Proaltas Kunjungan Achmad Mftahur Rozak dan Putu Gde Arastta
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya ) E [Y x ] E [Y x] =
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciANALISIS PERMINTAAN PANGAN HEWANI INDONESIA DENGAN GENERALIZED METHOD OF MOMENTS PADA MODEL QUADRATIC ALMOST IDEAL DEMAND SYSTEM
ANALISIS PERMINTAAN PANGAN HEWANI INDONESIA DENGAN GENERALIZED METHOD OF MOMENTS PADA MODEL QUADRATIC ALMOST IDEAL DEMAND SYSTEM Wahyu Dw Lesmono, Ftra Vrgantar, Hagn Wjayant Program Stud Matematka Fakultas
Lebih terperinci