PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
|
|
- Indra Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Vol 4 No, 46-58, Arl 00, ISSN : PEMILIHAN MODEL REGRESI LINIER DENGAN STRAP Taro Jurusa Mateatka FMIPA UNDIP Searag Subaar Jurusa Mateatka FMIPA UGM Yogyakarta Abstrak Tulsa ebcaraka tetag eeraa bootstra utuk elha odel regres ler terbak Model regres ler terbak yag terlh adalah odel dega estas sesata redks kuadrat al atas seua odel regres yag ugk yatu sebayak - odel dega : bayakya varabel redktor Metode Bootstra elh suatu odel dega ealka rata-rata sesata redks kuadrat berdasarka resalg data yag dbagktka elalu asaga data da resdual, dega eertbagka juga varabel redktor yag terlbat sesedkt ugk Pelha varabel berdasarka bootstra asaga data da bootstra resdual dega ukura sael bootstra adalah kosste Da jka ukura sael bootstra dabl dega 0 ad, elha varabel bootstra juga kosste Hasl dar suatu sulas dega SPLUS dsajka dala tulsa Kata kuc : elha odel, bootstra da sasata redks PENDAHULUAN 46 Salah satu odel yag sagat bergua dala berbaga bdag alkas adalah odel ler uu : y β + ε,,,, ( dega y adalah reso ke-, : -vektor varabel redktor yag berkata dega y, β : -vektor araeter yag tdak dketahu da ε : sesata rado Masalah regres ler daat dorulaska sebaga kasus khusus dar odel (
2 Pelha Model Regres (Taro da Subaar tersebut Jka dala odel ( deterstk, aka dasuska bahwa ε deede dega ea 0 da varas σ Jka tersebut rado, aka odel ( dkataka sebaga odel korelas Dala suatu odel korelas, (y, dasuska deede da berdstrbus detk dega oe kedua berhgga da dberka E(y β, σ eyataka varas bersyarat dar y Paraeter regres β daat destas dega egguaka etode kuadrat terkecl Aabla estas araeter telah dtetuka berart deroleh estas odel utuk reso y yag tergatug ada redktor Teta beberaa kooe dar keugka tdak beregaruh secara sgka terhada reso y, sehgga erlu dlakuka elha varabel redktor Pelha varabel dala odel regres ler daat dlakuka dega beberaa etode : AIC, C, BIC, Jackke (Valdas Slag da Bootstra (Shao, Tu, 995 Perasalaha yag duraka ds adalah elha odel yag lebh koak yatu odel yag elk estas rata-rata sesata redks kuadrat u Da elha odelya dlakuka dega egguaka etode yag berdasarka data-resalg yatu bootstra Karea beberaa kooe dar β ugk saa dega ol, aka odel yag lebh koak elk betuk: y β + ε, ( dega hua baga dar {,,,} Metode bootstra elh odel dega ealka estas rata-rata julah kuadrat dar sesata redks se atas seua berdasarka sael bootstra resdual da bootstra asaga data egaata yag dbagktka dar ugs dstrbus ers (Shao, Tu, 995 PEMILIHAN MODEL DAN SESATAN PREDIKSI Predks la reso utuk asa yag aka datag, secara aktual ugk tdak tergatug ada seua kooe, artya terdaat beberaa kooeβ yag saa dega ol (Shao, Tu, 996 Oleh karea tu, ddaatka odel yag lebh koak yag berbetuk : 47
3 Vol 4 No, 46-58, Arl 00, ISSN : y, β + ε,,,, ( dega {,,, } Jka β da, sebaga subvektor yag euat kooe-kooe dar β da berada dala, aka terdaat ( - odel berbeda yag ugk yag berbetuk (, asg-asg terkat dega suatu hua baga da dotaska dega ˆ Des (ukura dar ˆ adalah bayakya redktor dala ˆ (Shao da Tu, 995 Jka A eyataka seua hua baga dar {,,,} da seta kooe dar β dketahu saa dega 0 atau tdak, aka odel-odel ˆ daat dklaskaska ejad dua kategor : Kategor I (a correct odel : al satu kooe dar β yag tdak ol tdak berada dala β Kategor II (a correct odel : β euat seua kooe β yag tdak ol Model otal adalah odel ( dega 0 sedeka hgga β 0 euat seua kooe β yag seuaya tdak ol (odel dala kategor II dega des terkecl Model otal tersebut tdak dketahu karea β tdak dketahu, sehgga erlu elh odel dar ( berdasarka data (y,, (y,,, (y, yag eeuh ( Jka dasuska bahwa ε d dega ea 0 da varas Terkecl deroleh: βˆ σ, aka dbawah odel, dega Estator Kuadrat ( y dega y(y,y,,y da,,, ( Jka dagga bahwa y : la reso yag aka datag utuk suatu la redktor, aka ŷ kuadrat se(, adalah : se(, E(y β ˆ ŷ Hal berakbat bahwa ea sesata redks σ + σ dega ( Jka dala kategor II aka (, [ β ( β] β β, β β + (,, da (, 0 Dega deka jka se(, dketahu, aka odel otal daat dlh dega ealka se(, atas seua A Model otal daat juga 48
4 Pelha Model Regres (Taro da Subaar dtetuka dega ealka rata-rata dar sesata redks kuadrat se(, atas {,,, }: dega σ se( se(, σ + + (, ( β (I H β da H ( Nau, se(, da se( kedua-duaya tdak dketahu Sehgga egestas se( lebh udah dar ada egestas se(, dega egguaka se(, keuda elh odel dega ealka se( atas A 3 ESTIMASI PARAMETER Jka araeter β eruaka araeter regres yag aka destas dega βˆ, aka d lgkuga boostra βˆ daat destas dega ˆβ Utuk egestas araeter regres daat dlakuka dega beberaa rosedur bootstra, atara la: bootstra berdasarka resdual, bootstra asaga data egaata Bootstra Resdual Bootstra berdasarka resdual (resduals bootstra dsgkat RB (Ero, 979 Jka dketahu odel regres ( : y β + ε,,,, dega y adalah reso ke-, : -vektor varabel redktor yag berkata dega y, β : -vektor araeter yag tdak dketahu da ε : sesata rado, da aabla orado, dega asus bahwa ε d dega ea 0 da varas σ Maka utuk eeroleh estas araeter rosedur bootstra sebaga berkut : daat dlakuka a Model regres ( ddetkas sebaga odel araeter, yatu ( β, Fε, dega Fε eruaka dstrbus dar ε yag tak dketahu 49
5 Vol 4 No, 46-58, Arl 00, ISSN : b Dega etode kuadrat terkecl, araeter β destas dega βˆ da Fε destas dega ugs dstrbus ers Fˆ ε dega egabl assa eluag - terhada r r,,,, dega r y β ˆ eruaka resdual ke- da r r Fˆ ε dusatka ada 0 karea ea 0 Fε euya c Data bootstra dbagktka dar odel tersebut dega ( β, Fε dgat dega β ˆ,Fˆ Dega kata la dbagktka data deede da berdstrbus ( ε detk ε, ε,, ε dar Fˆ ε da ddeska y ˆ β + ε d Dega etode kuadrat terkecl, dhtug ˆβ berdasarka data (y,,(y,,(y,, yatu : βˆ ( y e Ulag lagkah datas sebayak B kal sebaga relkas bootstra Karea E ( ε 0, utuk seta, aka da juga, E (ˆ β ( E ( y var (ˆ β βˆ, (3 ( var ( y ( σˆ ( dega σˆ var( ε (r r, (3 Dar ersaaa (3 da (3, rosedur bootstra eghaslka estator varas da estator bas dar βˆ yag kosste Suatu asus yag etg utuk bootstra resdual adalah ε d Bahka jka asus berlaku ugs dstrbus ers Fˆ ε tdak ddasarka ada data d secara eksak Estator (3 euya betuk secara ekslst teta tdak saa dega estator yag dberka oleh: dega var(βˆ r (, (33 r y βˆ eruaka resdual ke- 50
6 Pelha Model Regres (Taro da Subaar Estator dala ersaaa (3 bas euru, karea dega k + ( j j 0 E( ˆ k σ ( σ, Utuk eghlagka bas egat, Shao da Tu (995 eyataka bahwa data bootstra dabl dar ugs dstrbus ers berdasarka ( r r / /,,,, Ketetua ash egarah keada suatu estator varas yag bas euru, karea k > blaaa r 0 Keuda data bootstra dbagktka dar ugs dstrbus ers ~ dega egabl assa eluag - terhada Fε resdual yag teratur ˆσ dgat dega : ( r r / k /,,,, Maka (3 berlaku dega σ~ (r r k Jka r 0 aka k, σ ~ r da estator varas bootstra utuk βˆ saa seert estator varas tak bas yag dberka oleh (33 Peetaa - k / tdak eberka daak substasal terhada estas varas jka cuku besar Bootstra Data Berasaga Bootstra berasaga (ared bootstra dsgkat PB, aakya eruaka suatu rosedur yag sagat ala aabla rado da (y,,,,,, deede da berdstrbus detk (d Dala kasus, utuk egestas araeter regres daat dlakuka rosedur sebaga berkut : a Model ddetkas dega dstrbus bersaa dar (y,,,,, da destas dega ugs dstrbus ers dega assa eluag - utuk seta (y,,,,, b Dbagktka data bootstra dar ugs dstrbus ers, yatu : (y,,(y,,(y, 5
7 Vol 4 No, 46-58, Arl 00, ISSN : c Dega etode kuadrat terkecl dtetuka estas araeter regres : d βˆ ( y e Ulag lagkah datas sebayak B sebaga relkas bootstra 4 PREDIKSI Suatu eeraa yag sagat etg dar odel ( adalah redks dar reso yag aka datag y utuk suatu la redktor yag dberka Bootstra daat dguaka utuk eetuka sesata redks dala asalah redks ttk Dbawah odel ( dega sesata utuk y adalah : ŷ β ˆ, da daat devalus dega ea sesata redks kuadrat, se( E(y ŷ Jka y da y, y,, y deede, aka se( ˆ var(y + var( β σ + σ ( ε d, suatu redks ttk Suatu estator dar se(, berdasarka bootstra resdual (RB daat deroleh ~ sebaga berkut Jka ( ε, ε,, ε da ε d dar F, yatu ugs dstrbus ε ers dar resdual yag datur r r / k /,,,, Jka y ŷ ( βˆ + ε suatu la reso bootstra yag aka datag da ˆ β redks bootstra dar se( adalah: y Maka estator bootstra utuk se ( E (y ŷ var (y var ( ˆ + β ~ ~ σ + σ ( dega σ~ k (r r 5
8 Pelha Model Regres (Taro da Subaar Karea E( ~ σ σ aka se ( eruaka estator tak bas Kadag-kadag la yag aka datag g dredkska utuk suatu hua dar Aabla,,,, rado serta deede da berdstrbus detk (d aka ea sesata redks kuadrat adalah: σ se( σ + σ tr[e( E( ] σ + + o( Berdasarka bootstra asaga Ero (Shao da Tu,995 egusulka estator bootstra utuk se Ddeska sesata ekses haraa dega e (y ŷ r da estator boostraya dega ê E (y β ˆ (y βˆ Dega deka estator boostraya adalah: se r + ê Da la haraaya adalah : E(se σ (4 σ + + o( Jad estator bootstra tersebut har tak bas 5 PEMILIHAN VARIABEL Prosedur elha odel dega bootstra daat dturuka dar estator utuk se ( Padag estator bootstra berbetuk : dega ( se ( (y ê : estator bootstra dar sesata ekses haraa : ˆ β + ê( (5 53
9 Vol 4 No, 46-58, Arl 00, ISSN : ˆ ˆ σ e( E (y, β (y β dega y, reso yag aka datag ada yag deede dega y Jka ˆ β estator dar βˆ d lgkuga bootstra aka deroleh : β ˆ ( y utuk bootstra berasaga, da β ˆ ( y utuk bootstra resdu, dega y (y, y,, y, ˆ y + ε β da ε deede da berdstrbus detk dar Fˆ ε yatu ugs dstrbus ers dar ε dega assa eluag / Dega deka deroleh estator bootstra dar e( utuk bootstra berasaga adalah : ê( E (y β ˆ (y ˆ β (5 da utuk bootstra resdu : ê( E (y β ˆ (y ˆ β (53 Estator bootstra utuk se ( dberka oleh ersaaa (5 dega ê( yag bersesuaa Perlu dketahu bahwa e( e ( tergatug ada ukura sael Utuk bootstra resdual erhtuga secara lagsug eghaslka σˆ ê( (54 yag eruaka estator tak bas astots da kosste utuk e( Da ê( dega egguaka bootstra asaga aka edekat ruas kaa ada ersaaa (54 teta euruaya cuku rut Lebh lajut utuk edaatka rosedur elha odel bootstra yag kosste, daat juga dlh ukura sael sedeka hgga e ( daat destas dega ê ( dega / 0 da keuda ealka : 54
10 Pelha Model Regres (Taro da Subaar se ( (y β ˆ + ê ( e ( atas A (55 Utuk egestas ada bootstra asaga, terlebh dahulu dbagktka sael berasaga (y,,(y,,,(y, da egguaka : ê dega β ˆ ( E (y β ˆ, (y ˆ β, (56 ddeska seert ada βˆ yag ddasarka ada asaga data, bootstra Jka dlh sedeka hgga / 0 da aka : ê σˆ ( + o( Pada bootstra resdual, dguaka secara lagsug egestas ( dega e σˆ ê ˆ σ ( da 6 KONSISTENSI STRAP Teorea 6 : (Shao da Tu, 995 Jka dasuska bahwa ε d da a h 0 utuk seua A, dega h ( ( Padag suatu estator bootstra se ( dala ersaaa (5 dega ê( seert yag dbera ada ersaaa (5 utuk PB da (54 utuk RB Maka, aabla dala kategor I (a correct odel, se ( se( + o (; (6 sedagka aabla dala kategor II (a correct odel, se ( ε σ + ε H ε + o ( 55
11 Vol 4 No, 46-58, Arl 00, ISSN : ( Jka se ( yag ddeska dala ersaaa (54 dega ê ( seert dala ersaaa (55 utuk PB da σˆ lajut ukura sael bootstra dlh sedeka hgga 0, a h utuk RB Lebh 0 utuk seua A (6 Maka aabla dala kategor I (a correct odel, se ( se( + o (; sedagka aabla dala kategor II (a correct odel, se ε σ ( + + o ( Lebh lajut dasuska bahwa l ( > 0 ( dl kategor I Maka l P{ˆ dala kategor I} 0, da l P{ˆ 0} < kecual bla {,,, } dala kategor II (a correct odel; da ˆ kosste, yatu l P{ˆ 0} berlaku utuk ˆ, dega ˆ da ˆ adalah odel-odel terlh dega asg-asg ealka se ( da se ( 7 SIMULASI Sebaga suatu leetas secara rakts dlakuka sulas terhada data see yag dabl dar (Hjorth, 994 dega egguaka etode bootstra resdual da asaga data dega relkas bootstra B00 da B400, eberka hasl seert terlhat ada Tabel dbawah Adau erhtuga estas rata-rata sesata redks kuadrat dlakuka dega rogra SPLUS Varabel redktor yag terlbat ddala odel sebayak 4 varabel, sehgga odel yag ugk seluruhya ada 5 odel Dar 5 odel tersebut 56
12 Pelha Model Regres (Taro da Subaar aka dlh satu odel terbak utuk asg-asg ukura da keuda dar 4 odel terbak tersebut dlh satu odel yag elk Tabel: Estas se utuk 5 odel yag ugk se yag terkecl No Varabel-varabel dala Model se RB se-pb 3 se-pb B00 B400 B00 B400 B00 B400 9,8 9,4 0,8 0,73 3,7,95 85,3 85, 78,8 78,96 89,5 90, ,5 83,8 69,6 68,58 90,98 90, ,9 83,6 77,04 77,30 86,87 86,74 5 5,69 5,7 5,5 5,5 5,88 5, ,03 0,4,08 0,80,9, ,30 7,35 6,80 6,79 7,37 7, ,68 4,09 37,6 37,50 4,73 4, ,6 85,6 78,07 78,4 85,7 85, ,6 7,6 5,84 5,93 7,70 7,4 3 4,89 4,86 4,57 4,53 4,59 4,5 4 4,8 4,83 4,49 4,5 4,58 4, , 5,6 4,84 4,78 4,85 4, ,4 7,46 6,9 6,96 7,09 7, ,95 4,90 4,6 4,64 4,4 4,0 Dar Tabel datas deroleh odel terbak utuk asg-asg ukura sebaga berkut Model terbak dega redktor: y 7,57 0,74 4 Model terbak dega redktor: y 5,58 +,47 + 0,66 Model terbak dega 3 redktor: y 7,65 +,45 + 0,4 0,4 4 Model terbak dega 4 redktor: y 6,4+,55+0,5+0,03 0,444 Dega eertbagka sesata redks da rs arsous (elbatka varabel redktor sesedkt ugk daat dlh satu odel terbak dar 4 odel tersebut yatu : y 7,65 +,45 + 0,4 0,4 4 57
13 Vol 4 No, 46-58, Arl 00, ISSN : KESIMPULAN Model regres terbak eruaka odel regres yag elk keaua redks terbak, yatu elk estas rata-rata sesata redks kuadrat u dega elbatka varabel redktor sesedkt ugk Dar hasl sulas dega egguaka etode bootstra resdual da bootstra data berasaga deroleh odel terbak utuk asg-asg ukura adalah saa, bak utuk ukura sael bootstra auu DAFTAR PUSTAKA Ero, B, Bootstra Methods : Aother Look at Jackke, Aals o Statstcs, 979, 7 : - 6 Ero B ad Tbshra, A Itroducto to Bootstra, Chaa ad Hall, New York, Hjorth J S U, Couter Itesve Statstcal Methods, Valdato Model Selecto ad Bootstra, Chaa ad Hall, New York, Searle S R, Ler Models, Joh Wley ad Sos, New York, 97 5 Serlg R J, Aroato Theores o Matheatcal Statstcs, Wley, New York, Shao J, Ler Model Selecto by Cross-Valdato, Joural Aerca Statstcs Assosato, 993, 88 : Shao J da Tu D, The Jackke ad Bootstra, Srger-Verlag, New York, Shao J, Bootstra Model Selecto, Joural Aerca Statstcs Assosato, 996, 9 :
PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG)
Prosdg SPMIPA 177-184 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Taro Progra Stud Statstka FMIPA UNDIP Searag Jl Prof Soedarto,
Lebih terperinciPROGRAM LINIEAR DENGAN METODE SIMPLEX
POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut
Lebih terperinciPENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)
Prosdg SPMIPA pp 185-191 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG) Taro Program Stud Statstka FMIPA UNDIP Semarag
Lebih terperinciII. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema
II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks
Lebih terperinciProses inferensi pada model logit Agus Rusgiyono. Abstracts
Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods
Lebih terperinciBAB III ISI. x 2. 2πσ
BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)
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. 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 terperinciRuang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA
Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka
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 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 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 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 terperinciBAB 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 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 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 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 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 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 terperinciANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS
Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,
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 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 terperinciPEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil.
aggaa bahwa harga sekurtas berubah searah dega harga deks asar Model deks tuggal adalah odel yag eyataka bahwa bal hasl seta sekurtas euya hubuga dega bal hasl ortofolo asar Portofolo asar adalah ortofolo
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 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 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 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 terperinciVolume 9 Nomor 2 Desember 2015
Volue 9 Noor Deseber 05 Jural Ilu Mateatka da Teraa Deseber 05 Volue 9 Noor Hal. 47 54 EFEKTIVITAS KINERJA DIAGRAM KONTROL G Marlo Stvo Noya Va Delse Jurusa Mateatka FMIPA Uverstas Pattura Jl. Ir. M. Putuhea,
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 terperinciESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.
Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap
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 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 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 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 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 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 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 II KAJIAN LITERATUR
BAB II Kaja Lteratur 4 BAB II KAJIAN LITERATUR. Jarak Mahalaobs Megut artkel tetag jarak Mahalaobs dar htt://e.wkeda.org ada 8 Maret 008, jarak Mahalaobs adalah ukura jarak yag derkealka oleh Prasata Chadra
Lebih terperinciMODEL INDEKS TUNGGAL (SINGLE INDEX MODEL)
MODEL INDEKS TUNGGAL (SINGLE INDEX MODEL) 1. Konse Dasar Sngle Index Model. Forula SIM untuk Sekurtas 3. SIM untuk Sekurtas Tunggal 4. SIM untuk Portofolo 5. Portofolo Otal Berdasarkan SIM Munya Alteza
Lebih terperinciRELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK
Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah
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 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 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 terperinciMean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.
Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk
Lebih terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
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 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 terperinciPenaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance
Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres
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 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 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 terperinciPEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL
Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka
Lebih terperinciPERBANDINGAN ESTIMATOR KERNEL DAN ESTIMATOR SPLINE DALAM MODEL REGRESI NONPARAMETRIK
NM VI 3-6 Jul 0 UNPAD, Jatagor PERBANDINGAN ESTIMATOR ERNEL DAN ESTIMATOR SPLINE DALAM MODEL REGRESI NONPARAMETRI I OMANG GDE SUARSA, I GUSTI AYU MADE SRINADI, NI LUH AYU PUSPA LESTARI 3 Jurusa Mateata
Lebih terperinciCADANGAN PROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE
CADANGAN ROSEKTIF ASURANSI JIWA DWIGUNA BERDASARKAN ASUMSI CONSTANT FORCE Tara Mustka 1, Johaes Kho 2, Azskha 2 1 Mahasswa rogra S1 Mateatka 2 Dose Jurusa Mateatka Fakultas Mateatka da Ilu egetahua Ala
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 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 terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED
Prosdg Sear Nasoal Volue 03, Noor ISSN 443-09 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN SPLINE TRUNCATED Rahat Hdaat, Yula, Marwa Sa 3 Isttut Tekolog Sepuluh Nopeber, Uverstas Cokroaoto Palopo,3 daatath@gal.co
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 terperinciI. PENDAHULUAN II. LANDASAN TEORI
I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan
BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter
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 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 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 terperinciPOWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH
JMP : Vol. 8 No., Des. 6, hal. 89- ISSN 85-456 POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH Bud Pratko Jurusa Matematka, Fakultas MIPA, UNSOED Purwokerto bratkto@gmal.com
Lebih terperinciMetode Perbaikan ASM pada Masalah Transportasi Tak Seimbang
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 27 Metode Perbaka ASM pada Masalah Trasportas Tak Sebag T - 35 Solkh Departee Mateatka FSM Uverstas Dpoegoro sol_erf@yahooco Abstrak Masalah trasportas
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 terperinciAnalisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM
D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog
Lebih terperinciPenerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal
Peerapa Teor Lmt Pusat Multvarat pada Pegedala Proses Pelayaa d Polklk Rawat Jala Rumah akt Umum Kardah Tegal Isa, M. PMTK FKIP Uv. Pacasakt Tegal sa@yahoo.com Abstrak Baga kedal adalah alat yag lazm dguaka
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 terperinciBAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ
5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega
Lebih terperinci2.2.3 Ukuran Dispersi
3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka
Lebih terperinciPROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE
PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)
Lebih terperinciKALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.
KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah
Lebih terperinciTINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil
4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa
Lebih terperinciPertemuan VII IV. Titik Berat dan Momen Inersia
Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
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 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 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 terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciBab VII Contoh Aplikasi
Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).
Lebih terperinciPENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini
PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area
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 terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciSTUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc
STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciII. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema
II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema
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 terperinciMENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **
MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka
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 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 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 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 terperinciDISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)
DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,
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 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 terperinciDISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.
DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinci