BAB 2 LANDASAN TEORI. titik dan area. Tahapan untuk melakukan pemodelan spasial adalah regresi linear

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI. titik dan area. Tahapan untuk melakukan pemodelan spasial adalah regresi linear"

Transkripsi

1 BAB LANDASAN TEORI. Pemodela Spasal Pemodela spasal adalah pemodela yag berhubuga dega pedekata ttk da area. Tahapa utuk melakuka pemodela spasal adalah regres lear bergada, u asums resdual, u multkoleartas, model spasal, Spatal Autoregressve Model (SAR), Spatal Error Model (SEM), da U Lagrage Multpler (LM)... Regres Regres adalah persamaa matematk yag meelaska hubuga varabel respo da varabel predktor. Dalam aalss regres terdapat dua varabel, yatu varabel respo da varabel predktor. Varabel respo dsebut uga varabel depede yag dpegaruh oleh varabel laya, dotaska dega Y. Varabel predktor dsebut dega varabel depede yatu varabel bebas yag dotaska dega X. Berdasarka hubuga-hubuga atar varabel bebas, regres lear terdr dar dua, yatu aals regres sederhaa da aalss regres bergada. Berdasarka keleara data pada model regres dkelompokka mead dua macam, yatu regres lear da regres o lear. Dkataka regres lear apabla hubuga atara peubah predktor da peubah respo adalah lear. Sedagka regres dkataka o lear apabla hubuga atara peubah predktor da peubah respo tdak lear. 7

2 8.. Regres Lear Bergada Regres lear bergada adalah aalss regres yag meelaska hubuga atara peubah respo dega faktor-faktor yag mempegaruhya lebh dar satu predktor (Adra, 007: 8). Secara umum model regres lear bergada sebaga berkut : k 0 + β + ε y β x (.) Keteraga : y : varabel respo pada pegamata ke- (,,,) β 0 : kostata β : parameter regres ke- (,,...,k) x : varabel predktor ke- pada pegamata ke - ε : resdual dega asums detk, depede, da berdsrbus ormal dega mea ol da varas σ : bayakya amata atau lokas (k+) Dalam betuk matrks dapat duraka sebaga berkut : (.) dmaa : ; ;

3 9..3 U Asums Resdual Apabla dalam aalss regres tdak ddasarka pada asums resdual, maka aka megakbatka hasl pedugaa regres tdak sesua. Asums resdual dalam model regres harus memeuh krtera detk, depede, berdstrbus ormal (Maurug, 007: 66-70). Pemodela regres klask dega Ordary Least Square (OLS) sagat ketat terhadap beberapa asums. Apabla ada asums yag tdak terpeuh, maka terdapat dkas adaya pegaruh spasal (Adra, 007: 5). Utuk melakuka aalss regres dperluka asums-asum resdual yag harus dpeuh d ataraya adalah :. Asums detk merupaka salah satu asums resdual yag petg dar model regres. Varas resdual harus bersfat homoskedaststas atau varas resdual bersfat detk tdak membetuk pola tertetu. Beberapa u yag dapat dguaka utuk megu asums detk adalah u Gleser, park test, plot of resdual ad ft. Hpotess utuk u Gleser adalah sebaga berkut: H 0 : resdual detk H : resdual tdak detk Statstk U: MSR F htug (.3) MSE dmaa : MSR ( eˆ e ) k ; MSE ( e eˆ ) k

4 0 Pegambla keputusa adalah F htug > F α(k, -k-) maka tolak H 0 pada tgkat sgfkas α, artya baha resdual tdak detk. Pegambla keputusa uga dapat melalu P-value dmaa tolak H 0 ka P-value < α.. Asums salg bebas (Idepedet) atau u autokorelas resdual, yag dlakuka utuk megetahu apakah ada korelas atar resdual. Beberapa pegua yag dapat dlakuka utuk megu asums depede adalah u Durb-Watso da plot Autocorrelato Fucto (ACF). Hpotess utuk u Durb-Watso adalah sebaga berkut: tdak ada korelas resdual ada korelas resdual Statstk u: d htug ( e e ) e (.4) Pegambla keputusa adalah tolak H 0 ka d htug d L,α/ atau d L,α/ (4 d htug ) d L,α/, artya terdapat autokorelas atar asums resdual atau asums depede tdak terpeuh (Rahayu, 009: 30). 3. Asums ormal dguaka utuk megetahu apakah resdual berdstrbus ormal. Jka asums keormala tdak terpeuh, estmas OLS tdak dapat dguaka. Beberapa pegua yag dapat dlakuka utuk asums dstrbus ormal adalah Aderso Darlg, Kolmogorov-Smrov, Jarque-Bera test, da Skees-Kurtoss. Hpotess utuk u Kolmogorov-Smrov adalah sebaga berkut: H 0 : resdual berdstrbus ormal H : resdual tdak berdstrbus ormal

5 Statstk u: D maks F ( x) S ( ) (.5) 0 N x Dmaa F 0 (x) adalah fugs dstrbus kumulatf teorts da S N (x) /, merupaka fugs peluag kumulatf pegamata dar suatu sampel radom dega adalah pegamata da adalah bayakya pegamata. Pegambla keputusa adalah tolak H 0 ka D > q (- α), dmaa q adalah la berdasarka tabel Kolmogorov-Smrov, artya resdual tdak berdstrbus ormal da asums ormal tdak terpeuh. Pegambla keputusa dapat dlhat dar la P- value, tolak H 0 ka P-value < α...4 U Multkoleartas Multkoleartas artya ada korelas yag kuat atara beberapa atau semua varabel predktor (Waya, 008: 5). U bertuua utuk megu apakah dalam model regres dtemuka adaya korelas atara varabel predktor. Cara medeteks adaya multkoleartas adalah dega melhat la tolerace da varace flato factor (VIF) dar hasl aalass dega R laguage. Apabla la VIF lebh kecl darpada 0 maka dapat dsmpulka tdak terad multkoleartas (Putr, 03: 38)...5 Model Spasal Berdasarka tpe data, pemodela spasal dapat dbedaka mead pemodela dega pedekata ttk da area. Jes pedekata ttk dataraya Geographcally Weghted Regresso (GWR), Geographcally Weghted Posso Regresso (GWPR), Geographcally Weghted Logstc Regresso (GWLR), Space-Tme Autoregressve (STAR), da Geeralzed Space TmeAutregressve (GSTAR). Meurut LeSage (0), Jes pedekata area dataraya Mxed

6 Regressve-Autoregressve atau Spatal Autoregressve Models (SAR), Spatal Error Models (SEM), Spatal Durb Model (SDM), Codtoal Autoregressve Models (CAR), Spatal Autoregressve Movg Average (SARMA), da pael data. Pemodela spasal sagat erat dega proses autoregressve, dtuukka dega adaya hubuga ketergatuga atar sekumpula pegamata atau lokas. Hubuga tersebut uga dapat dyataka dega la suatu lokas bergatug pada la lokas la yag berdekata atau bertetaggaa (eghborg). Msalya terdapat lokas yag bertetaggaa da, maka betuk modelya dyataka sebaga berkut (LeSage, 009: ) : y α + X β + ε y y α + X β + ε y ε ~ N (0, σ ) ε ~ N(0, σ ) (.6) Persamaa (.6) tersebut merupaka proses smultaeous data, dmaa la y bergatug pada y begtu uga sebalkya. Persamaa (.6) dapat dgeeralsaska mead pegamata atau lokas yag lebh besar. Msalya 3 maka mead (LeSage, 009: 8) : y α α + X β + ε, y +, k yk y α α + X β + ε k, y +, k yk y α α + X β + ε l k, y + k, y k k ε ~ N (0, σ ) ε ~ N(0, σ ) ε k ~ N(0, σ ) (.7)

7 3 Proses autoregressve dapat daalogka pada model umum spatal autoregressve sepert pada persamaa berkut : (.8) dega : ; ε ~ N(0, σ I) (.9) dmaa: y vektor varabel respo ( x ) X matrk varabel predktor ( x (k+)) u vektor error pada persamaa (.8) berukura x ε vektor error pada persamaa (.9) berukura x Model u mempuya error yag berdstrbus ormal dega mea ol da varas σ² I. Parameter yag d estmas adalah β, ρ da λ. ρ adalah parameter koefse spasal lag varabel depede da λ adalah parameter koefse spasal lag pada error. adalah bayakya amata atau lokas (,, 3,, ) da k adalah bayakya varabel predktor (k,, 3,, l). Pegaruh spasal atar lokas dalam model dbetuk dalam matrk pembobot W, W yag berukura x. Dalam betuk matrk sebaga berkut : y [ y y y ] T... ; u [ u u u ] T L ; ε [ ε ε ε ] T L

8 4 x x L xk x x L xk X ; M M M x k M x x L x l β 0 β β β M β k M β l W atau W M 3 M 3 M 3 3 L L L M 0 I M 0 0 M M 0 L L O L 0 0 M (.0)..6 Spatal Autoregressve Model (SAR) Meurut Asel (988), Model Spatal Autoregresve adalah model yag megkombaska model regres sederhaa dega lag spasal pada varabel depede dega megguaka data cross secto. Model spasal autoregressve terbetuk apabla W 0 da λ 0, sehgga model megasumska baha proses autoregressve haya pada varabel respo (Lee da Yu, 00). Model umum SAR dtuuka oleh persamaa sebaga berkut : (.) ε ~ N (0, σ I) Model adalah pegembaga dar model autoregressve order pertama, dmaa varabel respo sela dpegaruh oleh lag varabel respo tu sedr uga dpegaruh oleh varabel predktor. Proses autoregressve uga memlk kesamaa dega aalss deret aktu sepert pada model spasal autoregressve order pertama.

9 5 Perkembaga dar model SAR tu sedr adalah model SAC da SARMA (LeSage, 009: 3). Model dapat d aplkaska dalam bdag peddka. Salah satu peelta yag megguaka spasal SAR adalah Model Regres Spasal Utuk Aak Tdak Bersekolah Usa Kurag 5 Tahu D Kota Meda (Rat, Nababa, da Sutarma, 03). Peelta dlakuka utuk meetuka model aak tdak bersekolah usa 5 tahu d Kota Meda megguaka regres spasal, megaalss faktor-faktor yag mempegaruhya serta megka efektftas metode regres spasal. Kelebha dar model Spatal Aoutoregresve adalah model tepat dguaka utuk pola spasal dega pedekata area. Meurut Asel (988), Utuk megetahu model SAR kosste, maka dkembagka model estmas parameter dega maxmum lkelhood. Model maxmum lkelhood dapat dguaka pada spasal SAR, SEM, SDM, SAC. Rumus umum dar maxmum lkelhood adalah sebaga berkut (A yu, 0: 3-4) : (.) Nla aal utuk β tergatug pada parameter autoregressve ρ. Maka hasl estmas utuk la β adalah sebaga berkut: (.3)

10 6 Sedagka fugs logartma atural utuk megestmas adalah: (.4) Selautya estmas parameter ddapatka dega optmalsas sebaga berkut : (.5) dega : da..7 Spatal Error Model (SEM) Spatal Error Model merupaka model spasal error dmaa pada error terdapat korelas spasal, model dkembagka oleh Asel (988). Model spasal error terbetuk apabla W 0 da ρ 0, sehgga model megasumska baha proses autoregressve haya pada error model. Model umum SEM dtuuka dega persamaa : (.6)

11 7 ε ~ N (0, σ I) Dmaa λw₂u meuukka spasal struktur λw₂ pada spatally depedet error (ε). Model dapat dkembagka ke dalam model la, cotoh model hasl dar pegembaga spatal error model adalah spatal durb error model (SDEM). Pegembaga dar model SEM dapat d aplkaska dalam bdag ekoom. Salah satu peelta dalam bdag ekoom utuk model SEM adalah Model Regres Spasal utuk Deteks Faktor-faktor Kemska d Provs Jaa Tmur (Arsat, 0). Peelta dlakuka utuk meetuka faktor-faktor yag mempegaruh kemska dega model regres spasal. Kelebha dar model SEM adalah memberka model yag lebh bak utuk pegamata yag salg berhubuga. Utuk estmas parameter maxmum lkelhood model SEM mempuya rumus sebaga berkut: (.7) Utuk meduga parameter λ dperluka suatu teras umerk utuk medapatka pedugaaya yag memaksmalka fugs log lkelhood (Arsat, 0: 4)..8 U Lagrage Multpler (LM) U Lagrage Multpler (LM) dguaka sebaga dasar utuk memlh model regres spasal yag sesua (LeSage, 009: 56). Tahapa pertama dalam u adalah melakuka pembuata model regres sederhaa melalu Ordary Least Square (OLS). Kemuda dlakuka detfkas keberadaa model spasal dega megguaka u LM. Apabla LM error sgfka maka model yag sesua adalah

12 8 SEM, da apabla LM lag sgfka maka model yag sesua adalah SAR. Apabla keduaya sgfka maka model yag sesua adalah Spatal Autoregressve Movg Average (SARMA). U Robust Lagrage Multpler uga dlakuka ketka keduaya sgfka. U terdr dar Robust LM error da Robust LM lag. U Lagrage Multpler terdr dar LM lag dalm error. LM lag dguaka utuk detfkasa model SAR, sela tu dapat uga utuk model SDM. Hpotess yag dguaka pada LM lag adalah : H 0 : ρ 0 (tdak ada depedes spasal lag) H : ρ 0 (ada depedes spasal lag) Statstk u : LM lag T ( W Xβ ) M ( W Xβ ) + Ts ) e T s W y s (.8) dmaa : M I X(X T tr T X) X T T ( W + W ) ) W s e T e Pegambla keputusa, adalah Ho dtolak ka LM lag > χ atau P value < (α,) α. Matrk W adalah matrk pembobot pada persamaa (.8). β adalah estmas parameter dar model regres OLS. Sedagka u Lagrage Multpler Error (LM error ) dguaka utuk detfkasa model SEM.

13 9 Hpotess yag dguaka pada LM error adalah : H 0 :λ 0 (tdak ada depedes spasal error) H :λ 0 (ada depedes spasal error) LM error T e We σ T (.9) dmaa : T tr T ( W + W ) ) W Pegambla keputusa, adalah Ho dtolak ka LM error > χ atau P value < (α,) α. Matrk W adalah matrk pembobot pada persamaa (.9).. Pola Spasal Meurut Lee da Wog (0), Pola spasal adalah sesuatu yag berhubuga dega peempata atau susua beda-beda d permukaa bum. Setap perubaha pola spasal aka meglustraska proses spasal yag dtuukka oleh faktor lgkuga atau budaya. Meurut McGargal da Marks dalam Harrs et.al (0), pola spasal adalah sebuah parametersas kuattatf dar komposs da kofrguras obyek spasal. Pola spasal meelaska tetag bagamaa feomea geografs terdstrbus da bagamaa perbadga dega feomea-feomea laya. Dalam hal, spasal statstk merupaka alat yag bayak dguaka utuk medeskrpska da megaalss pola spasal, yatu bagamaa obek-obek geografs terad da berubah

14 0 d suatu lokas. Sela tu uga dapat membadgka pola obek-obek yag dtemuka d lokas la. Pola spasal dapat dtuukka dega autokorelas spasal. Autokorelas spasal adalah pelaa korelas atar pegamata pada suatu varabel. Jka pegamata X, X,, X meuukka salg ketergatuga terhadap ruag, maka data tersebut dkataka terautokorelas secara spasal. Sehgga autokorelas spasal dguaka utuk megaalss pola spasal dar peyebara ttk-ttk dega membedaka lokas da atrbutya atau varabel tertetu. Beberapa pegua dalam spasal autokorelas spasal adalah Mora s I, Raso Geary s, da Local Idcator of Spatal Autocorrelato (LISA)... Mora s I Mora's I merupaka pegembaga dar korelas pearso pada data uvarate seres. Korelas pearso ( ) atara varabel predktor da varabel respo dega bayak data dapat drumuska sebaga berkut: ( x x)( y y) ( ) ( ) x x y y,, ρ (.0), x da y pada persamaa korelas pearso tersebut merupaka rata-rata sampel dar varabel predktor da respo. Nla dguaka utuk megukur apakah varabel predktor da respo salg berkorelas. Meurut Lee da Wog (0), Koefse Mora s I dguaka utuk u depedes spasal atau autokorelas atar amata atau lokas. Hpotess yag dguaka adalah:

15 H 0 :I 0 (tdak ada autokorelas atar lokas) H :I 0 (ada autokorelas atar lokas) Statstk u yag dguaka adalah sebaga berkut: I I Z - o ~ (0,) var(i) N htug (.) dmaa : I ( x x)( x ( x x) x) E ( I ) Io S S + 3S var( I) ( ) S o o S ( + ) S ( o + o ) S o o

16 o keteraga : x data varabel lokas ke- (,,..., ) x data varabel lokas ke- (,,..., ) x rata-rata data var (I) varas Mora s I E(I) expected value Mora s I Pegambla keputusa tolak Ho ka Z htug > Z α /. Nla dar deks I adalah atara - da. Apabla I > I o maka data memlk autokorelas postf, ka I < I o maka data memlk autokorelas egatf... Local Idcator of Spatal Autocorrelato (LISA) Local Idcator of Spatal Autocorrelato (LISA) dapat dguaka utuk pegdetfkasa koefse autocorrelato secara lokal (local autocorrelato) atau korelas spasal pada setap daerah. Meurut Lee da Wog (0), Semak tgg la lokal maka aka memberka formas baha layah yag berdekata memlk la yag hampr sama atau membetuk suatu peyebara yag megelompok. Utuk rumus dega pegua LISA sebaga berkut: I z z (.) dmaa : z ( x x) σ x z ( x x) σ x

17 σ x adalah la stadar devas dar varabel predktor. 3

18 4 Pegua terhadap parameter dapat dlakuka sebaga berkut : H 0 : I 0 (tdak ada autokorelas atar lokas) H : I 0 (ada autokorelas atar lokas) Statstk u : Z htug I - I o var(i ) (.3) Varas dar dapat drumuska sebaga berkut : var( I ) (). m 4 m ( kh) ( m / m ) 4, ( )( ) ( ) ().,. ( kh k h E( I ) ) k h. (.4) Ho dtolak ka la Z htug terletak pada pada atau P value < α. Postf autokorelas spasal megdkaska baha atar lokas pegamata memlk keerata hubuga...3 Pembobot Spasal Pembobot spasal pada dasarya merupaka hubuga yag meggambarka atar layah. Dmaa pembobot dalam betuk matrk adalah sebaga berkut :

19 5 W atau W M 3 M 3 M 3 3 L L L M (.5) Pada kasus matrk pembobot spasal yag dapat dguaka adalah matrk pembobot spasal Quee. Matrk pembobot spasal Quee medefska utuk layah yag bersebelaha atau ttk sudutya bertemu dega layah yag mead pusat perhata, sedagka 0 utuk layah laya. Meurut Lee da Wog (0), Matrk pembobot spasal merupaka matrk yag bersfat smetrs da mempuya dagoal utama yag selalu berla ol. Pembera kode pembobot adalah dega kode ber. Rumus pembobot dalam kode ber sebaga berkut (Thab, 008: 3) :, 0 utuk utuk da laya yag berdekata Lee da Wog (0) meyebutka pembera kode pembobot sela dega kode ber uga dapat dbuat dalam betuk Ro Stadardzato. Ro Stadardzato ddasarka pada umlah tetagga pada satu bars yag sama pada matrk pembobot. Rumus dar Ro Stadardzato sebaga berkut: * (.6).3 Keada Dare Dare merupaka peyakt yag terad ketka terdapat perubaha kosstes feses dega frekues buag ar besar tga kal atau lebh (Das Kesehata

20 6 Kabupate Bekas, 00: 39). Meurut Nugrahe (0), dare merupaka peyakt meular yag mead masalah kesehata masyarakat, da apabla peagaaya terlambat dlakuka maka aka meyebabka kemata. Dare akut aka meyebabka dehdras. Dehdras merupaka geala yag terad akbat pegeluara cara ta yag berulag-ulag yag dapat meyebabka kehlaga ar da elektrolt secara cepat (Permatasar, 0: 9). Dare dega geala buag ar besar yag ecer kadag dserta dega geala laya, sepert mutah, bada lesu atau lemah, paas, tdak afsu maka, ledr dalam kotora, da rasa mual yag dapat dsebabka oleh feks vrus (Esat, 00: )..3. Peyebab Dare Peyebab dare dapat dketahu dega past peyebabya. Dmaa peyebab dare dapat dbag mead dua yatu (Slva, Kumalade, Kuraa, da Rahmaasa, 008: 7):. Peyebab Tdak Lagsug Peyebab tdak lagsug atau faktor-faktor yag mempermudah atau mempercepat teradya dare sepert: keadaa gz, satas, sosal budaya, kepadata peduduk, sosal ekoom.. Peyebab Lagsug Yag termasuk dalam peyebab lagsug aatara la feks bakter vrus da parast, malabsorb, alerg, keracua baha kma maupu keracua oleh racu yag dperoduks oleh asad rek, ka, buah da sayur-sayura..3. Faktor yag Mempegaruh Keada Dare Faktor-faktor yag mempegaruh keada dare bsa dsebabka oleh beberapa faktor-faktor, faktor-faktor tersebut adalah :

21 7. Faktor Kesehata Masalah kesehata merupaka salah satu faktor yag berpera petg dalam meuudka sumber daya mausa yag berkualtas. Melalu pembagua d bdag kesehata dharapka aka semak megkatka tgkat kesehata masyarakat da pelayaa kesehata dapat drasaka oleh semua lapsa masyarakat secara memada. Fasltas kesehata pu sagat dbutuhka masyarakat utuk memerksaka kesehata atau megobat peyaktya. Saraa kesehata yag dapat dagkau adalah puskesmas. Berhaslya pembagua kesehata dtada dega lgkuga yag kodusf, perlaku masyarakat yag proaktf utuk memelhara da megkatka kesehata serta mecegah teradya peyakt, pelayaa kesehata yag berhasl da berdaya gua tersebar merata d seluruh layah Idoesa.. Faktor Peddka Peddka merupaka salah satu kebutuha dasar yag harus dpeuh utuk mecapa masyarakat yag seahtera. Tgkat peddka turut meetuka mudah tdakya seorag meyerap da memaham pegetahua yag mereka peroleh. Tgkat peddka tu sedr sagat dperluka d lgkuga keluarga, seseorag aka lebh taggap dega adaya masalah kesehata terutama keada dare ddalam keluargaya da bsa megambl tdaka secepatya. Tgkat redahya peddka erat kataya dega tgkat kuragya pegerta tetag cara pecegaha keada dare. Peddka yag redah merupaka hambata dalam pembagua kesehata. 3. Faktor Pertumbuha Ekoom Pertumbuha ekoom adalah usaha keaka kapastas dalam agka paag dar egara yag bersagkuta utuk meyedaka berbaga barag ekoom kepada pedudukya (Almulabar, 0: ). Keaka kapastas tu sedr dtetuka oleh

22 8 adaya kemaua atau peyesuaa tekolog, sttusoal (kelembagaa), da deolog terhadap berbaga tututa keadaa yag ada. Utuk megear keterbelakaga ekoom adalah dega megkatka lau pertumbuha ekoom setgg-tggya sehgga dapat melampau tgkat pertumbuha peduduk. Dega cara tersebut, agka pedapata per kapta aka megkat sehgga secara otomats terad pula pegkata kemakmura masyarakat da pada akhrya aka megurag umlah peduduk msk. 4. Faktor Perlaku Masyarakat d Lgkuga Salah satu varabel yag dapat mela kods kesehata masyarakat adalah lgkuga. Lgkuga uga dapat meetuka bak burukya status kesehata masyarakat (Das Kesehata Kabupate Bekas, 00: ). Perlaku sehat tumbuh dar kesadara masyarakat tu sedr. Pembaa dapat dmula dar lgkuga keluarga, sekolah, da masyarakat. Tokoh-tokoh masyarakat sebaga model harus daak turut serta dalam meyukseska program-program kesehata. Apabla megembagka kebasaa hdup bersh da sehat seak aal, hal tersebut berpegaruh postf terhadap kesehata tubuh. Tubuh seseorag memerluka tdur, olah raga, da ruttas yag sehat dalam umlah tertetu utuk mempertahaka keseahteraaya. Ruag lgkup kesehata lgkuga tersebut atara la mecakup saraa ar bersh yag dguaka, saraa da akses terhadap satas dasar yag melput kepemlka amba da kepemlka tempat pembuaga akhr d sektar perumaha. Utuk megetahu pegkata pegamaa kualtas da kuattas ar yag dguaka oleh masyarakat, maka perlu dketahu peyeda ar bersh d setap kecamata.

23 9 Pada masyarakat yag megalam keada dare rerata kods amba, sumber ar bersh, tempat pembuaga sampah sagat berbeda dega masyarakat yag tdak megalam keada dare. Kods amba, sumber ar bersh, tempat pembuaga sampah pada masyarakat yag megalam keada dare memlk rerata lebh redah dbadg dega masyarakat yag tdak dare. Lgkuga yag memlk kods satas buruk dapat mead sumber berkembagya peyakt. Hal elas membahayaka kesehata masyarakat. Puskesmas memlk program kesehata lgkuga dmaa berpera besar dalam megukur, megaas, da meaga kesehata lgkuga masyarakat. Namu sergkal umlah teaga kesehata d puskesmas sagat terbatas, padahal bayak peyakt yag berasal dar lgkuga sepert dare, demam berdarah, malara, TBC, cacar da sebagaya..4 Tekolog Iformas da Komukas Tekolog formas adalah tekolog dalam membuat, megubah, meympa, megkomukaska da meyebarka formas (Sutko, 0: ). Segala hal yag berkata dega peguaa alat batu utuk memproses da metrasfer data dar peragkat satu ke peragkat laya yag dsebut uga dega tekolog komukas (Adromeda, 0: 0). Tekolog formas da komukas tdak dapat dpsahka karea merupaka kegata yag berkata dega pemrosesa..4. Pegerta Komputer Komputer adalah seperagkat alat elektroka pegolaha data yag bekera secara terkoordr da tertegras sehga meghaslka keluara berupa fromas (Ngsh, 009: 8). Kompoe utama tekolog formas terdr dar:

24 30. Hardare atau peragkat keras, yatu peragkat yag dapat dlhat da dsetuh secara fsk sepert keyboard, scaer, motor, prter, da CPU (Cetral Processg Ut).. Softare atau peragkat luak, yatu suatu struks atau pertah program komputer yag lagsug doperaska terhadap peragkat keras. Peragkat luak melakuka pegolaha data sepert program Mcrosoft Word, Wdos, SPSS da sebagya. 3. Braare yatu seseorag yag megopraska da megedalka sstem komputer..4. Computer Modelg Computer modelg adalah pemodela utuk megetahu cara kera dar suatu kods megguaka komputer (Daesho, 0). Pada keyataaya model meuukka hubuga sgfka atara real systems dega obek, Oleh karea tu model terbag mead dua kelompok. Model yag pertama adalah model yag memugkka utuk megaalsa sebuah real system. Model yag kedua yatu model dar hasl pegembaga da peracaga. Model yag memugkka sebuah real system cotohya sepert melakuka spesfkas da klarfkas megea sstem yag ada. Aktvtas basaya ddukug oleh tekolog komputer. Computer modelg megguaka tekk pemodela da smulas. Tekk pemodela da smulas bergatug pada pegembaga sebaga berkut:. Dspl lmu pegetahua, tekk, da metode matematka. Perkembaga proses dar dspl tersebut dalam model yag dformulaska 3. Perkembaga tekkal baru da peralata komputer 4. Perkembaga dar bahasa pemrograma.

25 3.4.3 R Laguage R laguage berfugs utuk aalss data da grafk. R laguage bak dguaka utuk komputas statstk, karea dapat dalaka pada berbaga sstem operas. R laguage memlk ope-source yag berbass bahasa S da S plus yag dkembagka oleh AT&T Bell Laboratores oleh Rck Becker, Joh Chambers da Alla Wlks. Vers R dapat dalaka utuk Ux, Wdos, da berbaga macam Mactosh. Sela tu R uga dapat dalaka d arstektur komputer sepert Itel, PoerPC, Alpha sstem da uga sstem Sparc. Salah satu keutuga bla megguaka R laguage adalah dapat d akses grats, staksya pu mudah dpelaar da mempuya bayak sekal fugs-fugs statstk. Keterbatasa yag dmlk oleh R laguage adalah dalam peagaa dataset yag besar, karea semua perhtuga dlakuka dalam memor utama komputer (R Core Team, 03: )..4.4 Java Programmg Berbass komputer yag dmaksud dalam peelta adalah membuat aplkas program utuk pegaplkasa statstk dalam pemodela spasal. Aplkas program dbutuhka utuk mempermudah dalam proses perhtuga dega megguaka komputer. Aplkas tu sedr aka dbuat dega megguaka bahasa pemrograma ava. Java dkembagka pertama kal oleh Su Mcrosystem pada tahu 995 (Tasmaat, 008: 4). Bahasa pemrograma ava aalya dkususka utuk aplkas berbass teret, amu sekarag aplkas ava sudah dguaka tdak haya pada eb saa tetap dar bass Desktop hgga aplkas moble (Lag, 0 : 6). Pertama kal pegembaga ava dbuat sebaga salah satu bahasa yag bersfat tdak bergatug pada mes atau sstem operas tertetu. Kosep dar ava tersebut dapat

26 3 dalaka karea ava memlk sstem komplas yag berbeda dega bahasa pemrograma la sepert c++ atau vsual basc. Java hasl komplas berupa bytecode, dmaa hasl komplas memugkka suatu program dapat dekskus d lgkuga yag berbeda atau (mult platform). Sela tu ava sedr mempuya karakterstk yag telah dkembagka, dmaa karakterstk lah yag mead cr khas dar bahasa ava. Berkut adalah karakterstk dar bahasa ava (Wtar, da Purama, 0: 8-9):. Beoretas Obek, ava telah meerapka kosep pemrograma beoretas obek dalam mplemetasya.. Mult Platform. 3. Berbass Graphc User Iterface (GUI). 4. Ama, aplkas yag dbuat dega bahasa ava dapat dpastka keamaaya terutama utuk aplkas teret. 5. Dams, program ava dapat melakuka suatu tdaka yag dtetuka pada saat eksekus program da buka pada saat komplas. 6. Java meyedaka ftur multthread, yag dapat dguaka utuk mralaka pertah secara bersamaa. 7. Terdstrbus, ava dracag pada lgkuga yag terdstrbus sepert halya teret. 8. Java meyedaka ftur error-hadlg, yatu peagaa error pada program. Java merupaka bahasa pemrograma beroretas obek atau OOP, karea semua aspek yag ada d ava adalah obek. Hal sagat memudahka pemrogram utuk meracag, membuat, megembagka da megalokaska kesalaha secara

27 33 cepat, tepat, mudah da terorgasr. Eleme-eleme dar pemrograma ava tu dataraya (Adryato, 0: ):. Ecapsulato, mekasme pemrograma yag megkat data da program bersama-sama da megamakaya dar peyalahguaa da terfes dar luar.. Polymorphsm, megakses geeral class dalam prosesya. 3. Ihertace, proses dmaa peurua suatu obek terhadap obek la yag mead paret. Pegaplkasa ava utuk statstk cotohya dalam bdag ekoom da peddka. Beberapa cotoh aplkas ava terhadap statstk dalam bdag ekoom adalah Aalss Agka Buta Huruf D Jaa Tmur Megguaka Geographcally Weghted Regresso. Peelta membuat aplkas utuk megetahu karakterstk agka buta huruf d Jaa Tmur, megetahu dkator tekolog formas da komukas sgfka terhadap agka buta huruf dega Geographcally Weghted Regresso, da pemetaa agka buta huruf dega megguaka program (Adyoo, 0). Aplkas ava dalam bdag peddka adalah Aalss Faktor Yag Mempegaruh Prestas Murd Megguaka Metode Aalss Jalur. Peelta bertuua utuk megetahu pegaruh cta-cta, guru, kemampua belaar, lgkuga, da motvas murd dalam belaar dega membuat program (Russaa, 0)..4.5 NetBeas NetBeas adalah sebuah ope-source dega tegrated developmet evromet (IDE) yag aalya haya utuk pemrograma ava. Itegrated

28 34 developmet evromet pada NetBeas dapat medukug bahasa pemrograma la sepert C, C++, Ruby da PHP (Putra, Daryato, da Hafa, 0: )..4.6 Iteraks Mausa da Komputer Iteraks mausa da komputer adalah lmu yag mempelaar bagamaa mausa berteraks dega komputer da pegaruh dar teraks mausa da komputer (Shederma et.al., 00). Iteraks mausa da komputer berhubuga dega evaluas atarmuka pemaka (user terface). Atarmuka pemaka adalah sebaga sstem komputer yag memugkka mausa berteraks dega komputer. Pada peracaga sebuah atarmuka pemaka (user terface) terdapat aturaatura yag dkeal dega sebuta Eght Golde Rules of Iterface Desg, yatu:. Upayaka utuk kosste Berusaha kosste pada racaga, termolog, pegguaa pertah, pegguaa huruf, tata letak, ara da sebagaya agar peggua memaham tampla.. Megeal kebutuha yag beragam dar peggua Memfasltas peggua sepert meambahka ftur utuk pemula, utuk peggua ahl dbutuhka lagkah-lagkah khusus yag dapat mempercepat teraks sepert shortcut, serta ftur khusus utuk peggua yag cacat. 3. Meaarka umpa balk yag formatf Dbutuhkaya umpa balk dar setap peggua komputer. Utuk tdaka yag serg dlakuka da tdak terlalu petg, dapat dberka umpa balk yag sederhaa. Namu ka ada pergata yag petg, maka umpa balk mead lebh subtasal.

29 35 4. Desa dalog utuk peutupa Desg peutup dalog dbuat sebaga pergata baha lagkah-lagkah yag dlakuka sudah bear da dpersapka lagkah selautya. 5. Pecegaha kesalaha yag sederhaa Peggua dcegah melakuka kesalaha da ka peggua melakuka kesalaha, mereka dberka formas struks utuk kembal ke kods aal. 6. Pembalka aks yag mudah Dperlukaya peguraga kecemasa dar peggua karea kesalaha yag dbuatya, dega cara dapat kembal ke kods sebelumya sehgga peggua dapat megeksploras secara leluasa. 7. Medukug kotrol teral lokus Peggua dapat megotrol sstemya sehgga dapat merespos tdakaya sedr. Sehgga peggua tdak merasa drya yag dkedalka oleh sstem. 8. Megurag beba agka pedek Utuk megurag pegguaa gata agka pedek maka dperluka tampla yag sederhaa, meggabugka beberapa tampla da memberka aktu peggua utuk mempelaarya.

BAB 2. Tinjauan Teoritis

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 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 terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN 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 terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 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 terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di 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 terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

Bab II Teori Pendukung

Bab 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 terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN 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 terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS 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 terperinci

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 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 terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB 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 terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD) PENDAHULUAN Latar Belakag Kods suatu daerah secara umum berkata dega kods d daerah la, terutama daerah yag berdekata. Pola sepert dkeal dega hubuga spasal. Besara autokorelas spasal dapat dguaka utuk megdetfkas

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 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 terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB 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 terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) 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 terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 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 terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM 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 terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. 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 terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

BAB 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. 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 terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 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 terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* 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 terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-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 terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. 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 terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB 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 terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB 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 terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN 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 terperinci

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB 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 terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS 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 terperinci

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN 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 terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji 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 terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN 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 terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah 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

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS 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 terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & 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 terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA 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 terperinci

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK J u r a l E K B I S / V o l. X III/ N o. 1 / e d s M a r e t 0 1 5 69 SPATIAL PATTERN ANALYSIS DAN SPATIAL AUTOCORRELATION PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI UNTUK MENGGAMBARKAN PEREKONOMIAN

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. Gambar 3.2. Ilustrasi Tabel Input-Output (3 Sektor) Alokasi Permintaan Output Antara Permintaan F 1

BAB 3 METODOLOGI PENELITIAN. Gambar 3.2. Ilustrasi Tabel Input-Output (3 Sektor) Alokasi Permintaan Output Antara Permintaan F 1 BAB 3 METODOLOGI PENELITIAN 3.. Tabel Iput-Output 3... Keragka Umum Tabel Iput-Output Sebaga lustras tabel I-O, msalka haya ada tga sektor dalam suatu perekooma yatu sektor produks, 2 da 3. Tabel trasaks

Lebih terperinci

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: 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 terperinci

MODUL ANALISIS REGRESI DAN KORELASI

MODUL ANALISIS REGRESI DAN KORELASI ANALISIS REGRESI DAN KORELASI MODUL 13 ANALISIS REGRESI DAN KORELASI Dalam kehdupa sehar-har, sergkal djumpa hubuga atara suatu varabel dega satu atau lebh varabel la. D dalam bdag pertaa sebaga cotoh,

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pegerta da Keguaa Peramala Peramala adalah kegata utuk memperkraka apa yag aka terjad d masa yag aka datag. Serg terjad sejag waktu (lme lag) atara kesadara aka perstwa atau kebutuha

Lebih terperinci

PENAKSIR 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 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 terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA)

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA) Jural EKSPONENSIAL Volume 8, Nomor, Me 7 ISSN 85-789 Aalss Autokorelas Spasalttk Paas D Kalmata Tmur Megguaka Ideks Mora da Local Idcator Of Spatal Autocorrelato (LISA) Aalyss Spatal Autocorrelato Hotspot

Lebih terperinci

IV. METODOLOGI PENELITIAN. wilayah (local spesific) yang berbeda satu dengan lainnya (heterogen). Penetapan

IV. METODOLOGI PENELITIAN. wilayah (local spesific) yang berbeda satu dengan lainnya (heterogen). Penetapan IV. METODOLOGI PENELITIAN 4.1. Lokas da Waktu Peelta Peelta dlakuka d Provs Maluku karea lokas peelta meggambarka tetag wlayah kepulaua dega kapastas atau potes lokal wlayah (local spesfc) yag berbeda

Lebih terperinci

BAB III METODE PENELITIAN A.

BAB III METODE PENELITIAN A. BAB III METODE PENELITIAN A. Tempat da Waktu Peelta 1. Tempat Peelta Peelta dlaksaaka d SMA Neger 5 Surakarta yag beralamat d Jala Lete Sutoyo No. 18, Nusuka, Baarsar, Jawa Tegah kode pos 57135. Pemlha

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III 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 terperinci

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR

I. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB 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

Studi ini dimaksudkan sebagai kajian pemanfaatan areal pesisir untuk perencanaan pembangunan perikanan budidaya berkelanjutan dengan suatu pendekatan

Studi ini dimaksudkan sebagai kajian pemanfaatan areal pesisir untuk perencanaan pembangunan perikanan budidaya berkelanjutan dengan suatu pendekatan III. METODOLOGI Stud dmaksudka sebaga kaa pemafaata areal pessr utuk perecaaa pembagua perkaa buddaya berkelauta dega suatu pedekata ecologcal footprt da pegembaga aalss ecologcal putoutput d wlayah pessr

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR Rokhaa Dw Bekt Mathematcs & Statstcs Departmet, School of Computer Scece, Bus Uversty Jl. K.H. Syahda No. 9, Palmerah, Jakarta

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU 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 terperinci