Bootstrap Pada Regresi Linear dan Spline Truncated
|
|
- Sudomo Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Statstka, Vol. 8 No. 1, Me 2008 Bootstrap Pada Regres Lnear dan Splne runcated Harson Darmaw 1) dan Bambang Wdjanarko Otok 2) 1) enaga Pengajar d Jurusan Matematka UNRI, Pekanbaru e-mal: son_ms@yahoo.co.d 2) enaga Pengajar d Jurusan Statstka, IS, Surabaya e-mal: bambang_wo@statstka.ts.ac.d; otok_bw@yahoo.com Abstrak Pendekatan parametrk mengasumskan bentuk model sudah dtentukan. Apabla tdak ada nformas apapun tentang bentuk kurva, maka pendekatan yang dgunakan adalah pendekatan nonparametrk, salah satunya splne truncated. Karena pendekatan tdak tergantung pada asums bentuk kurva tertentu, sehngga memberkan fleksbltas yang lebh besar. ujuan peneltan n adalah mengkaj bootstrap pada regres lnear dan regres splne (truncated splne) dengan kajan smulas. Hasl peneltan menunjukkan bahwa Fungs optmal terjad pada varans yang kecl untuk sembarang pengamatan. Nla MSE pada kurva truncated splne lebh kecl dbandng dengan regres lnear pada semua fungs. Hal n dapat dartkan bahwa kurva truncated splne lebh bak dbandng dengan regres lnear. Hal n dapat dlhat dar smulas estmator g( t) sn( 5t) dan g( t) 5e, truncated splne memberkan berbaga nla ttk knot, sehngga nla MSE kecl dbandng regres lnear. Secara keseluruhan dengan krtera MSE, Splne runcated sesudah d bootstrap lebh bak dbandng dengan pendekatan regres dan splne truncated. Kata Kunc: Regres Lnear, Splne runcated, Bootstrap, MSE 1. Pendahuluan Analss regres memperlhatkan hubungan dan pengaruh varabel predktor terhadap varabel respon. Msalnya y adalah varabel respon dan t adalah varabel predktor, untuk n buah pengamatan, secara umum hubungan antara y dan x dapat dtuls sebaga berkut : y f () x, 1,2,, n dengan adalah sesatan random dan f () x merupakan kurva regres. Jka kurva regres merupakan model parametrk maka dsebut sebaga regres parametrk dan apabla model yang dasumskan n benar, maka pendugaan parametrk sangat efsen, tetap jka tdak, menyebabkan nterpretas data yang menyesatkan (Hardle, 1990). Pendekatan parametrk mengasumskan bentuk model sudah dtentukan. Apabla tdak ada nformas apapun tentang bentuk f () x, maka pendekatan yang dgunakan adalah pendekatan nonparametrk. Karena pendekatan tdak tergantung pada asums bentuk kurva tertentu, sehngga memberkan fleksbeltas yang lebh besar. Dalam hal n dasumskan f () x termuat dalam ruang fungs (Eubank, 1988). Ada beberapa teknk estmas dalam regres nonparametrk antara lan pendekatan hstogram, estmator splne, estmator kernel, estmator deret orthogonal, analss wavelet dan lan-lan. Pendekatan estmator splne ada bermacam-macam antara lan splne orgnal, splne type M, splne relaxed, splne terbobot dan lan-lan. Pendekatan splne mempunya suatu bass fungs. Bass fungs yang basa dpaka antara lan splne truncated dan B-splne (Botella and Sharff, 2003). Wahba (1990) menunjukkan bahwa splne memlk sfat-sfat statstk yang berguna untuk menganalss hubungan dalam regres. Splne adalah salah satu jens pecewse polnomal, yatu polnomal yang memlk sfat tersegmen. Sfat tersegmen n memberkan 5t 47
2 48 Harson Darmaw dan Bambang Wdjanarko Otok fleksbltas lebh dar polnomal basa, sehngga memungknkan untuk menyesuakan dr secara lebh efektf terhadap karakterstk lokal suatu fungs atau data. Dalam proses nferens statstk, yang dgunakan untuk melhat seberapa akurat rngkasan suatu data dgunakan pendekatan bootstrap. Mooney (1997) melakukan perbandngan antara metode kuadrat terkecl dan metode bootstrap dengan hasl bahwa jka asums kenormalan terpenuh maka kedua metode akan memberkan hasl yang relatf sama, tetap jka asums kenormalan tdak terpenuh kedua hasl memberkan hasl yang berbeda. Sedangkan Stone (1990) menunjukkan bahwa metode bootstrap merupakan perkembangan yang relatf baru secara teorts, sehngga penerapannya dapat dmengert. Permasalahan dalam metode bootstrap terletak pada sampel, salah satu untuk melhat keterbatasan dan kelebhannya memperlakukan sampel sebaga populas dan menggunakan percobaan monte carlo untuk mengkonstrukskan estmator emprs dstrbus samplng statstk. Pada peneltan n dbahas mengena estmas regres lnear dan truncated splne dan melakukan smulas untuk membandngkan MSE regres lnear dan splne truncated sebelum dan sesudah d bootstrap. 2. Regres Lnear Perubahan nla suatu varabel tdak selalu terjad dengan sendrnya, namun perubahan nla varabel tu dapat pula dsebabkan oleh berubahnya varabel lan yang berhubungan dengan varabel tersebut. Untuk mengetahu pola perubahan nla suatu varabel yang dsebabkan oleh varabel lan dperlukan alat analss yang memungknkan untuk membuat predks nla varabel tersebut pada nla tertentu varabel yang mempengaruh. Prnsp dasar yang harus dpenuh dalam membangun suatu persamaan regres adalah bahwa antara varabel dependen dengan varabel ndependennya mempunya sfat hubungan sebab akbat, bak yang ddasarkan pada teor, hasl peneltan sebelumnya, ataupun yang ddasarkan pada penjelasan logs tertentu. Dalam persamaan regres jka hanya mengandung satu varabel ndependent dsebut Regres Lnear Sederhana dan jka dalam model regres tersebut mengandung lebh dar satu varabel ndependent dsebut Regres Lnear Berganda. ujuan dan manfaat dalam analss regres antara lan : mendapatkan pola hubungan secara matemats antara varabel X dan Y, mengetahu besarnya perubahan varabel X terhadap Y dan mempredks Y jka nla X dketahu. Regres Lnear Berganda merupakan perluasan dar regres lnear sederhana, yang bertujuan untuk mencar pola hubungan yang dapat dgambarkan secara matemats antara satu varabel respon dengan beberapa varabel predktor secara serentak. Jka terdapat n pengamatan untuk varabel (Y) dan varabel bebas (X ), 1, 2,, n maka pola hubungan secara umum dapat dtuls sebaga berkut : Y 0 1X 1... k X k (1) dengan : Y X = varabel respon = varabel predktor/fxed = parameter = unsur gangguan yang dasumskan dentk ndependen dan berdstrbus normal atau ~ IIDN(0, 2 ) 3. Splne runcated Splne merupakan potongan polnomal (pecewse polynomal), yatu polynomal yang memlk sfat tersegmen yang kontnu. Sfat n yang memberkan fleksbltas lebh darpada polnomal basa, sehngga memungknkan untuk menyesuakan dr secara efektf terhadap karakterstk lokal dar fungs atau data (Eubank,1998). Statstka, Vol. 8, No. 1, Me 2008
3 Bootstrap pada Regres Lnear dan Splne runcated 49 Splne adalah potongan polynomal order r, ttk bersama dar potongan-potongan 1,, tersebut basanya dsebut dengan knots. Splne orde r dengan knots pada k ddefnskan suatu fungs s dengan bentuk: r1 k lt 0 1 S ( t) ( t ) r1,,,,,,k Untuk suatu koefsen rl 0 1 r1 ( t ) r1 ( t ) 0 r1 1 dan jka ( t ) 0 jka ( t ) 0 Splne pada Persamaan (2) mempunya sfat sebaga berkut: () s merupakan potongan polynomal derajat r-1 pada setap subnter [, 1] () s mempunya turunan ke (r-2) yang kontnyu. () S mempunya turunan ke (r-1) yang merupakan fungs tangga dengan ttk-ttk lompatan pada 1,..., k. Apabla r S ( 1,, k ) menyatakan hmpunan semua fungs yang berbentuk (2), maka r S ( 1,, k ) adalah suatu ruang vektor. Apabla defnskan suatu splne alam berorde r = 2m dengan tttk-ttk knots pada ( t 1,..., tn ) adalah splne yang memenuh sfat ()-() juga memenuh sfat (v) berkut : (v) s adalah polnomal derajat m-1 dluar nterval [ t 1, tn ] maka s memenuh syarat batas ( j ) ( j ) alam (natural boundary condton), yatu s ( a) s ( b) 0, j m,..., 2m 1 (2) (3) 2m Selanjutnya ddefnskan t,..., t ) adalah hmpunan semua splne alam berorde-2m NS ( 1 n 2m t 1,..., t. adalah subruang dar ruang vektor t,..., t ) dengan ttk knots pada ( n ) S ( 1 n. Jka dalam persamaan (2) dambl nla m= 2, maka dperoleh sebuah splne yang dsebut dengan t,...,t splne kubk. Jka dberkan blangan real 1 n pada suatu nterval [a,b] yang memenuh a t... t 1 n b. Fungs f terdefns dalam nterval [a,b] dkatakan Splne kubk jka memenuh syarat berkut: 1. pada setap nterval ( a, t1 ),( t1, t2 ),...,( tn, b), f adalah polnomal kubk. 2. turunan pertama dan kedua dar f kontnyu pada setap [ a, b] t ttk knot. t dengan Splne kubk pada nterval [a,b] dkatakan Splne kubk alam jka turunan kedua dan ketganya pada ttk a dan b adalah nol (Green dan Slverman, 1994). 4. Bootstrap Bootstrap suatu metode yang memungknkan untuk mendapatkan model secara berulangulang dar hanya satu kumpulan data dalam ukuran sampel yang kecl. Sehngga ddapat estmas-estmas parameter model untuk setap pengulangan yang dlakukan (stabl) dengan standar error yang lebh rendah. Metode bootstrap pertama kal dpelajar oleh B. Efron (1979). Metode bootstrap merupakan suatu metode penaksran nonparametrk yang dapat menaksr parameterparameter dar suatu dstrbus, varans dar sampel medan, serta dapat menaksr tngkat kesalahan (error). Pada metode bootstrap dlakukan pengamblan sampel dengan pengembalan (resamplmg wth replacement) dar sampel data. Statstka, Vol. 8, No. 1, Me 2008
4 50 Harson Darmaw dan Bambang Wdjanarko Otok Gambar 1. Skema Proses Bootstrap Gambar 1., adalah skema proses bootstrap untuk menaksr standar error dar statstk s(x). Sebuah sampel asl (x) berukuran n yang terdr dar x1,x2,,xn. Kemudan sebanyak B sampel bootstrap berukuran n dambl ( resampel) dengan pengembalan dar sampel asl (x), sehngga ddapatkan hmpunan data bootstrap ( x 1*, x2 *,..., xb * ) yang terdr dar anggota data asl, beberapa mungkn tdak akan muncul sama sekal, atau muncul hanya satu atau dua kal, tergantung randomsas. anda ( ) menunjukkan x* bukan data aktual tetap hasl dar randomsas atau resampel dar x. tap sampel bootstrap merupakan sampel acak yang salng ndependent. Replkas bootstrap s( x 1 ), s( x 2 ),..., s( x B ) dperoleh dar menghtung nla statstk s(x) pada masng-masng sampel bootstrap. Sehngga standar error s(x) adalah devas 1 2 B * * standar dar s( x ), s( x ),..., s( x ) atau ˆ* ˆ ˆ 1, 2,..., B. Jumlah replkas bootstrap (B) yang dgunakan untuk mendapatkan taksran standar error yang cukup bak basanya pada selang 50 sampa 200 (Efron dan bshran, 1993). Gambar 2. Algortma bootstrap untuk perhtungan standar error Gambar 2 menunjukkan algortma bootstrap untuk perhtungan standar error dar ˆ. aksran bootstrap untuk standar error dar ˆ, sef(ˆ ), adalah taksran plug n yang menggunakan fungs dstrbus emprs Fˆ pada suatu dstrbus yang tdak dketahu. Sehngga taksran bootstrap sef(ˆ ) ddefnskan sebaga se ( ˆ ˆ ) F. Statstka, Vol. 8, No. 1, Me 2008
5 Bootstrap pada Regres Lnear dan Splne runcated Metodolog Peneltan Data dalam peneltan n dgunakan data smulas dengan bantuan program MINIAB dan SPLUS. Adapun langkah-langkah peneltan sebaga berkut: 1. Membangun model y g( t ), =1,2,...,n dengan n=50, 100, 250. Dmana dbang-ktkan dar dstrbus Normal dengan 0 dan σ=0,025, σ=0,5 dan σ = 1, t 5t dbangktkan dar dstrbus Unform(0,1), dengan fungs g ( t ) = 5e dan g( t ) sn(2t). 2. Membandngkan nla MSE model regres dan splne truncated sebelum dan sesudah d bootstrap. 6. Analss dan Pembahasan 6.1. Estmas Regres Lnear dan runcated Splne Pandang persamaan (1), dan taksran responnya adalah: Yˆ ˆ ˆ X... ˆ X (4) k k Masalah utama dalam analsa regres adalah menaksr parameter atau koefsen regres dan menyeldk tngkat sgnfkans dalam model secara serentak, kemudan menyeldk secara ndvdu. Metode kuadrat terkecl dgunakan dengan tujuan untuk memnmumkan varans sehngga ddapatkan penaksran yang tak bas. Dalam persamaan regres lnear berganda, khususnya bla varabel predktor lebh dar dua, akan lebh mudah apabla dengan menggunakan pendekatan matrks. Sedangkan metode yang serng dgunakan untuk menaksr parameter adalah OLS, yang prnspnya memnmumkan jumlah kuadrat resdual, atau secara matemats: n 2 ˆ ' mnmum (5) 1 aksran ˆ dapat dperoleh dengan menyelesakan turunan secara parsl terhadap b0, b1,...,bk dan menyamakan haslnya dengan nol. Dar persamaan d atas ddapatkan : = Y-X dengan prnsp metode kuadrat terkecl maka : ()() Y X Y X () Y Y Y X X Y X X () Y Y 2 X Y X X Dengan menurunkan terhadap secara parsl akan dperoleh hasl sebaga berkut : 2X Y 2X X ˆ ˆ dengan menyamakan hasl datas sama dengan nol maka dperoleh : 2X Y 2X Xˆ 0 ˆ X X X Y ˆ()() X X 1 X Y berdasarkan aturan penurunan matrk Splne least squares merupakan generalsas regres polnomal (Eubank,1988), dmana estmas kurva regres f dperoleh melalu fungs berkut: Statstka, Vol. 8, No. 1, Me 2008
6 52 Harson Darmaw dan Bambang Wdjanarko Otok m k j 1 m1 j j j j 1 j 1 (6) s()() t t t dalam persamaan (6) datas, s merupakan splne orde-m dengan knots 1,..., k. hmpunan m dar semua fungs n, S ( 1,..., k ) ) adalah suatu ruang vektor berdmens m+k yang terdr dar potongan polnomal orde-m yang memlk m-2 turunan yang kontnu dan dskontnu pada turunan ke-(m-1) d ttk j. Dengan memlh { 1,..., k }, maka f dapat destmaskan dengan mengestmas koefsen-koefsen dar persamaan (6) salah satu metode untuk menyelesakan hal tersebut adalah dengan menggunakan least-squares. Ddefnskan : dengan x1() t 1, x2() t, t m1 xm() t t, m1 xm1()() t t, 1 xmk ()() t t k m1 ~ β ( 1,, m, 1,, k ) estmator splne least-square dar f adalah dmana m k j x j j f 1β ~ β ( 1,...,, m k ) adalah suatu mnmzer dar MSE( ; ) n n mk 1 ( y 1 j1 terhadap ~ lebh jelasnya ddefnskan: X j x ( t )) j 2 ( ) { x j ( t )}, 1,..., n; j1,..., mk. (11) (7) (8) (9) (10) maka ~ adalah suatu penyelesaan untuk persamaan normal: ~ X ( ) X ( ) X ( ) y, (12) dmana y= (y 1,...,y n ) jka X() mempunya rank m +k, maka: ~ β [ X ( ) X ( )] 1 X ( ) ~ y dar (9) dan (13) terlhat bahwa dengan { 1,..., k } }, f adalah estmator lnear dar f. (13) 6.2. Perbandngan Metode Pada Data Smulas Setelah membangun model y g( t ), maka langkah pertama ddekat dengan kurva regres dan splne truncated. Nla MSE dengan berbaga varas pada fungs, pengamatan (n) secara lengkap tersaj pada abel 1 berkut. Statstka, Vol. 8, No. 1, Me 2008
7 Bootstrap pada Regres Lnear dan Splne runcated 53 abel 1. Nla MSE Pada Regres, Splne runcated dan Splne Bootstrap Fungs N 2 Regres Splne Splne Bootstrap MSE 0, , t 5e sn( 2t) , , , , , , , , , , Berdasarkan abel.1, ternyata nla MSE dengan banyaknya pengamatan yang semakn besar dan varans 2 5t konstan memberkan hasl yang semakn besar pada fungs g( t ) 5e. Sedang pada fungs g( t ) sn(2t), nla MSE dengan banyaknya pengamatan yang semakn besar dan varans 2 konstan memberkan hasl yang semakn kecl. Secara keseluruhan fungs optmal terjad pada varans 2 kecl dengan n sembarang. Sedangkan pada truncated Splne, nla MSE dengan banyaknya pengamatan yang semakn besar dan varans 2 konstan 5t memberkan hasl yang semakn kecl pada fungs g( t ) 5e. Sedang pada fungs g( t ) sn(2t), nla MSE dengan banyaknya pengamatan yang semakn besar pada varans 2 = 0,025 memberkan hasl yang semakn kecl, tetap pada varans 2 = 0,5 dan 1 nla MSE bervaras. Secara keseluruhan dengan krtera MSE, Splne runcated sessudah d bootstrap lebh bak dbandng dengan pendekatan regres dan splne truncated. 7. Kesmpulan 1 Berdasarkan hasl peneltan, maka estmator regres lnear adalah ˆ ()() X X X Y dan pada β X splne truncated adalah X()()() X y. Fungs optmal terjad pada varans yang kecl untuk sembarang pengamatan. Nla MSE pada kurva truncated splne lebh kecl dbandng dengan regres lnear pada semua fungs. Hal n dapat dartkan bahwa kurva truncated splne lebh bak dbandng dengan regres lnear. Hal n dapat dlhat dar smulas estmator 5t g( t) sn( 5t) dan g( t) 5e, splne truncated memberkan berbaga nla ttk knot, sehngga nla MSE kecl dbandng regres lnear. Secara keseluruhan dengan krtera MSE, splne truncated sesudah d bootstrap lebh bak dbandng dengan pendekatan regres dan splne truncated. Daftar Pustaka [1]. Botella, O., dan Sharff, K B-splne methods n Flud Dynamcs. Internatonal Journal of Computatonal Flud Dynamcs, 17(2): [2]. Efron, B Bootstrap Method: Another look of the jackknfe. he Annals of Statstcs, 7:1-24. [3]. Efron, B., dan bshran, R. J An Introducton to the Bootstrap. Chapman and Hall, Inc. [4]. Eubank, R. L Splne Smootng and Nonparametrc Regresson, Marcel Deker: New York. [5]. Green, P. J., dan Slverman, B. W Nonparametrc Regresson and Generalzed Lnear Models: A Roughness Penalty Approach. Chapman and Hall, London. [6]. Hardle, W Appled Nonparametrc Regresson, Cambrge Unversty Press: New York. Statstka, Vol. 8, No. 1, Me 2008
8 54 Harson Darmaw dan Bambang Wdjanarko Otok [7]. Mooney, C. Z., dan Robert, D. D Bootstrapng a nonparametrc approach to Statstcal nference. Sage Publcaton, Inc, London. [8]. Stone, C. J Large Sample Inference for Log-splne Models. he Annals of Statstcs, 18: Statstka, Vol. 8, No. 1, Me 2008
ε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih 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 terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciBAB II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciSpline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat
Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciPEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI VISUAL UK. PETRA SURABAYA
PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA (I Nyoman Budantara, et al.) PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciTaksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil
Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
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 terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI 2 Regres 2 Pengertan Komponen-Komponen Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan untuk meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB IV TRIP GENERATION
BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat
Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka
Lebih terperinciPENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan lapangan kuanttatf yang bersfat korelasonal. Peneltan lapangan merupakan suatu peneltan untuk memperoleh data-data yang sebenarnya
Lebih terperinciI. PENGANTAR STATISTIKA
1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciHubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya
Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinci