GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH

Ukuran: px
Mulai penontonan dengan halaman:

Download "GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH"

Transkripsi

1 Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA Uverstas Muhammadyah Semarag Alamat e-mal : devygoo@gmal.com ABSRAK Regres posso adalah metode statstka yag dguaka utuk megaalsa hubuga atara varabel predktor da varabel respo dmaa varabel respo berbetuk data cacaha atau couted data da berdstrbus posso. Data jumlah pederta kusta adalah salah satu cotoh data yag asumsya memeuh dstrbus posso karea merupaka perstwa yag jarag terjad. Dalam peelta peelt g memodelka jumlah pederta kusta d Provs Jawa egah dega megguaka pedekata Geographcally Weghted Posso Regresso atau GWPR. Peambaha pegaruh aspek spasal dharapka mampu meghaslka model terbak dega bas kecl da meghaslka model yag berbeda-beda dtap wlayah. Pada pemodela Pembobota fugs kerel yag dguaka utuk peaksra parameter yatu pembobota kerel klask kerel da bsquare kerel, dar kedua pembobota tu aka dplh yag terbak yatu yag memlk la AIC palg kecl. Pemodela jumlah pederta kusta megguaka GWPR dega pembobot kerel gaussa adalah model yag terbak datara model regres posso da GWPR dega pembobot kerel bsquare karea memlk la AIC terkecl. Dar hasl pemodela megguaka pembobot kerel gaussa dperoleh kelompok wlayah berdasarka varabel yag sgfka. Dar 5 kabupate da kota teryata persetase rumah tagga ber-phbs da rata-rata lama sekolah peduduk mejad faktor yag bayak berpegaruh utuk jumlah pederta kusta d Jawa egah. Kata Kuc : Regres Posso, GWPR, Pederta Kusta. PENDAHULUAN Kusta dsebut juga Morbus Hase adalah peyakt meular yag dsebabka bakter Mycobacterum leprae. Peyakt dapat meyebabka masalah yag kompleks, buka haya dar seg meds sepert cacat fsk tetap juga sampa masalah sosal, ekoom, budaya, keamaa da ketahaa asoal. Bla tdak dtaga dega cermat, kusta dapat meyebabka cacat da keadaa mejad peghalag bag pase kusta dalam mejala kehdupa bermasyarakat utuk memeuh kebutuha sosal ekoomya [4]. Meurut WHO dar 004 sampa 0 Idoesa meduduk pergkat ke-tga sebaga egara peyumbag pederta baru kusta terbesar d dua setelah Ida da Brasl. Peelta megea faktor-faktor da peyebab peyakt kusta telah bayak dlakuka d Idoesa tap sagat terbatas peelta yag mempertmbagka aspek geografs atar wlayah. Aalss data secara spasal dperluka agar dapat megetahu faktorfaktor apa saja yag berpegaruh terhadap jumlah pederta kusta d

2 Statstka, Vol., No., November 04 wlayah yag memlk karakterstk berbeda satu sama la. Dalam peelta aka dmodelka jumlah pederta kusta d Provs Jawa egah megguaka regres posso da GWPR dega pembobot fugs kerel gaussa da kerel bsquare dega begtu aka ddapatka varabel yag sgfka utuk pemodela d setap wlayah dega la peaksra parameter yag berbeda-beda utuk tap wlayah d Provs Jawa egah kemuda aka dplh model terbak utuk pemodela jumlah pederta kusta dega krtera la AIC. Regres Posso merupaka model regres oler dmaa varabel respo megkut dstrbus posso. Peluag dstrbus dyataka sebaga berkut : y e () f ( y, ) ; y y! 0,,,... Model regres posso dapat dyataka dalam betuk berkut. l( ) 0 x x... px p0 jx () j p j Peaksr parameter pada model regres posso dlakuka dega metode MLE (Maxmum Lkelhood Estmato). Mecar persamaa lkelhood dar fugs peluag dstrbus posso, Subttus μ terhadap y da mecar persamaa lkelhood dalam betuk l. exp ll( ) l exp exp( x ) exp y! y x x y x ly () (4) Persamaa d atas dturuka terhadap yag merupaka betuk vektor, karea dalam hal memlk beberapa parameter. l L( x β ) x exp y x (5) Persamaa d atas dsamadegaka ol lalu dselesaka dega teras Newto-Raphso. Iteras berhet jka taksra parameter koverge. GWPR merupaka model regres ler lokal yag meghaslka peaksr parameter model yag bersfat lokal utuk setap ttk atau lokas dmaa data tersebut dkumpulka []. Model GWPR adalah : exp 0 u, v j u, v x () j j Keteraga: μ = la observas varabel respo ke x j = la observas varabel predktor j mpada pegamata ke- u = koordat lattude pegamata ke- v = koordat logtude prgamata ke- β = koefse regres Peaksr parameter pada model GWPR megguaka MLE dega meambahka faktor pembobot letak geografs pada fugs l-lkelhoodya sehgga ddapatka persamaa sebaga berkut: * ll u, v expx u, v p u, v l y! w u, v j y x (7) Kemuda dferesaska persamaa terhadap u, v da haslya harus sama dega ol. y x x expx u, v wj u, v 0 () Kemuda dselesaka dega teras Newto-Raphso. Iteras berhet jka keadaa koverge.meurut [] salah satu metode yag bsa dguaka utuk meetuka badwdth optmum adalah metode Cross Valdato (CV) yag ddefska sebaga berkut: CV y y h h ˆ (9) Dmaa yˆ merupaka la peaksr utuk y dega radus h, tetap pegamata d ttk dkeluarka dar proses peaksra. Selajutya adalah

3 Statstka, Vol., No., November 04 mecar la pembobot fugs kerel dega rumus sebaga berkut.. Kerel gaussa w j exp d j h (0). Kerel bsquare d j w,utuk d j h j h () utuk d j h 0, Dmaa w j adalah la pembobot fugs kerel dar lokas pegamata j utuk megestmas koefse pada lokas da d j merupaka jarak euclde atara lokas dtuls (u,v ) ke lokas j dutuls (u j,v j ), h adalah la badwdth optmum. Jarak euclde dcar dega rumus berkut. d u u v v () j j j Peulara Kusta dapat dsebabka faktor orag, tempat, da waktu. Dagoss kusta dapat dtegakka dega adaya kods sebaga berkut: Kelaa pada kult (bercak) puth atau kemeraha dserta mat rasa. Peebala saraf tep yag dserta gaggua fugs saraf berupa mat rasa da kelemaha/kelumpuha otot. Adaya kuma taha asam d dalam keroka jarga kult (BA Postf). Klasfkas kusta meurut [5] dsederhaaka mejad dua yatu Paus Basler (PB) atau kusta kerg da Mult Basler (MB) atau kusta basah. PB adalah tpe kusta yag tdak meular dega tada-tadaya atara la bercak sepert pau da bla dsetuh mash terasa. Sedagka MB adalah tpe kusta yag mudah meular dtada dega adaya bercak puth atau kemeraha yag meyebar merata d seluruh bada yag tdak terasa apabla dsetuh dserta rusakya orga tubuh sepert putusya jar-jar taga. Orag yag dalam keseharaya melakuka kotak da tggal serumah dega pederta kusta jes MB mempuya resko tertular lebh tgg dar pada dega pederta kusta jes PB. MEODE PENELIIAN Sumber Data da Varabel Peelta Data yag dguaka adalah data dar buku Profl Kesehata Provs Jawa egah tahu 0, data Survey Sosal Ekoom Nasoal (SUSENAS) tahu 0, da data Bada Pusat Statstk (BPS) Provs Jawa egah (jateg.bps.go.d) dega satua observas per kabupate/kota d Jawa egah. Varabel yag dguaka adalah sebaga berkut abel. Varabel Peelta Nama varabel Y : X : X : X : X 4 : X 5 : X : X 7 : X : X 9 : X 0 : Jumlah Pederta Kusta Persetase rumah tagga ber-perlaku hdup bersh sehat (PHBS) Persetase rumah sehat Bayakya dokter Bayakya puskesmas Persetase peduduk lak-lak Kepadata peduduk Jumlah peyuluha kesehata kelompok Pegeluara rl per kapta Persetase peduduk msk Rata-rata lama sekolah peduduk Metode Aalss ahap-tahap peelta adalah sebaga berkut:. Meetuka varabel-varabel predktor

4 Statstka, Vol., No., November 04. Medeskrpska kabupate/kota d Jawa egah berdasarka varabel peelta.. Megatas kasus multkoleartas, dguaka la VIF sebaga pedeteks multkoleartas. 4. Megaalss model regres posso: a. Mecar la estmas parameter model regres posso. b. Meguj sgfkas parameter model regres posso. c. Mecar la AIC model regres posso. 5. Meguj efek heterogetas spasal dega uj Breusch-Paga.. Megaalss model GWPR: a. Meetuka lattude da logtude b. Meghtug jarak eucldea. c. Meetuka la badwdth optmum dega metode Cross Valdato (CV). d. Meghtug matrks pembobot fugs kerel gaussa da fugs kerel bsquare. e. Mecar la estmas parameter model GWPR. f. Meguj kesamaa atara model regres posso dega model. g. Meguj sgfkas parameter model GWPR secara parsal. h. Mecar la AIC model GWPR 7. Pemlha model terbak. HASIL PENELIIAN Deskrps Jumlah Pederta Kusta Jumlah pederta kusta d Jawa egah tahu 0 adalah 5 jwa yag tersebar dseluruh kabupate/kota. Agka tertgg terdapat d Kabupate egal (70 jwa) sedagka agka teredah (0 jwa) terdapat d Kabupate Semarag, Kota Magelag, da Salatga. Dlhat dar gambar wlayah yag masuk ke dalam jumlah pederta kusta kategor tgg bayak terdapat d baga utara yatu Brebes, Pemalag, Pekaloga, da egal artya d kabupate tersebut terdapat pederta kusta atara -70 jwa. (jwa) kategor : 0 - (redah) 9 - (sedag) - 70 (tgg) JEPARA KUDUS KOA EGAL DEMAK KOA PEKALONGAN PEKALONGAN KENDAL BREBES PEMALANG KOA SEMARANG BAANG EGAL GROBOGAN EMANGGUNG PURBALINGGA SEMARANG BANJARNEGARA KOA SALAIGA BANYUMAS WONOSOBO SRAGEN CILACAP KOA MAGELANG BOYOLALI MAGELANG KOA SURAKARA KARANGANYAR KEBUMEN SUKOHARJO KLAEN PURWOREJO WONOGIRI Gambar. Persebara Jumlah Pederta Kusta Persetase rumah tagga ber-phbs (X ) tertgg adalah Kota Pekaloga sebesar 9,9% da teredah adalah Kab. Bajaregara sebesar 4,%. Persetase rumah sehat (X ) tertgg terdapat d Kab. Semarag sebesar 9,05% sedagka persetase rumah sehat teredah berada d Bajaregara sebesar,%. Bayakya dokter (X ) yag termasuk kategor tgg adalah Kedal ( jwa) da Kota Semarag (0 jwa), sedagka teredah adalah Kota egal (0 jwa). Bayakya puskesmas (X 4 ) teredah d Kota Magelag (5 ut) yag tertgg d Bayumas (9 ut). Persetase peduduk lak-lak (X 5 ) teredah adalah Kabupate Pat 4,54% da persetase peduduk lak-lak tertgg adalah Kabupate Kedal 50,79%. Utuk varabel kepadata peduduk (X ) Surakarta adalah wlayah terpadat pedudukya karea Surakarta merupaka merupaka daerah tujua urbasas da kabupate/kota la berkategor sedag. Peyuluha kelompok (X 7 ) terbayak dlakuka d Kab. Kedal (.74 kal) da palg sedkt dlakuka d Kab. Blora ( kal). Pegeluara rl per kapta (X ) teredah adalah Kab. Woosobo sebesar,7 (rbu Rp) da tertgg adalah Kota Surakarta sebesar 5,9 (rbu Rp). Mayortas kabupate/kota d Jawa egah masuk d kategor redah utuk rata-rata lama sekolah (X 0 ) yatu sektar PAI REMBANG BLORA N 4

5 Statstka, Vol., No., November 04,07-7, tahu. Rata-rata lama sekolah tertgg adalah d Kota Surakarta 0,5 tahu da teredah adalah d Kabupate Brebes,07 tahu. Y Scatterplot of Y vs X; X; X; X4; X5; X; X7; X; X9; X X5 X X7 X X9 X0 X X X X4 4 Gambar. Scatterplot Jumlah Pederta Kusta da Faktor-faktor yag mempegaruhya Pegaruh yag postf dtujuka oleh persetase rumah tagga ber-phbs (X ), bayakya dokter (X ), bayakya puskesmas (X 4 ), da persetase peduduk msk (X 9 ). Varabel yag berpegaruh egatf atau varabel yag memlk gars turu dar kr atas ke kaa bawah utuk jumlah pederta kusta adalah persetase rumah sehat (X ), Kepadata peduduk (X ). Pegeluara rl per kapta (X ), da rata-rata lama sekolah (X 0 ). abel. Statstk Deskrptf Varabel Peelta varabel Mea Var m max Y 4,40, X 74,5,0 4, 9,9 X 9,5 79,4, 9,05 X 5,0 4,4 0 0 X 4 4,94,4 5 9 X 5 49,4 0,97 4,54 50,79 X 9, , X 7 055, 944,7 74 X 44, 49,9,7 5,9 X 9 4,4 0, 5,,5 X 0 7,5,9,07 0,49 Pemodela Jumlah Pederta Kusta Megguaka Regres Posso Hasl peguja Multkoleartas dapat dsmpulka tdak ada korelas atar varabel predktor karea semua varabel memlk la VIF kurag dar abel. VIF dar 0 Varabel predktor Varabel VIF Varabel VIF X,9 X,59 X,9 X 7, X,0 X,7 X 4,05 X 9,405 X 5,94 X 0 4, abel 4. Estmas Parameter Model Regres Posso Β Est Std.E Z ht P β 0,5,559 0,9 0,74 β 0,07 0,00,4 0,000 β -0,009 0,00 -,90 0,004 β 0,04 0,00,4 0,000 β 4-0,049 0,0054 -,479 0,000 β 5 0, 0,075,57 0,09 β 0,000 0,0000 0,90 0,000 β 7-0,0000 0, ,70 0,00 β -0,00 0,005-0,79 0,7 β 9 --0,0 0,00 -,77 0,79 β 0 -,5 0,04-9,75 0,000 Devas : 5,4; DB : 4; AIC : 0,4; α=5%. Uj Seretak Parameter Regres Posso Uj secara seretak haslya tolak H 0 karea la devas = 5,4 lebh besar dar,4, atau D > 4 ;0,05, sehgga dapat dsmpulka palg sedkt ada satu 0 atau dega kata j la mmal ada salah satu parameter yag berpegaruh secara sgfka terhadap model regres posso.. Uj Parsal Parameter Regres Posso Parameter yag sgfka terhadap model regres posso jumlah pederta kusta adalah,,,,,, 4 7 da 0 karea Z htug > Z α/. Jad model regres posso utuk jumlah pederta kusta adalah sebaga berkut. ˆ exp(,5 0,07 0,009 0,04 0,049 0,000 0,0000,5 4 Utuk varabel rata-rata lama sekolah (X 0 ) jka ada pertambaha satu satua maka aka meuruka l jumlah pederta kusta sebesar,5. Hal juga berlaku utuk varabel persetase 7 0 ) 5

6 Statstka, Vol., No., November 04 rumah sehat, apabla bertambah satu perse maka aka meuruka jumlah pederta kusta sebayak exp(0,009). Utuk varabel kepadata peduduk (X ) jka ada pertambaha satu peduduk/km maka aka meambah jumlah pederta kusta sebesar exp(0,000). Megetahu ada tdakya keragama spasl pada model dlakuka peguja Breusch- Paga, haslya dperoleh la BP =,979, p-value = 0,04 pada taraf sgfkas 5%. Kesmpulaya adalah terdapat keragama spasal atar wlayah. Pemodela Jumlah Pederta Kusta Megguaka GWPR Badwdth optmum utuk pembobot kerel gaussa adalah,45 dega AICc mmum 9, sedagaka utuk pembobot bsquare ddapatka badwdth yag berbeda-beda dtap kabupate /kota. Matrks dagoal utuk Kabupate Clacap yag terbetuk dar badwdth,45 (gaussa) da, (bsquare) adalah sebaga berkut.,00 0, 0,9 0,49 0,495 0,0 0, 0,097 0,00 0,00 0,007 0,00 0,00 0,00 u, v dag 0,00 0,000 0,000 0,000 0,00 0,00 0,00 0,00 0,09 0,9 0,4 0,7 0,4 0,0 0,4 0,09 0,00 0,0 0,00 0,7 0, W,00 0,9 0, 0,77 0,7 0,57 0,5 0,9 0,5 0,5 0,040 0,00 0,00 0,000 u, v dag 0,000 0,000 0,000 0,000 0,000 0,000 0,07 0,000 0,7 0,570 0,49 0,5 0, 0,7 0,7 0, 0,04 0,70 0, 0,5 0,0 W Uj Kesamaa Model Regres Posso da GWPR abel 5. Uj Kesamaa Model Model Devas Db Devas/ F htug Db R.Posso 5, 4,00 5,75 GWPR (Gaussa), 0,9 5,7,45 GWPR (Bsquare),40 9,797,94. Dketahu F htug utuk model regres posso da GWPR dega pembobot kerel gaussa yatu,4<f (0,05;4;0) yatu,7 maka F htug < F tabel dsmpulka gagal tolak H 0 artya tdak terdapat perbedaa atara model regres posso da model GWPR dega pembobot kerel gaussa. Sedagka utuk model regres posso da model GWPR dega pembobot kerel bsquare ddapatka la F htug, < F (0,05;4;9) yatu,0 sehgga gagal tolak H 0 artya tdak terdapat perbedaa atara model regres posso da GWPR dega pembobot kerel bsquare. Uj Parsal Parameter model GWPR Utuk megetahu faktor-faktor yag berpegaruh terhadap jumlah pederta kusta dsetap lokas dlakuka uj parsal da membadgka la t htug dega la t tabel =,0. olak H 0 jka t htug >,0 maka kesmpulaya parameter ke-j pada lokas- berpegaruh sgfka terhadap model. Kabupate/kota d Jawa egah dkelompoka mejad kelompok meurut kesamaa varabel yag sgfka jka dlakuka pemodela GWPR dega pembobot kerel gaussa. Pemodela utuk Kabupate Clacap adalah : exp 70, 0,057 X 0,0007 X 0,07 X,774 X Model d atas mejelaska bahwa jumlah pederta kusta aka bertambah sebesar exp(0,057) jka X bertambah % dega syarat varabel la kosta, hal yag sama juga berlaku utuk varabel X da X. Sebalkya jumlah pederta kusta aka berkurag exp(0,07) jka varabel X bertambah satu satua dega syarat varabel la kosta, hal sama berlaku utuk varabel X 0. Kelompok pertama yag memlk 0 varabel yag sgfka adalah Kabupate Semarag, Kabupate Pekaloga, da Kota Pekaloga. 0,07 X 0

7 Statstka, Vol., No., November 04 Varabel sgfka : X, X, X, X4, X5, X, X7, X, X9, X0 X, X, X, X4, X5, X, X, X0 X, X, X, X5, X, X0 X, X, X, X5, X, X7, X, X9, X0 X, X, X, X, X7, X9, X0 X, X, X, X0 X, X, X4, X5, X, X, X0 X, X, X4, X, X7, X, X0 X, X, X4, X, X7, X, X9, X0 X, X, X4, X X, X, X5, X, X7, X, X0 X, X, X5, X, X, X0 X, X, X, X7, X, X9, X0 JEPARA X, X, X, X, X0 X, X, X, X, X9, X0 KUDUS PAI REMBANG X, X, X7, X, X9, X0 KOA EGAL KOA PEKALONGAN DEMAK X, X7, X0 PEKALONGAN X, X, X, X7, X, X0 KENDAL BREBES PEMALANG KOA SEMARANG X, X, X, X9, X0 BAANG EGAL GROBOGAN BLORA X, X, X9, X0 EMANGGUNG X7, X9, X0 PURBALINGGA SEMARANG BANJARNEGARA KOA SALAIGA BANYUMAS WONOSOBO SRAGEN CILACAP KOA MAGELANG BOYOLALI MAGELANG KOA SURAKARA KARANGANYAR KEBUMEN SUKOHARJO KLAEN PURWOREJO WONOGIRI X, X, X, X4, X, X7, X0 X, X, X, X4, X, X7, X, X0 X, X, X, X4, X, X7, X, X9, X0 X, X, X, X4, X, X7,X9,X0 X, X, X, X4, X, X, X0 X, X, X, X4, X, X, X9, X0 X, X, X, X4, X, X9, X0 X, X, X, X5, X, X, X0 X, X, X4, X, X, X0 KOA EGAL BREBES CILACAP EGAL BANYUMAS PEMALANG PURBALINGGA PEKALONGAN BANJARNEGARA KEBUMEN BAANG KENDAL EMANGGUNG WONOSOBO PURWOREJO MAGELANG SEMARANG DEMAK JEPARA BOYOLALI KLAEN KUDUS GROBOGAN SRAGEN PAI KARANGANYAR WONOGIRI REMBANG BLORA Gambar. Pegelompoka kabupate/kota berdasarka varabel yag sgfka dega pembobot kerel gaussa Dar Gambar kesamaa varabel yag sgfka tersebut terjad d lokas yag salg berdekata yag dtada dega pola yag bebeda-beda utuk masg-masg kelompok. Persetase rumah tagga ber-phbs (X ) da ratarata lama sekolah peduduk (X 0 ) adalah varabel yag berpegaruh sgfka hampr d semua kabupate/kota d Jawa egah. Jka megguaka pembobot kerel bsquare terdapat 9 kelompok kabupate/ kota berdasarka varabel yag sgfka. Pemodela utuk Kabupate Clacap adalah sebaga berkut. exp 7,579 0,049X 0,000X 0,044X 0,049X,9X 0 0,0X Model d atas mejelaska bahwa jka ada pertambaha satu satua dar varabel X maka jumlah pederta kusta aka bertambah sebayak exp(0,049) dega syarat varabel la kosta, hal yag sama berlaku utuk varabel X da X. Sedagka jka ada peambaha satu satua dar varabel X 4 maka aka megurag jumlah pederta kusta sebayak exp(0,0) dega syarat varabel la kosta, hal sama berlaku utuk varabel X da X 0. 4 Gambar 4. Pegelompoka kabupate/kota berdasarka varabel yag sgfka dega pembobot kerel bsquare Kelompok terbayak yatu kelompok kabupate yag sgfka terhadap varabel persetase rumah tagga ber- PHBS (X), persetase rumah sehat (X), bayakya dokter (X), bayakya puskesmas (X4), kepadata peduduk (X), persetase peduduk msk (X), da rata-rata lama sekolah (X0) yag terdapat d Kabupate egal da beberapa kabupate/ kota yag berada baga mur yag wlayahya salg berdekata. Varabel yag sgfka dsemua kabupate/kota adalah pesetase rumah tagga ber-phbs (X ), bayakya dokter (X ), kepadata peduduk (X ), da rata-rata lama sekolah peduduk (X 0 ). Pemlha Model erbak abel. Perbadga la AIC Model Nla AIC Regres Posso 0,4 GWPR (gaussa) 07,94 GWPR (bsquare) 59,5 Berdasarka tabel model terbak utuk pemodela jumlah pederta kusta d Jawa egah tahu 0 adalah model GWPR dega pembobot kerel gaussa karea memlk la AIC terkecl yatu 07,94. 7

8 Statstka, Vol., No., November 04 KESIMPULAN Hasl pemodela dega regres posso varabel yag berpegaruh sgfka adalah persetase rumah tagga ber-phbs, persetase rumah sehat, bayakya dokter, bayakya puskesmas, kepadata peduduk, jumlah peyuluha kesehata kelompok, da rata-rata lama sekolah peduduk. Model regres posso dapat dtuls sebaga berkut. ˆ exp(,5 0, ,07 0,000 0,009 0,0000 0,04 7,5 Sedagka utuk pemodela GWPR dhaslka macam pemodela dega megguaka badwdth optmum,45 utuk pembobot kerel gaussa da 9 macam pemodela dega megguaka badwdth, utuk pembobot kerel bsquare. Model terbak utuk memodelka jumlah pederta kusta d Jawa egah adalah megguaka pedekata GWPR dega pembobot kerel gaussa. 0 ) [5] World Health Orgasato. 0. Weekly epdemologcal record Relevé épdémologque hebdomadare. D Uduh d wer/0/wer5.pdf?ua= dakses 4 Me 04. DAFAR PUSAKA [] Forthergham, A.S., Brusdo, C., da Charlto, M. 00. Geographcally Weghted Regresso: he Aalyss of Spatally Varyg Relatoshp. Chchester: Joh Wley ad Sos, ltd. [] Hockg, R. 99. Methods ad Applcato of Lear Models. NewYork: Joh Wley ad Sos. [] Nakaya,., Forthergham, A.S., Brusdo, C. da Charlto, M Geographcally Weghted Posso Regresso for Dsease Assocato Mappg. Statstcs Medche. 4(7): [4] Wdoyoo.(00). Peyakt rops: Epdemolog, Peulara, Pecegaha da Pemberatasaya. Peerbt Erlagga: Jakarta.

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

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. 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. 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

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 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

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih 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

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

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

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

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

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

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

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

PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU

PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Jural Barekeg Vol. 8 No. 2 Hal. 53 57 (2014) PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Geographcally

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 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

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015 JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da

Lebih 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

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I

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 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

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

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

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

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

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 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

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

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

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

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

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

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

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

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)

PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION) PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,

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

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

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

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

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

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

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)

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 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

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih 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

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

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

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

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 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

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih 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

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

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH

PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Semar Nasoal Statstka IX Isttut Tekolog Sepuluh Nopember, 7 November 009 PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Yayuk Lsta 1, Purhad

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih 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

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

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

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,

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

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih 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 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN PEMBAHASAN Pada bab analisis dan pembahasan ini akan jelaskan tentang pola persebaran jumlah penderita kusta dan faktor-faktor yang mempengaruhinya, kemudian dilanjutkan dengan pemodelan

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih 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

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih 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

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

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

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt

Lebih terperinci

PENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION

PENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION ESIS SS450 PENAKSIRAN PARAMEER DAN PENGUJIAN HIPOESIS MIXED GEOGRAPHICALLY WEIGHED BIVARIAE GENERALIZED POISSON REGRESSION (Stud Kasus: Jumlah Kemata Ibu da Bay d Provs Jaa mur ahu 05) ANNISA AYU UAMI

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

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

Estimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression

Estimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3

Lebih 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

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

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

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

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

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih 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

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

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

Peramalan Kebutuhan Listrik Dengan Model Harvey

Peramalan Kebutuhan Listrik Dengan Model Harvey Peramala Kebutuha Lstrk Dega Model Harvey Oleh: Ley Setyag B. (30600006) Pembmbg: Prof. Drs. Nur Irawa, M.IKom, Ph.D Latar Belakag Jumlah Peduduk Megkat Produks megkat Supply < Demad Kebutuha Barag Megkat

Lebih 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

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

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

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007

MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007 Jural Barekeg Vol. 5 No. 2 Hal. 25 3 (2) MODEL GEOGRAPHICALLY WEIGHED POISSON REGRESSION DENGAN PEMBOBO FUNGSI KERNEL GAUSS Stud Kasus: Julah Keata Bay d Jawa ur ahu 27 SALMON NOJE AULELE Staf Jurusa Mateatka

Lebih terperinci

Oleh: Rendra Erdkhadifa Pembimbing Dr. Purhadi, M.Sc. Seminar Hasil Tugas Akhir Statistika ITS Rabu, 12 Desember 2011

Oleh: Rendra Erdkhadifa Pembimbing Dr. Purhadi, M.Sc. Seminar Hasil Tugas Akhir Statistika ITS Rabu, 12 Desember 2011 Perbadga Geographcally Weghted Posso Regresso Geographcally Weghted Posso Regresso Semparametrc Stud Kasus : Kemata DBD d Jawa Tmur Oleh: Redra Erdkhadfa 308 00 09 Semar Hasl Tugas Akhr Statstka ITS Rabu

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci