PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

Ukuran: px
Mulai penontonan dengan halaman:

Download "PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION"

Transkripsi

1 PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut enolog Sepuluh Nopember ) Dosen Jurusan Statsta, Insttut enolog Sepuluh Nopember Emal : 1) marsa_rfada@yahoo.com dan ) purhad@statsta.ts.ac.d Abstra Demam Berdarah Dengue (DBD) merupaan penyat menular yang dsebaban oleh vrus dengue dan dtularan oleh nyamu Aedes aegypt. DBD termasu salah satu penyat menular yang terat dengan fator loas geografs. Model Geographcally Weghted Ordnal Logstc Regresson (GWOLR) dgunaan untu memodelan hubungan antara varabel respon yang bersfat ategor dan bersala ordnal dengan varabel predtor yang bergantung pada loas geografs dmana data tersebut damat. Peneltan n bertujuan untu mengetahu fator-fator apa saja yang mempengaruh tngat erawanan desa atau elurahan terhadap penyat DBD d Kabupaten Lamongan ahun 9 menggunaan model regres logst ordnal dan GWOLR dengan pembobot fungs ernel Gaussan. Berdasaran hasl analss regres logst ordnal, epadatan pendudu (X 1 ), etnggan dar permuaan laut (X ), jara e pusesmas/pustu terdeat (X 3 ), eberadaan ader atau juru pemantau jent (X 4 ), Anga Bebas Jent (X 5 ) dan jara e buota abupaten (X 6 ) secara serenta maupun parsal sgnfan berpengaruh pada tngat erawanan desa atau elurahan terhadap penyat DBD d abupaten Lamongan tahun 9. Berdasaran hasl etepatan lasfas tngat erawanan desa atau elurahan terhadap penyat DBD antara hasl observas dan preds detahu bahwa model GWOLR dengan pembobot fungs ernel Gaussan meml tngat etepatan lasfas yang lebh ba dbandngan model regres logst ordnal. Kata Kunc: ngat Kerawanan, DBD, Regres Logst Ordnal, GWOLR 1. Pendahuluan Dalam epdemolog, data umumnya terat dengan loas geografs dmana data tersebut damat. Salah satu penyat menular yang terat dengan fator loas geografs adalah penyat Demam Berdarah Dengue (DBD). Berdasaran hasl analsa asus DBD perode Januar s/d Jun tahun 1 oleh Dnas Kesehatan Provns Jawa mur, terdapat penngatan jumlah penderta DBD d Jawa mur sebanya 85%, yatu dar 11,319 asus menngat menjad,97 asus. Kabupaten Lamongan meml 114

2 jumlah asus DBD yang menngat al lpat atau lebh (KLB) dan anga ematan DBD yang menngat pula pada perode Januar s/d Jun tahun 1. Peneltan tentang tngat erawanan penyat DBD pernah dlauan oleh Aslm (1997) yang menganalsa erawanan DBD d tngat desa d Kabupaten Indramayu tahun dan menympulan bahwa tngat erawanan DBD berhubungan erat dengan mobltas dan epadatan pendudu. Yunart (8) menelt tngat erawanan DBD d daerah husus buota Jaarta tahun 7 dan menympulan bahwa ada hubungan yang sgnfan antara epadatan pendudu, jumlah pusesmas dengan ejadan asus DBD. Dnas Kesehatan melauan egatan pemberantasan nyamu menular DBD d daerah rawan penyat sesua dengan tngat erawanan suatu desa atau elurahan terhadap penyat DBD yang terdr dar desa atau elurahan rawan I (endems), desa atau elurahan rawan II (sporads) dan desa atau elurahan rawan III (potensal). Dtnjau dar sala data, tngat erawanan desa atau elurahan terhadap penyat DBD merupaan data ategor dengan sala ordnal. Metode statsta yang telah dembangan untu memodelan hubungan antara varabel respon dengan varabel predtor yang bergantung pada loas geografs dmana data tersebut damat adalah model Geographcally Weghted Regresson (GWR) oleh Brunsdon, Fotherngham & Charlton (1996). Apabla varabel respon berdstrbus Posson dembangan model Geographcally Weghted Posson Regresson (GWPR) oleh Naaya, Fotherngham, Brunsdon & Charlton (5). Apabla varabel respon bersfat ategor, dembangan model Geographcally Weghted Logstc Regresson (GWLR) oleh Atnson, German, Sear dan Clar (3). Model GWLR dapat juga dembangan untu varabel respon bersala ordnal, yatu model Geographcally Weghted Ordnal Logstc Regresson (GWOLR). Dalam peneltan n, model GWOLR aan dterapan untu pemodelan tngat erawanan desa atau elurahan terhadap penyat DBD d Kabupaten Lamongan tahun 9.. Regres Logst Ordnal Model yang dapat dgunaan untu regres logst ordnal adalah model logt umulatf (cumulatve logt models). Msalan varabel respon Y bersala ordnal meml G buah ategor dan x menyataan vetor varabel predtor pada 115

3 pengamatan e-, x x 1 x... x p dengan 1,,..., n, maa model logt umulatf dnyataan : logt P Y g x g x, g 1,,..., G 1 (1) dengan P Y g x adalah peluang umulatf ategor e-g terhadap x, g adalah parameter ntersep dan memenuh 1... G 1 dan β 1... p adalah vetor oefsen regres yang bersesuaan dengan x. Logt umulatf ddefnsan sebaga (Agrest, ) : P Y g x logt P Y g x ln 1 P Y g x, g 1,,..., G 1 () berdasaran persamaan (1) dan () maa model regres logst ordnal dapat dnyataan logt ln P Y g x P Y g x 1 g x, g 1,,..., G 1 (3) P Y g x Penasran parameter model regres logst ordnal dlauan dengan menggunaan metode Maxmum Lelhood Estmaton (MLE), emudan dselesaan dengan metode teras numer yatu Newton-Raphson. Pengujan parameter model regres logst ordnal dapat dlauan secara serenta maupun parsal. Hpotess dalam uj serenta adalah : H 1 p 1 : :... H mnmal ada satu, =1,,,p Statst uj yang dgunaan: G ln Lˆ ln L ˆ dengan L( ˆ ) merupaan nla masmum lelhood d bawah populas dan L (ˆ ) merupaan nla masmum lelhood d bawah H. Krtera penolaan H yatu tola H apabla nla G lebh besar dar atau p-value urang dar. Sedangan (, p) hpotess dalam uj parsal adalah : H : H, =1,,,p 1 : 116

4 Statst uj yang dgunaan: W ˆ SE ( ˆ ) Krtera penolaan H yatu tola H apabla nla p-value urang dar. W lebh besar dar Z atau 3. Geographcally Weghted Ordnal Logstc Regresson (GWOLR) Model GWOLR merupaan bentu ombnas dar model GWR dan model regres logst ordnal. Model GWOLR dgunaan untu memodelan hubungan antara varabel respon ordnal dengan varabel predtor yang masng-masng oefsen regresnya bergantung pada loas dmana data tersebut damat. Msalan varabel respon bersala ordnal terdr dar G buah ategor, maa model GWOLR dapat dtuls: dengan u, v P( Y g x ) ln g u, v x β u, v, g 1,,..., G -1 (4) 1 P( Y g x ) g merupaan parameter ntersep dan memenuh onds u, v u, v... u, v, β u, v u, v u, v... u, v 1 G 1 1 p merupaan vetor oefsen regres untu loas e-, sementara u, v adalah tt oordnat (longtude, lattude) loas e-. Peluang umulatf ategor respon e-g dapat dnyataan sebaga u v u v u v x u v exp g, x, P Y g x 1 exp,, g Msalan * g P Y g, g 1,,..., G 1 (5) x x menyataan peluang varabel respon pada loas e- mempunya ategor e-g terhadap x, maa x x x x exp u, v u, v exp u, v u, v * g g1 g x 1 exp g u, v u, v 1 exp g 1 u, v u, v Parameter model GWOLR dapat destmas dengan menggunaan metode Maxmum Lelhood Estmaton (MLE) terbobot. Msalan dambl n sampel random Y 1, Y,, n Y dengan peluang hasl pada ategor e-g adalah x, maa * g * * * y 1, y,..., y, 1 Multnomal 1; 1,,..., G 1 Y x x x G (6) 117

5 membentu fungs lelhood sebaga berut n G n G exp (, ) (, ) exp * g u v x u v 1(, ) (, ) y g u v x u v g g x 1 g1 1 g1 1 exp g ( u, v ) x ( u, v ) 1 exp g1( u, v ) x ( u, v ) Fator leta geografs merupaan fator pembobot pada model GWOLR. Fator n meml nla yang berbeda untu setap loas yang menunjuan sfat loal pada model GWOLR. Oleh arena tu pembobot dberan pada bentu ln-lelhoodnya untu model loal GWOLR. Msalan pembobot untu setap loas u, v adalah w u, v, j 1,,..., n maa dperoleh fungs ln-lelhood terbobot berut j n G * L y w u v j1 g1 exp g ( u, v ) x j ( u, v ) exp g1 ( u, v ) x j ( u, v ) jg ln j, 1 exp g ( u, v ) x j ( u, v ) 1 exp g1 ( u, v ) x j ( u, v ) Ja dmsalan varabel respon mempunya 3 buah ategor G 3, estmas parameter dlauan dengan melauan turunan parsal pertama terhadap parameter yang aan destmas dan emudan dsamaan dengan nol, maa * n 1 1 L e1 e1 e e1 e 1 y j1 y, j w j u v 1 u, v 1 e e 1 e j e 1 1 e1 * n 1 1 L e e1 e e e y j y 3 1, j w j u v u, v 1 e 1 1 e1 1 1 e j e 1 e 1 * n 3 L eg eg 1 eg eg 1 y jg jw j u, v u, v x 1 e 1 j 1 g 1 g e g1 1 eg 1 eg1 dengan e1 exp 1( u, v ) x j ( u, v ) dan e exp ( u, v ) j ( u, v ) x. Hasl turunan parsal pertama yang dperoleh berbentu mplst sehngga dperluan suatu metode numer yatu metode teras Newton-Raphson. Prosedur teras n dulang untu setap loas e-, sehngga aan ddapatan penasr parameter loal model GWOLR untu setap loas. Fungs dar pembobot, w u v adalah untu memberan hasl estmas j parameter yang berbeda pada pengamatan yang berbeda. Salah satu jens fungs pembobot yang dapat dgunaan adalah fungs Kernel Gaussan : yg 118

6 dengan j w u, v j dj h d menyataan jara Euclden antara loas v (7) u,, u, dan loas j v j d j u u v v j j, h menyataan parameter penghalus (bandwdth), merupaan smpangan bau dar vetor jara d j dan adalah denstas normal standar. Salah satu metode yang dapat dgunaan untu mendapatan bandwdth optmum adalah metode Cross Valdaton (CV) yang drumusan sebaga berut: n G, g, g (8) 1 g1 ˆ ( ) CV h y h dengan y, g adalah varabel ndator dmana y, g 1 ja y mempunya ategor g dan untu yang lan, ˆ, g ( h ) adalah nla estmas peluang y meml ategor g dmana pengamatan d loas u, v dhlangan dar proses penasran. Nla h optmum dperoleh dar nla h yang menghaslan nla CV mnmum. 4. ngat Kerawanan Desa atau Kelurahan terhadap Penyat DBD Penyat Demam Berdarah Dengue (DBD) adalah penyat menular yang dsebaban oleh vrus dengue dan dtularan oleh nyamu Aedes aegypt. Kegatan pemberantasan nyamu menular DBD d daerah rawan penyat dlauan sesua dengan tngat erawanan suatu wlayah terhadap penyat DBD. ngat erawanan desa atau elurahan terhadap penyat DBD dbag (Departemen Kesehatan RI, 7) : 1. Desa atau elurahan rawan I (Endems) adalah desa atau elurahan yang dalam 3 tahun terahr, setap tahun ada penderta DBD.. Desa atau elurahan rawan II (Sporads) adalah desa atau elurahan yang dalam 3 tahun terahr ada penderta DBD tetap tda setap tahun. 3. Desa atau elurahan rawan III (Potensal) adalah desa atau elurahan yang dalam 3 tahun terahr tda pernah ada penderta DBD, tetap pendudunya padat, mempunya hubungan transportas yang rama dengan wlayah lan. 119

7 5. Metode Peneltan Data yang dgunaan pada peneltan n adalah data seunder yang dperoleh dar Dnas Kesehatan Kabupaten Lamongan dan Badan Pusat Statsta (BPS) Kabupaten Lamongan. Unt observas yang dgunaan adalah desa/elurahan d Kabupaten Lamongan Provns Jawa mur yang terdr dar 3 desa/elurahan. Sedangan software yang dgunaan yatu software MINIAB dan MALAB. Varabel respon (Y) dalam peneltan n adalah tngat erawanan desa atau elurahan terhadap penyat DBD yang terdr dar tga ategor, yatu rawan I (Endems), rawan II (Sporads) dan rawan III (Potensal). Sedangan varabel predtor (X j ) yang dgunaan yatu Kepadatan pendudu (X 1 ), Ketnggan dar permuaan laut (X ), Jara e pusesmas/pustu terdeat (X 3 ), Keberadaan ader atau juru pemantau jent (X 4 ), Anga Bebas Jent (X 5 ) dan Jara e buota abupaten (X 6 ). Untu mengetahu fator-fator yang berpengaruh terhadap tngat erawanan desa atau elurahan terhadap penyat DBD d Kabupaten Lamongan tahun 9 dlauan analss dengan langah-langah sebaga berut : 1. Memodelan dengan menggunaan regres logst ordnal. Memodelan dengan menggunaan model GWOLR dengan langah-langah : a. Menentuan u dan v berdasaran gars Lntang Selatan ( u ) dan gars Bujur mur ( v ) antor elurahan (antor epala desa) untu setap desa/elurahan b. Menghtung jara Euclden antara loas e- yang terleta pada oordnat u, v terhadap loas e-j yang terleta pada oordnat u, c. Menentuan bandwdth optmum dengan menggunaan metode Cross Valdaton (CV) d. Menghtung pembobot, j j v j w u v dengan menggunaan fungs Kernel Gaussan dengan memasuan jara Euclden dan nla bandwdth optmum e dalam fungs Kernel Gaussan. Perhtungan pembobot tersebut dlauan untu 1,,, n. e. Mendapatan penasr parameter dan pengujan parameter model GWOLR untu loas u, v 1

8 Wat u Wat u PROSIDING SEMINAR NASIONAL SAISIKA 6. Analss dan Pembahasan Sebelum dlauan analss regres logst ordnal multvarabel, maa perlu dlauan pemlhan varabel predtor yang berpengaruh nyata secara ndvdu terhadap varabel respon, yatu dengan cara meregresan tap-tap varabel predtor terhadap varabel responnya sehngga dapat detahu varabel predtor mana saja yang secara unvarabel berpengaruh nyata terhadap varabel respon. Untu menentuan varabel predtor yang berpengaruh, dgunaan statst uj Wald. Berdasaran hasl perhtungan statst uj menunjuan bahwa apabla dgunaan tngat sgnfans sebesar 1% maa semua varabel predtor secara unvarabel berpengaruh sgnfan terhadap tngat erawanan desa atau elurahan terhadap penyat DBD d abupaten Lamongan. Selanjutnya varabel predtor yang sgnfan pada pengujan secara unvarabel dgunaan untu membentu model regres logst ordnal multvarabel. Pengujan secara serenta dlauan untu memersa peran oefsen β secara eseluruhan atau bersama-sama. Hpotess dalam uj serenta adalah : H : Beda Pot ensal mnmal ada satu Beda Pot ens al , =1,,,6 Berdasaran hasl regres logst ordnal multvarabel, nla Statst uj yang dhaslan adalah sebesar 13,57 dan apabla dbandngan dengan nla G (,1;6) 1,6446 maa nla statst G lebh besar darpada (,1;6), sehngga eputusan tola H yang berart mnmal ada satu varabel predtor yang berpengaruh sgnfan terhadap tngat erawanan desa atau elurahan terhadap penyat DBD. Langah selanjutnya adalah melauan pengujan secara parsal. Hpotess dalam uj parsal adalah : H : H, =1,,,6 1 : abel 1. Hasl Regres Logst Ordnal Multvarabel Predtor Koefsen SE Koefsen Wald P-value Odds Rato Konst(1) 1,76341, ,83,67 * Konst() 5, ,557 5,4, * X 1,5754,135 3,84, 1,66 11

9 X -,3556, ,9,55,74 X 3 -,3385,1887 -,58,1,7 X 4 (1),8963,4596 1,79,74,5 X 5 -,3451, ,41,16,7 X 6 -,9867,1751-5,63,,37 Berdasaran abel 1, semua varabel predtor meml nla W lebh besar dar Z,5 1, atau p-value yang urang dar. Hal n berart semua varabel predtor berpengaruh sgnfan terhadap model atau dapat dataan bahwa varabel X 1, X, X 3, X 4, X 5 dan X 6 sgnfan atau laya untu masu e dalam model. Sehngga model logt yang dperoleh adalah sebaga berut : ˆ x logt P Y 1 1,7634,575X,356X,339 X,896 X (1),345X,9867 X 5 6 ˆ x logt P Y 5,5334,575X,356X,339 X,896 X (1),345X,9867 X 5 6 anda postf pada oefsen varabel epadatan pendudu (X 1 ) dan nla odds raso yang lebh dar satu menunjuan bahwa seman tngg epadatan pendudu suatu desa atau elurahan maa cenderung meml tngat erawanan terhadap DBD yang seman tngg. Varabel etnggan dar permuaan laut (X ) meml nla odds raso urang dar satu yang mengndasan bahwa seman rendah etnggan leta suatu desa atau elurahan dar permuaan laut maa cenderung berhubungan dengan tngat erawanan DBD yang statusnya lebh rawan. Selan tu, seman deat jara suatu desa atau elurahan e pusesmas/pustu terdeat (X 3 ) juga cenderung berhubungan dengan tngat erawanan DBD yang statusnya lebh rawan. Nla odds raso pada varabel eberadaan ader atau juru pemantau jent (X 4 ) adalah sebesar,5 yang menunjuan bahwa adanya ader atau juru pemantau jent d suatu desa atau elurahan mempunya peluang desa atau elurahan tersebut rawan DBD dengan ategor potensal sebesar,5 al dbandng desa yang tda meml ader atau juru pemantau jent. Nla odds raso pada varabel Anga Bebas Jent (X 5 ) menunjuan bahwa seman rendah ABJ suatu desa atau elurahan maa cenderung berhubungan dengan tngat erawanan DBD yang statusnya lebh rawan. Serta 1

10 seman deat jara suatu desa atau elurahan e buota abupaten (X 6 ) juga cenderung berhubungan dengan tngat erawanan DBD yang statusnya lebh rawan. Setelah ddapatan model logt, maa peluang tap-tap ategor dapat dhtung : Peluang rawan I (endems) : exp 1, 7634,575X1, 356X,339X 3,896 X 4(1),345X 5, 9867 X6 1( x) 1 exp 1, 7634, 575X, 356X, 339X,896 X (1), 345X,9867X Peluang rawan II (sporads) : exp 5,5334, 575X1, 356X,339X 3,896 X 4(1), 345X5, 9867 X 6 ( x) 1 exp 5, 5334,575X,356X, 339X,896 X (1), 345X,9867X exp 1, 7634, 575X1, 356X, 339X3,896 X 4(1), 345X5, 9867X 6 1 exp 1, 7634, 575X, 356X, 339X,896 X (1), 345X, 9867 X Peluang rawan III (potensal) : exp 5, 5334, 575X1,356X, 339X 3,896 X 4(1), 345X5, 9867X 6 3( x) 1 1 exp 5,5334,575 X,356 X,339 X,896 X (1),345 X,9867 X Berdasaran perhtungan peluang d atas, maa dapat dperoleh hasl preds sehngga ebenaran model logt n dapat dlhat berdasaran hasl penglasfasan antara preds dan observas. abel. Klasfas ngat Kerawanan Desa Atau Kelurahan erhadap DBD Berdasaran Model Regres Logst Ordnal Observas Preds Persentase ategor 1 ategor ategor 3 etepatan ategor % ategor ,5% ategor ,58% otal eseluruhan 66,97% Selanjutnya dlauan pemodelan menggunaan model GWOLR. Langah pertama yang dlauan adalah menentuan leta geografs berdasaran gars Lntang Selatan dan gars Bujur mur antor elurahan (epala desa) untu setap desa/elurahan d abupaten Lamongan, emudan menghtung jara Euclden antara loas e- terhadap loas e-j. Langah selanjutnya adalah menentuan bandwdth optmum dengan menggunaan metode Cross Valdaton (CV). Nla bandwdth 13

11 optmum yang dperoleh dar hasl teras adalah 1,7615. Setelah tu mendapatan pembobot untu masng-masng loas peneltan, dmana dalam peneltan n aan dgunaan pembobot fungs ernel Gaussan. Langah selanjutnya adalah menasr parameter model GWOLR menggunaan teras Newton-Raphson dengan bantuan software MALAB, sehngga ddapatan nla penasr parameter d semua loas u, v, 1,,..., n. Pengujan parameter model GWOLR dlauan untu mengetahu fator-fator yang mempengaruh tngat erawanan desa atau elurahan terhadap penyat DBD d setap loas. Msalan ta aan menguj parameter model d loas pertama u 1,v 1 yatu desa Kedungmentawar, maa bentu hpotessnya adalah : H 1 1 : u, v H : u, v, =1,,,6 Statst uj yang dgunaan : Z ht ˆ u1, SE ˆ u, v Krtera pengujannya adalah tola H ja 1 1 Z ht lebh besar dar Z. abel 3. Hasl Model GWOLR d Desa Kedungmentawar Parameter Estmas Z Htung 1 u1, 1,55,5658 u1, 4,7135, u1,,7997,1884* u1, -,84 -, u1, -,384-1, u1,,174,993 5 u1, -,58 -, u1, -,991 -,4315* *) parameter yang sgnfan pada =1% abel 3 menunjuan bahwa terdapat dua parameter yang sgnfan pada =1%, yatu u, v dan u, v arena meml nla Z ht lebh besar dar Z 1, 64485,5, sehngga model GWOLR yang dbentu untu memodelan tngat erawanan desa Kedungmentawar terhadap penyat DBD adalah sebaga berut : 14

12 x P Y 1 x logt PY 1 x ln 1,55,7997 X,991X 1 P Y 1 x 1 6 P Y x logt PY x ln 4,7135,7997 X,991X 1 P Y 1 6 Setelah ddapatan model logt, maa peluang tap-tap ategor dapat dhtung sebaga berut : * exp 1,55,7997 X1,991X 6 ˆ 1 ( x) 1 exp 1,55,7997X,991X 1 6 * exp 4,7135,7997 X1,991X 6 exp 1,55,7997X1,991X 6 ˆ ( x) 1exp 4, 7135,7997X,991X 1exp 1,55, 7997 X, 991X * exp 4,7135,7997 X1,991X 6 ˆ 3 ( x) 1 1 exp 4,7135,7997 X,991 X abel 4. Klasfas ngat Kerawanan Desa Atau Kelurahan erhadap DBD Berdasaran Model GWOLR Observas Preds Persentase ategor 1 ategor ategor 3 etepatan ategor % ategor ,58% ategor ,3% otal eseluruhan 69,39% 7. Kesmpulan Berdasaran hasl analsa data dan pembahasan dapat dperoleh esmpulan : 1. Fator-fator yang mempengaruh tngat erawanan desa atau elurahan terhadap penyat DBD d Kabupaten Lamongan tahun 9 berdasaran model regres logst ordnal adalah epadatan pendudu (X 1 ), etnggan dar permuaan laut (X ), jara e pusesmas/pustu terdeat (X 3 ), eberadaan ader atau juru pemantau jent (X 4 ), Anga Bebas Jent (X 5 ) dan jara e buota abupaten (X 6 ).. Model GWOLR dengan pembobot fungs ernel Gaussan meml tngat etepatan lasfas yang lebh ba dbandngan model regres logst ordnal untu pemodelan tngat erawanan desa atau elurahan terhadap penyat DBD d Kabupaten Lamongan tahun 9. 15

13 Daftar Pustaa Agrest, A., (), Categorcal Data Analyss, Second Edton, John Wley & Sons, New Yor. Aslm, A., (1997), Analss Kerawanan Demam Berdarah Dengue d ngat Desa d Kabupaten Indramayu ahun dan Rencana Penanggulangannya, ess Faultas Kesehatan Masyaraat Unverstas Indonesa, Depo. Atnson, P.M., German, S.E., Sear, D.A., & Clar, M.J., (3), Explorng the Relatons Between Rverban Eroson and Geomorphologcal Controls Usng Geographcally Weghted Logstc Regresson, Geographcal Analyss, 35. Brunsdon, C., Fotherngham, A.S., & Charlton, M. (1996), Geographcally Weghted Regresson: a method for explorng spatal nonstatonarty, Geographcal Analyss, 8, Departemen Kesehatan RI, (7), Modul Pelathan bag Pengelola Program Pengendalan Penyat Demam Berdarah Dengue d Indonesa, Dretorat Jenderal Pengendalan Penyat dan Penyehatan Lngungan, Jaarta Naaya,., Fotherngham, A.S., Brunsdon, C., & Charlton, M. (5), Geographcally Weghted Posson Regresson for Dsease Assocaton Mappng, Statstcs n Medcne, Volume 4 Issue 17, pages Yunart, A., 8, ngat Kerawanan Demam Berdarah Dengue d Daerah Khusus Ibuota Jaarta ahun 7, Srps Departemen Kesehatan Lngungan Faultas Kesehatan Masyaraat Unverstas Indonesa, Depo. 16

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 05, Halaman 639-650 Onlne d: http://ejournal-s.undp.ac.d/ndex.php/gaussan PEMODELAN FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPAEN/

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL Nama Mahasswa : Respat Yet Wbowo Nrp : 306 00 003 Jurusan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Mixed Geographically Weighted Regression pada Tingkat Kemiskinan di Provinsi Jawa Tengah Pemodelan Mxed Geographcally Weghted Regresson pada Tngat Kemsnan d Provns Jawa Tengah The Model of Mxed Geographcally Weghted Regresson (MGWR) for Poverty Level n Central Java Moh Yamn Darsyah, Rochd

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 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 terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION

ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION E-ISSN 57-9378 Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp. 59-66 ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY

Lebih terperinci

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah

Penerapan Model Geographically Weighted Poisson Regression pada Jumlah Kematian Ibu di Provinsi Jawa Tengah The 6 th Unversty Research Colloquum 017 Unverstas Muhammadyah Magelang Penerapan Model Geographcally Weghted Posson Regresson pada Jumlah Kematan Ibu d Provns Jawa Tengah Isca Yuntasar1, Sr Sulstjowat

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI 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 terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS

ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS ANALISIS KARAKTERISTIK MAHASISWA DAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEPEMILIKAN USAHA MANDIRI MAHASISWA ITS Wasa Yula, Dw Endah Kusrn, S.S., M.S. Mahasswa Jurusan Statsta FMIPA-ITS (305 00 003)

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

Model Geographically Weighted Poisson Regression (Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007)

Model Geographically Weighted Poisson Regression (Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007) LOGO Model Geographcally Weghted Posson Regresson (Stud Kasus : Jumlah Kematan Bay d Jawa Tmur & Jawa Tengah Tahun 2007) SEMINAR HASIL TESIS Oleh : Salmon Notje Aulele Dosen Pembmbng : Dr. Purhad, M.Sc

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB 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 terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression

Faktor yang Mempengaruhi Kematian Ibu Hamil di Jawa Timur Dengan Menggunakan Metode Geographically Weighted Poisson Regression Faktor yang Mempengaruh Kematan Ibu Haml d Jawa Tmur Dengan Menggunakan Metode Geographcally Weghted Posson Regresson Rfk Arsta-1311.105.009 rfk11@mhs.statstka.ts.ac.d Pembmbng : Ir. Mutah Salamah, M.

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si Analsa Penerapan Metode Robust Locally Weght Regresson Smoothng Scatterplots Pada Oblgas ( Analyss of Applcaton Robust Locally Weght Regresson Smoothng Scatterplots s Method n Oblgaton ) Oleh : Wahyu Saf

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 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 terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB 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 terperinci

PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324 JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. 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 terperinci

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression

Pemodelan Angka Harapan Hidup Propinsi Jawa Timur dan Jawa Tengah Dengan Metode Geographically Weighted Regression Pemodelan Angka Harapan Hdup Propns Jawa Tmur dan Jawa Tengah Dengan Metode Geographcally Weghted Regresson Oleh : Lus Frdal (13732) Dosen Pembmbng : Dr. Purhad, M. Sc BACK LATAR BELAKANG Pelaksanaan pembangunan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 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 terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

PEMODELAN 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 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 terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur)

ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Studi Kasus Data PDRB per Kapita di Provinsi Jawa Timur) ANALISIS DATA SPASIAL MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Data PDRB per Kapta d Provns Jawa Tmur) Wahyu Sr Lestar ), Gandh Pawtan ), Mndra Jaya 3) ) Mahasswa Program Magster

Lebih terperinci

S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK

S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK S - 21 PEMODELAN KEJADIAN GIZI BURUK PADA BALITA DI SURABAYA BERDASARKAN PENDEKATAN REGRESI SPASIAL SEMIPARAMETRIK Marsa Rfada 1, Nur Chamdah 2, Toha Safudn 3 1,2,3 Departemen Matematka, Fakultas Sans

Lebih terperinci

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Berala Fsa ISSN : 1410-966 Vol.8, No.1, Januar 005, hal 7-10 KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR Agus Setyawan Laboratorum Geofsa, Jurusan

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS 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 terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB 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 terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS 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 terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Statstka, Vol. 3, No., November 015 Pemodelan Geographcally Weghted Regresson (GWR) Pada Tngkat Kemsknan d Provns Jawa Tengah Monca Frda Agustna 1, Rochd Wasono, Moh. Yamn Darsyah 3 1,,3) Program Stud

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB 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 terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3)

Imam Ahmad Al Fattah 1), Madu Ratna 2), dan Vita Ratnasari 3) 1),2),3) Analss Fatorfator yang Memengaruh Masa Stud Lulusan Mahaswa Program Magster Insttut enolog Seuluh Noember (IS) Surabaya Menggunaan Regres Logst Ordnal Dan Regres Probt Ordnal Imam Ahmad Al Fattah ), Madu

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB 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 terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan

Pemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng

Lebih terperinci