Regresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI)
|
|
- Djaja Atmadjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Regresi Cox pada Survei Kompleks (Studi Kasus: Lama Pemberian ASI) Endah Budiarti 1 Septiadi Padmadisastra 2 Bertho Tantular 3 1,2,3 ProgramMagister Statistika Terapan, FMIPA, Universitas Padjadjaran budiarti.endah85@gmail.com ABSTRAK Cox (1972) memperkenalkan metode regresi untuk melihat faktor-faktor yang menyebabkan terjadinya suatu peristiwa dengan peubah respon berupa waktu survival. Pada data yang berasal dari survei kompleks, regresi Cox biasa kurang tepat untuk diterapkan karena peluang setiap unit untuk terpilih sebagai sampel akan berbeda-beda. Binder ( 1992) mengembangkan regresi Cox dengan memperhatikan desain penarikan sampel. Binder menggunakan simulasi penarikan sampel stratified random sampling. Dalam penelitian ini penggunaan regresi Cox pada survei kompleks akan diilustrasikan pada kasus lama pemberian ASI di Provinsi Riau dengan data Survei Sosial Ekonomi Nasional (Susenas) 2012 dimana desain penarikan sampelnya tiga tahap berstrata. Dari delapan prediktor hanya dua yang signifikan, yaitu umur ibu saat melahirkan dan penolong persalinan. Kata-kata Kunci: Regresi Cox, Survei Kompleks, Pembobot Sampel, Subpopulasi 1. Pendahuluan World Health Organization (WHO) merekomendasikan para ibu di seluruh dunia untuk memberikan Air Susu Ibu (ASI) eksklusif pada enam bulan pertama kehidupan bayi untuk mencapai pertumbuhan optimal, perkembangan dan kesehatan. Setelah itu bayi harus diberi makanan pendamping ASI (MP -ASI) yang bergizi sambil tetap diberikan ASI sampai bayi berusia dua tahun atau lebih. Data dari Badan Pusat Statistik (BPS) menunjukkan rata-rata lama pemberian ASI di Indonesia sebesar 20 bulan pada rentang waktu Angka ini masih kurang dari yang disarankan WHO yaitu selama dua tahun. Data lama pemberian ASI merupakan data survival. Waktu survival adalah panjang waktu yang diukur dari pertama kali suatu individu masuk ke dalam penelitian sampai ia keluar dari penelitian. Analisis survival banyak diterapkan di bidang kesehatan atau medis untuk menguji tingkat ketahanan pasien terhadap suatu penyakit. Pengumpulan data mengenai lama pemberian ASI diantaranya melalui Survei Sosial Ekonomi Nasional (Susenas) yang dilakukan oleh BPS. Susenas merupakan survei triwulanan yang dilakukan empat kali setahun di seluruh Kabupaten/Kota di Indonesia. Survei ini dirancang untuk mengumpulkan data sosial kependudukan yang relatif sangat luas. Susenas adalah survei dengan desain penarikan sampel tiga tahap berstrata. Metode regresi Cox menggunakan pembobot sampel diperkenalkan oleh Binder [4]. Binder melakukan simulasi pengambilan sampel berstrata dengan alokasi sama dan 1
2 tidak sama. Pada penarikan sampel berstrata dengan alokasi tidak sama, model dengan pembobot memberikan hasil yang lebih baik dibanding model tanpa pembobot. Penelitian tentang lama pemberian ASI dengan memperhatikan metode penarikan sampel berupa sampling kompleks masih jarang ditemukan. Penelitian ini mencoba mengaplikasikan regresi Cox pada kasus penghentian pemberian ASI menggunakan data Susenas 2012 triwulan I Provinsi Riau. 2. Model Regresi Cox pada Survei Kompleks 2.1 Metode Pengambilan Sampel Susenas Susenas menggunakan desain penarikan sampel tiga tahap berstrata. Strata yang dibentuk adalah strata daerah perkotaan dan perdesaan. Pada tahap pertama, dari kerangka sampel berupa wilayah pencacahan Sensus Penduduk 2010 (SP2010) dipilih wilayah pencacahan sebagai primary sampling unit (PSU) secara PPS ( proportional probability to size) dengan ukuran banyak rumah tangga SP2010 pada setiap wilayah cacah. Selanjutnya karena survei ini dilakukan empat kali dalam setahun dengan sampel yang berbeda, maka sampel wilayah cacah akan dialokasikan secara acak pada empat triwulan. Pada tahap kedua, pada tiap sampel wilayah cacah dipilih satu blok sensus secara PPS dengan ukuran banyak rumah tangga SP2010 pada setiap blok sensus. Pada tahap ketiga, dari sampel blok sensus dipilih 10 rumah tangga biasa (non institusional) secara sistematik berdasarkan hasil pemutakhiran rumah tangga. Secara umum, pembobot dari unit sampel adalah kebalikan dari peluang terpilih menjadi sampel. Misalkan peluang sebuah unit terpilih sebagai sampel adalah P i, maka pembobotnya ( w i ) dapat dinotasikan dengan w i = 1/ P i. Secara sederhana, pembobot sampling adalah jumlah individu dalam populasi yang diwakili oleh masing-masing unit sampel dan jika semua pembobot pada sampel diakumulasikan nilainya akan sama dengan jumlah populasi ( = ). Pada desain penarikan sampel multistage, pembobot harus merefleksikan peluang pemilihan sampel pada setiap tahapannya. Misalkan pada penarikan sampel dua tahap, dimana peluang terpilih PSU ke-i pada tahap pertama adalah p i dan pada tahap kedua peluang pemilihan rumah tangga ke-j pada PSU terpilih sebesar p j(i). Maka peluang setiap rumah tangga untuk terpilih sebagai sampel adalah p ij = p i p j(i) dan pembobotnya adalah 1/ p ij. Pembobot sampling Susenas pada strata h, PSU i, blok sensus j, rumah tangga k di suatu Kabupaten/Kota adalah: = dimana : jumlah rumah tangga (kerangka sampel) pada Kabupaten/Kota strata h : jumlah rumah tangga hasil pemutakhiran pada Kabupaten/Kota di strata h, PSU ke-i, blok sensus ke-j : jumlah rumah tangga sampel pada Kabupaten/Kota di daerah h, PSU ke-i, blok sensus ke-j : jumlah rumah tangga sampel blok sensus triwulanan pada Kabupaten/Kota di strata h : jumlah rumah tangga (kerangka sampel) pada Kabupaten/Kota strata h, PSU ke-i, blok sensus ke-j (1) 2
3 2.2 Analisis Subpopulasi Saat menganalisa data hasil survei, seringkali analisa difokuskan hanya pada subpopulasi tertentu. Dalam penelitian ini, subpopulasi terdiri dari rumah tangga yang di dalamnya terdapat anak terakhir berusia 0-59 bulan yang pernah diberikan ASI. Melakukan eliminasi pada data yang tidak masuk dalam subpopulasi dapat menghilangkan informasi mengenai desain kompleks yang berdampak pada terjadinya kesalahan dalam penghitungan standar error dari estimasi survei. Misalkan S adalah subpopulasi yang akan dihitung estimasinya. West, dkk [10] menyarankan penggunaan indikator pada masing-masing sampel yang bernilai nol untuk sampel di luar S dan bernilai satu pada sampel yang masuk dalam S. I, = 1 jika individu merupakan anggota subpopulasi S 0 jika individu bukan merupakan anggota subpopulasi S Penghitungan derajat bebas pada data subpopulasi yaitu jumlah PSU yang mengandung observasi subpopulasi dikurangi jumlah strata yang mengandung subpopulasi. 2.3 Model Regresi Cox pada Survei Kompleks Misalkan t adalah peubah acak kontinu yang menunjukkan waktu survival dan X adalah vektor kovariat yang independen terhadap waktu. Secara umum model regresi Cox dapat dituliskan sebagai berikut: h(, ) = h exp (2) dimana h merupakan fungsi baseline hazard pada waktu t yang tidak melibatkan X dan = (,, ) adalah vektor koefisien regresi. Andersen dan Gill (1982) telah membuktikan bahwa estimasi parameter regresi Cox mempunyai sifat konsisten dan normal asimtotik. Dengan kata lain, estimasinya akan mendekati unbiased dan distribusi samplingnya akan mendekati normal pada ukuran sampel yang besar. Pada survei kompleks, pembobot sampel diikutsertakan untuk mengestimasi koefisien regresi. Jika data berasal dari pengambilan sampel acak sederhana, pemodelan regresi Cox standar bisa langsung digunakan. Namun jika data berasal dari survei dengan desain sampel kompleks, maka perlu penyesuaian dalam analisisnya. Pendekatan yang banyak digunakan pada data seperti ini adalah weighted partial likelihood yang diperkenalkan oleh Binder [4]. Misalkan data terdiri dari n pengamatan yang telah diurutkan berdasarkan waktu survival dengan t i adalah waktu survival amatan ke-i. Vektor kovariat untuk individu ke-i adalah = (,, ). R i = {l: t l t i } berisi individu-individu yang berisiko untuk mengalami kejadian pada waktu t i, baik yang tersensor maupun tidak tersensor. Notasi δ i melambangkan indikator sensor yang bernilai nol untuk waktu survival amatan ke-i yang tersensor dan bernilai satu untuk amatan yang tidak tersensor. Pembobot sampel w i dihitung menggunakan persamaan (1). Penaksiran koefisien regresi dilakukan dengan weighted partial likelihood sebagai berikut:, ( ) = (3) Proses penghitungan estimasi dari β dapat diselesaikan dengan iterasi Newton Raphson. Proses diawali dengan menggunakan nilai awal β (0) = 0 dan berulang dengan s = 3
4 1, 2,... Proses berhenti saat iterasi sudah konvergen. Algoritma yang digunakan: = (4) dimana = Varians dari estimasi β dihitung dengan formula berikut: = (5) = I, I, ( ) (6) V s diestimasi dengan: = 1 (1 ) 1 dimana residual observasinya adalah: (,, ) (,, ) (7), =, (8), = I,, (9), = 1, (10) Skor residual untuk amatan ke-(h, i, j, k) dalam subpopulasi adalah:, =, dimana :, exp,, (11), = I, exp (12), = 1 I, exp (13) = 1 jika 0 lainnya 3. Hasil dan Pembahasan Data yang digunakan adalah data Susenas 2012 triwulan I Provinsi Riau. Total seluruh PSU dan blok sensus sebanyak 191 dengan rumah tangga sampel. Jumlah PSU yang masuk dalam subpopulasi sebesar 182 dan rumah tangga subpopulasi sebanyak 4
5 623. Dari amatan tersebut 42,7 persen merupakan amatan tersensor. Hasil pengolahan menggunakan paket program Stata versi 10.1 sebagai berikut: Peubah Tabel 1 Hasil Regresi Cox dengan Pembobot Sampel Model dengan Pembobot Rasio Hazard Standard error p-value (1) (2) (3) (4) Umur ibu saat melahirkan > 35 tahun tahun < 20 tahun Penolong persalinan Non Medis Medis Jenis kelamin anak Perempuan Laki-laki Jumlah anak lahir hidup 1 anak > 1 anak Pendidikan ibu Rendah Menengah Tinggi Status bekerja ibu Bekerja Tidak Kerja Tempat tinggal Perdesaan Perkotaan Dari delapan prediktor yang digunakan terdapat tiga yang signifikan, yaitu ibu yang pada saat melahirkan berusia tahun, jenis kelamin anak dan pendidikan ibu. Rasio hazard dari umur ibu saat melahirkan sebesar 1,37 dapat diinterpretasikan bahwa ibu yang pada saat melahirkan berusia tahun yang masih memberikan ASI mempunyai 1,371 kali kemungkinan untuk berhenti memberikan ASI pada waktu berikutnya dibandingkan ibu yang melahirkan pada usia di atas 35 tahun. Sementara untuk jenis kelamin anak, hazard berhenti diberikan ASI pada anak perempuan lebih besar dibanding anak laki-laki. Untuk pendidikan ibu, ibu dengan pendidikan menengah dan tinggi mempunyai hazard yang lebih besar dibanding ibu berpendidikan rendah. 5
6 4. Daftar Pustaka [1] Andersen, P. K., dan Gill, R. D Cox s Regression Model for Counting Processes: A Large Sample Study. The Annals of Statistics Vol. 10, No. 4 (December 1982): [2] Badan Pusat Statistik Indikator Kesejahteraan Rakyat Jakarta: BPS [3] Indikator Kesejahteraan Rakyat Jakarta: BPS [4] Binder, David A Fitting Cox s Proportional Hazard Model from Survey Data. Biometrika 79: [5] Cox, D. R Regression Models and Life-Tables. Journal of the Royal Statistical Society B34, [6] Cox, D. R Partial Likelihood. Biometrika Vol. 62, [7] Heeringa, S.G., West, B.T., dan Berglund, P.A Applied Survey Data Analysis. Florida: Taylor and Francis Group [8] Lee, E. T., dan Wang, J. W Statistical Methods for Survival Data Analysis Third Edition. New Jersey: John Wiley & Sons, Inc. [9] Mukhopadhyay, Pushpal K Not Hazardous to Your Health: Proportional Hazards Modeling for Survey Data with the SURVEYPHREG Procedure. SAS Global Forum 2010 Statistics and Data Analysis, Paper [10]West, B. T., Berglund, P., dan Heeringa, S. G A Closer Examination of Subpopulation Analysis of Complex-Sample Survey Data. The Stata Journal (2008) 8, Number 4: Lampiran Syntax Regresi Cox pada Survei Kompleks menggunakan Stata: svyset PSU_urut [pweight=weighting], strata (TMPT_TGL) vce(linearized) singleunit(missing) svy linearized, subpop(asi_if 1) : stcox X1_UMUR X2_SALIN X3_JK X4_PDDKN X5_KERJA X6_ALH X7_KB X8_TTGL 6
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU
BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciModel Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Model Cox Extended dengan untuk Mengatasi Nonproportional Hazard pada Kejadian Bersama Anita Nur Vitriana, Rosita Kusumawati Program Studi
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1 Desain Penelitian Penelitian ini merupakan penelitian yang menganalisis data sekunder dari hasil Survei Demografi Kesehatan Indonesia ( SDKI) tahun 2007, dengan menggunakan
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 781-790 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS KETAHANAN HIDUP PENDERITA TUBERKULOSIS DENGAN MENGGUNAKAN
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciMODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL. Universitas Hasanuddin
MODEL REGRESI WEIBULL DENGAN ADDITIVE FRAILTIES PADA DATA SURVIVAL 1 Rima Ruktiari, 2 Sri Astuti Thamrin, 3 Armin Lawi 1,2,3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 621-630 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS REGRESI KEGAGALAN PROPORSIONAL DARI COX PADA DATA WAKTU
Lebih terperinciAplikasi Regresi Cox Pada Selang Kelahiran Anak Pertama di Provinsi Sumatera Selatan
Aplikasi Regresi Cox Pada Selang Kelahiran Anak Pertama di Provinsi Sumatera Selatan Alfansi Faruk Jurusan Matematika, FMIPA, Universitas Sriwijaya Email: alfensifaruk@unsri.ac.id Abstract: The birth interval
Lebih terperinciBAB III PEMBAHASAN. extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus
BAB III PEMBAHASAN BAB III PEMBAHASAN Pada Bab III ini akan dibahas tentang prosedur pembentukan model Cox extended untuk mengatasi nonproportional hazard dan penerapannya pada kasus kejadian bersama yaitu
Lebih terperinciBAB II TINJAUAN PUSTAKA. diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event
BAB II TINJAUAN PUSTAKA A. Analisis Survival Analisis survival merupakan suatu analisis data dimana variabel yang diperhatikan adalah jangka waktu dari awal pengamatan sampai suatu event terjadi dengan
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciSurvei Monitoring Dampak Krisis Bidang Ketenagakerjaan (SMDK-BK), 2014
BADAN PUSAT STATISTIK Survei Monitoring Dampak Krisis Bidang Ketenagakerjaan (SMDKBK), 2014 ABSTRAKSI Untuk memantau atau memonitor dampak krisis global yang terjadi di indonesia khususnya di bidang ketenagakerjaan
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian-penelitian di bidang kesehatan sering dijumpai salah satu jenis data yang disebut dengan data antar kejadian atau data survival. Data survival
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis survival adalah analisis data yang memanfaatkan informasi kronologis dari suatu kejadian atau peristiwa (event). Respon yang diperhatikan adalah waktu sampai
Lebih terperinciPERLUASAN REGRESI COX DENGAN PENAMBAHAN PEUBAH TERIKAT-WAKTU
E-Jurnal Matematika Vol. 3 3), Agustus 2014, pp. 86-91 ISSN: 2303-1751 PERLUASAN REGRESI COX DENGAN PENAMBAHAN PEUBAH TERIKAT-WAKTU Luh Putu Ari Dewiyanti 1, Ni Luh Putu Suciptawati 2, I Wayan Sumarjaya
Lebih terperinciSurvei Angkatan Kerja Nasional (SAKERNAS), 2013
BADAN PUSAT STATISTIK Survei Angkatan Kerja Nasional (SAKERNAS), 2013 ABSTRAKSI Sakernas dirancang khusus untuk mengumpulkan data yang dapat menggambarkan keadaan umum ketenagakerjaan. Sakernas Tahunan
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Estimasi fungsi survival atau biasa disebut regresi fungsi survival merupakan bagian penting dari analisis survival. Estimasi ini biasa digunakan dalam
Lebih terperinciSurvei Demografi dan Kesehatan Indonesia, 2012
BADAN PUSAT STATISTIK Survei Demografi dan Kesehatan Indonesia, 2012 ABSTRAKSI Survei Demografi dan Kesehatan Indonesia 2012 (SDKI12) merupakan SDKI yang ketujuh mengenai kondisi demografi dan kesehatan
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Secara umum, analisis survival dapat didefinisikan sebagai seperangkat metode yang digunakan untuk menganalisis data di mana variabel outputnya berupa lama
Lebih terperinciPEMODELAN REGRESI COX DAN REGRESI WEIBULL WAKTU SEMBUH DIARE PADA BALITA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 50-55 pissn : 2460-3333 eissn : 2579-907X PEMODELAN REGRESI COX DAN REGRESI WEIBULL WAKTU SEMBUH DIARE PADA BALITA Siti Alfiatur Rohmaniah 1 dan Danardono 2 1 Universitas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Banyak jenis data memiliki struktur hirarki, tercluster, atau bersarang (nested). Hirarki tersebut dapat hadir secara alami dalam pengamatan observasional
Lebih terperinciPENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE
Vol. 12, No. 1, 9-18, Juli 2015 PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Raupong, M. Saleh AF, Hasruni Satya Taruma Abstrak Penaksiran rataan dan variansi
Lebih terperinciSurvei Sosial Ekonomi Nasional (SUSENAS) Kor, 2017
BADAN PUSAT STATISTIK Survei Sosial Ekonomi Nasional (SUSENAS) Kor, 2017 ABSTRAKSI Badan Pusat Statistik (BPS) bertanggung jawab atas tersedianya data yang diperlukan untuk perencanaan pembangunan sektoral
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinci(R.6) REGRESI MULTILEVEL ZERO INFLATED POISSON UNTUK PEMODELAN DATA RESPON COUNT (Studi Kasus: Kejadian Kematian Bayi)
(R.6) REGRESI MULTILEVEL ZERO INFLATED POISSON UNTUK PEMODELAN DATA RESPON COUNT (Studi Kasus: Kejadian Kematian Bayi) 1 Parwoto, 2 Septiadi Padmadisastra, 3 Anna Chadidjah 1 Mahasiswa Magister Statistika
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciSurvei Sosial Ekonomi Nasional (SUSENAS) Modul Ketahanan Sosial, 2014
BADAN PUSAT STATISTIK Survei Sosial Ekonomi Nasional (SUSENAS) Modul Ketahanan Sosial, 2014 ABSTRAKSI Di tengah kompleksitas persoalan dunia saat ini, masyarakat semakin menaruh perhatian pada bagaimana
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciJl. Ir. H. Juanda No. 4 Dago Dosen Jurusan Statistika Universitas Islam Bandung
(R.13) PENENTUAN DETERMINAN PENGHENTIAN PEMAKAIAN KONTRASEPSI DENGAN REGRESI COX PROPORTIONAL HAZARD DAN PENGELOMPOKAN AKSEPTOR KELUARGA BERENCANA (KB) DENGAN SURVIVAL TREE 1Dewa Ayu Eka Sumarningsih,
Lebih terperinciSurvei Sosial Ekonomi Nasional (SUSENAS) Kor, 2013
BADAN PUSAT STATISTIK Survei Sosial Ekonomi Nasional (SUSENAS) Kor, 2013 ABSTRAKSI Badan Pusat Statistik (BPS) bertanggung jawab atas tersedianya data yang diperlukan untuk perencanaan pembangunan sektoral
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciIndonesia - Survei Angkatan Kerja Nasional 2017 Februari
Katalog Datamikro - Badan Pusat Statistik Indonesia - Survei Angkatan Kerja Nasional 2017 Februari Laporan ditulis pada: February 20, 2018 Kunjungi data katalog kami di: https://microdata.bps.go.id/mikrodata/index.php
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciUji Coba SUPAS 2015, 2014
BADAN PUSAT STATISTIK Uji Coba SUPAS 2015, 2014 ABSTRAKSI Survei Penduduk Antar Sensus (SUPAS) merupakan survey kependudukan yang dilaksanakan setiap lima tahun setelah pelaksanaan sensus penduduk. SUPAS2015
Lebih terperinciKata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 9 16 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciSurvei Angkatan Kerja Nasional (SAKERNAS), 2014
BADAN PUSAT STATISTIK Survei Angkatan Kerja Nasional (SAKERNAS), 2014 ABSTRAKSI Sakernas dirancang khusus untuk mengumpulkan data yang dapat menggambarkan keadaan umum ketenagakerjaan. Sakernas tahunan
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIndonesia - Survei Sosial Ekonomi Nasional 2016 Maret (KOR)
Katalog Datamikro - Badan Pusat Statistik Indonesia - Survei Sosial Ekonomi Nasional 2016 Maret (KOR) Laporan ditulis pada: December 14, 2016 Kunjungi data katalog kami di: http://microdata.bps.go.id/mikrodata/index.php
Lebih terperinciBAB I PENDAHULUAN. Dalam penelitian di dunia teknologi, khususnya bidang industri dan medis
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penelitian di dunia teknologi, khususnya bidang industri dan medis sering kali analisis data uji hidup digunakan. Analisis data uji hidup sendiri bertujuan
Lebih terperinciSurvei Pengukuran Tingkat Kebahagiaan, 2014
BADAN PUSAT STATISTIK Survei Pengukuran Tingkat Kebahagiaan, 2014 ABSTRAKSI Salah satu tujuan pembentukan pemerintahan negara Indonesia adalah untuk memajukan kesejahteraan umum (public well-being). Konsekuensinya,
Lebih terperinciBAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinciSurvei Perilaku Peduli Lingkungan Hidup, 2013
BADAN PUSAT STATISTIK Survei Perilaku Peduli Lingkungan Hidup, 2013 ABSTRAKSI SPPLH 2013 adalah survei bertema lingkungan hidup dengan pendekatan rumah tangga. SPPLH merupakan wujud kepedulian BPS atas
Lebih terperinciSurvei Angkatan Kerja Nasional (SAKERNAS), 2015
BADAN PUSAT STATISTIK Survei Angkatan Kerja Nasional (SAKERNAS), 2015 ABSTRAKSI Data ketenagakerjaan yang dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus dan survei antara lain: Sensus Penduduk
Lebih terperinciPenyusunan Indikator Perilaku Peduli Lingkungan Hidup, 2015
BADAN PUSAT STATISTIK Penyusunan Indikator Perilaku Peduli Lingkungan Hidup, 2015 ABSTRAKSI Proses pembangunan seringkali dilakukan hanya untuk mengejar pertumbuhan ekonomi, tanpa mempertimbangkan aspek
Lebih terperinciSurvei Sosial Ekonomi Nasional (SUSENAS) Kor, 2016
BADAN PUSAT STATISTIK Survei Sosial Ekonomi Nasional (SUSENAS) Kor, 2016 ABSTRAKSI Badan Pusat Statistik (BPS) bertanggung jawab atas tersedianya data yang diperlukan untuk perencanaan pembangunan sektoral
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
24 BAB 4 METODOLOGI PENELITIAN 4.1 Desain Penelitian Penelitian ini merupakan studi analitik terhadap data dasar sekunder dari Survei Demografi dan Kesehatan (SDKI) tahun 2007. Desain penelitian yang digunakan
Lebih terperinciMODEL REGRESI PROBIT BIVARIAT
MODEL REGRESI PROBIT BIVARIAT NURFIDAH DWITIYANTI Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta PGRI Jl. Nangka No. 58 C, Tanjung Barat,
Lebih terperinciSurvei Perlindungan Sosial (Suplemen Susenas 2013 Triwulan I), 2013
BADAN PUSAT STATISTIK Survei Perlindungan Sosial (Suplemen Susenas 2013 Triwulan I), 2013 ABSTRAKSI Badan Pusat Statistik (BPS) bertanggung jawab atas tersedianya data yang diperlukan untuk perencanaan
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciIII. METODE PENELITIAN
31 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Daerah yang menjadi analisis studi ini adalah Provinsi Nusa Tenggara Timur yang mencakup 19 kabupaten dan kota. Penelitian ini menggunakan data sekunder
Lebih terperinciIndonesia - Survei Demografi dan Kesehatan Indonesia 2007
Katalog Datamikro - Badan Pusat Statistik Indonesia - Survei Demografi dan Kesehatan Indonesia 2007 Laporan ditulis pada: December 30, 2014 Kunjungi data katalog kami di: http://microdata.bps.go.id/mikrodata/index.php
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 173-181 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI COX PROPORTIONAL HAZARDS PADA DATA LAMA STUDI
Lebih terperinciPelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)
Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi S-28 Bertho Tantular 1) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD berthotantular@gmail.com Abstrak Secara umum model
Lebih terperinciDAFTAR ISI. Halaman. viii
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii KATA PENGANTAR... iv ABSTRAK... vi ABSTACT... vii DAFTAR ISI... viii DAFTAR SIMBOL... xi DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv DAFTAR
Lebih terperinciESTIMASI VARIANS DENGAN PENDEKATAN METODE RESCALED BOOTSTRAP
ESTIMASI VARIANS DENGAN PENDEKATAN METODE RESCALED BOOTSTRAP Sapta Hastho Ponco 1 *, Septiadi Padmadisastra 2, Gatot Riwi Setyanto 2 Mahasiswa Program Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciPEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 29-34 ISSN: 2303-1751 PEMODELAN JUMLAH ANAK PUTUS SEKOLAH DI PROVINSI BALI DENGAN PENDEKATAN SEMI-PARAMETRIC GEOGRAPHICALLY WEIGHTED POISSON REGRESSION GUSTI
Lebih terperinciSurvei Angkatan Kerja Nasional (SAKERNAS), 2016
BADAN PUSAT STATISTIK Survei Angkatan Kerja Nasional (SAKERNAS), 2016 ABSTRAKSI Data ketenagakerjaan yang dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus dan survei antara lain: Sensus Penduduk
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciSurvei Sosial Ekonomi Nasional (SUSENAS) Kor, 2015
BADAN PUSAT STATISTIK Survei Sosial Ekonomi Nasional (SUSENAS) Kor, 2015 ABSTRAKSI Salah satu survei yang diselenggarakan oleh BPS secara rutin setiap tahun adalah Survei Sosial Ekonomi Nasional (Susenas).
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI LOG-LOGISTIK ABSTRAK
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 83-92 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI LOG-LOGISTIK Ibnu
Lebih terperinciSurvei Angkatan Kerja Nasional (Sakernas) Semesteran, 2017
BADAN PUSAT STATISTIK Survei Angkatan Kerja Nasional (Sakernas) Semesteran, 2017 ABSTRAKSI Data ketenagakerjaan yang dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus dan survei antara lain:
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciRESIDUAL COX-SNELL DALAM MENENTUKAN MODEL TERBAIK DALAM ANALISIS SURVIVAL
Jurnal Dinamika, September 204, halaman - ISSN 2087-7889 Vol. 05. No. 2 RESIDUAL COX-SNELL DALAM MENENTUKAN MODEL TERBAIK DALAM ANALISIS SURVIVAL Rahmat Hidayat Program Studi Matematika, Fakultas Sains
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciBAB I PENDAHULUAN. tinjauan pustaka dan sistematika penulisan Tesis yaitu sebagai berikut.
BAB I PENDAHULUAN Pada bab ini dijelaskan mengenai latar belakang yang mendasari penelitian ini. Berdasarkan latar belakang yang telah disusun, ditentukan tujuan penelitian agar penelitian ini memiliki
Lebih terperinciAnalisis Survival Parametrik Pada Data Tracer Study Universitas Sriwijaya
Analisis Survival Parametrik Pada Data Tracer Study Universitas Sriwijaya Alfensi Faruk Jurusan Matematika, Fakultas MIPA, Universitas Sriwijaya e-mail: alfensifaruk@unsri.ac.id Abstract: In this study,
Lebih terperinci1. PENDAHULUAN. Kata Kunci: regresi cox, cox proportional hazards, diabetes mellitus, ketahanan hidup. Seminar Nasional Matematika
ANALISIS REGRESI COX PROPORTIONAL HAZARDS PADA KETAHANAN HIDUP PASIEN DIABETES MELLITUS Ninuk Rahayu, Adi Setiawan, Tundjung Mahatma Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen
Lebih terperinciANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN BAYI BERAT BADAN LAHIR RENDAH
Jurnal Matematika UNAND Vol. 4 No. 1 Hal. 53 60 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI LOGISTIK DENGAN METODE PENDUGA BAYES UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciBAB III LANDASAN TEORI. analisis kesintasan bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan,
17 BAB III LANDASAN TEORI 3.1 Data Analisis Survival (Survival Analysis) Analisis survival (survival analysis) atau analisis kelangsungan hidup atau analisis kesintasan bertujuan menaksir probabilitas
Lebih terperinciMonitoring Kualitas Sensus Pertanian (MK ST), 2013
BADAN PUSAT STATISTIK Monitoring Kualitas Sensus Pertanian (MK ST), 2013 ABSTRAKSI MK dilakukan terhadap dua kegiatan lapangan ST2013, yaitu monitoringkualitas pemutakhiran rumah tangga (MKP) dan monitoring
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
Lebih terperinciSurvei Migrasi Internasional dan Remitan, 2013
BADAN PUSAT STATISTIK Survei Migrasi Internasional dan Remitan, 2013 ABSTRAKSI Migrasi Internasional dan remitan memegang peran yang penting bagi kondisi sosial ekonomi di Indonesia. Berdasarkan data Bank
Lebih terperinciREGRESI COX MULTIVARIAT DENGAN DISTRIBUSI WIEBULL MULTIVARIAT
1 Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 REGRESI COX MULTIVARIAT DENGAN DISTRIBUSI WIEBULL MULTIVARIAT 1 Irfan Wahyudi 1 Mahasiswa S-3 Statistika FMIPA ITS,
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciPenjelasan umum Riset Kesehatan Dasar 2013
Penjelasan umum Riset Kesehatan Dasar 2013 Badan Penelitian dan Pengembangan Kesehatan Kementerian Kesehatan RI Riskesdas 2013: Pengertian Riset berbasis masyarakat untuk menyediakan informasi indikator
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 94-98 ISSN: 2303-1751 PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
Lebih terperinciModel Survival Nonparametrik Pada Data Rawat Inap Pasien Diare di Puskesmas Indralaya
Jurnal Matematika Vol. 5 No.2, Desember 2015. ISSN: 1693-1394 Model Survival Nonparametrik Pada Data Rawat Inap Pasien Diare di Puskesmas Indralaya Ali Amran Jurusan Matematika, Fakultas MIPA, Universitas
Lebih terperinciPEMODELAN LENGTH OF STAY PASIEN IGD DENGAN MODEL EXTENDED COX MENGGUNAKAN R
PEMODELAN LENGTH OF STAY PASIEN IGD DENGAN MODEL EXTENDED COX MENGGUNAKAN R David Hadi Saputra 1)*, Septiadi Padmadisastra 1), Sudartianto 1) 1 Departemen Statistika Fakultas MIPA Universitas Padjadjaran,
Lebih terperinciISSN: X 27 MODEL COX EXTENDED UNTUK MENGATASI NONPROPORTIONAL HAZARD PADA KEJADIAN BERSAMA
ISSN: 067X 7 MODEL COX EXTENDED UNTUK MENGATASI NONPROPORTIONAL HAZARD PADA KEJADIAN BERSAMA Anita Nur Vitriana a, Rosita Kusumawati b a Program Studi Matematika FMIPA UNY Jl. Colombo No. Yogyakarta, anitavtrn@gmail.com
Lebih terperinciESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II
ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih A 1* Rini Cahyandari 2 Tarkinih 3 123 Program
Lebih terperinciSurvei Angkatan Kerja Nasional (Sakernas) Semesteran, 2015
BADAN PUSAT STATISTIK Survei Angkatan Kerja Nasional (Sakernas) Semesteran, 2015 ABSTRAKSI Data ketenagakerjaan yang dikumpulkan oleh Badan Pusat Statistik (BPS) melalui sensus dan survei antara lain:
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciInformasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani
Lebih terperinciSurvei Penduduk Antar Sensus (SUPAS), 2015
BADAN PUSAT STATISTIK Survei Penduduk Antar Sensus (SUPAS), 2015 ABSTRAKSI Survei Penduduk Antar Sensus (SUPAS) merupakan survey kependudukan yang dilaksanakan setiap lima tahun setelah pelaksanaan sensus
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)
Lebih terperinciPenghitungan Penduduk dan Rumah Tangga untuk Penimbang Survei Kependudukan, 2013
BADAN PUSAT STATISTIK Penghitungan Penduduk dan Rumah Tangga untuk Penimbang Survei Kependudukan, 2013 ABSTRAKSI Pengumpulan data kependudukan secara lengkap melalui sensus memerlukan biaya yang sangat
Lebih terperinci(R.8) ANALISIS TRIPLE SYSTEM ESTIMATION PADA SENSUS PENDUDUK 2010
(R.8) ANALISIS TRIPLE SYSTEM ESTIMATION PADA SENSUS PENDUDUK 2010 Sri Suharti 1), Gandhi Pawitan 2), dan Gatot Riwi Setyanto 3) 1) Staf BPS Riau, mahasiswa Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinci