Buku Refereaqi : Statistlka

Ukuran: px
Mulai penontonan dengan halaman:

Download "Buku Refereaqi : Statistlka"

Transkripsi

1 Buu Refereaq : Sasla

2 PENGANTAR BOOTSTRAP DAN APLIKASINA Dr. Suarma, M.S., DEA JPMIPA FKIP UAD Press ogyaara

3 PENGANTAR BOOTSTRAP DAN APLIKASINA Oleh : Dr. Suarma, M.S., DEA Ha ada Peuls Peerb : JPMIPA FKIP UAD Press Jl. Prof. Dr. Soeomo, SH, Warugboo ogyaara Ha ca dldug udag-udag. Dlarag memerbaya buu sebaga aau seluruhya, dalam beu da dega cara aa u juga, ba secara meas mauu eleros, ermasu fooo, reama, da la-la aa z eruls dar euls. Eds erama Ceaa erama, Edor : Sugyaro, M.S., Ph.D Desa Cover : Magsera Lagraum Seg : Ayudea Az Zahra Zulfa Dr. Suarma, M.S., DEA Pegaar Boosra da Alasya, ogyaara : JPMIPA FKIP UAD Press, v+6 hlm; cm ISBN : Sasa : Buu Referes Kua Pasal 44 : Sags elaggara udag-udag ha ca 987. Barag saa dega segaja da aa ha megumuma aau memerbaya suau caa aau member j uu u, ddaa dega daa ejara alg lama 7 (ujuh) ahu da/aau deda alg baya R..,- (seraus jua ruah).. Barag saa dega segaja meyara, memamera, megedara, aau mejual eada umum suau caa aau barag hasl elaggara ha ca sebagamaa dmasud aya (sau), ddaa dega daa ejara alg lama 5 (lma) ahu da/aau deda alg baya R 5..,- (lma uluh jua ruah).

4 Kaa Pegaar KATA PENGANTAR Buu dsusu berdasara eela da egajara yag euls laua selama lma ahu. D samg u, euls juga elah megaj berbaga leraur da hasl eela. Buu duls sebaga buu referes uu ara eel, ara egajar d Pergurua Tgg da ara mahasswa dalam memaham Meode Boosra. Dalam buu dseraa beberaa alasya sehgga membua buu coco juga uu ara ras yag g memaham Meode Boosra da ermasalaha yag bsa dselesaa dega meode. Dalam buu dbahas berbaga hal, yau : ) Meode Boosra dalam Iferes Model Eoomer, ) Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa 3) Meode Boosra dalam Model Regres Gada, 4) Model Boosra dalam Model Boosra dalam Iferes Model Regres Polomal da 5) Meode Boosra dalam Uj Hoess Megea Dua Mea Poulas. Karea saya da mug meyelesaa buu sedra, daya g megucaa baya erma ash ada berbaga ha yag elah meduug elacara eulsa buu. Ahrya euls ea megharaa berbaga masua, r da sara dem erbaa arya d masa yag aa daag. ogyaara, Seember Peuls Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

5 Kaa Pegaar Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA v

6 Dafar Is DAFTAR ISI KATA PENGANTAR DAFTAR ISI v BAB METODE BOOTSTRAP DALAM INFERENSI MODEL EKONOMETRIK. Rumusa masalah. Boosra.3 Model Eoomer.4 Hasl da Pembahasa 6.5 Kesmula 9 BAB METODE BOOTSTRAP DALAM INFERENSI MODEL SUBSET LAG ANG DIDISTRIBUSIKAN. Rumusa Masalah. Meode.3 Hasl Da Pembahasa 5.4 Kesmula BAB 3 METODE BOOTSTRAP DALAM INFERENSI MODEL 3 REGRESI GANDA 3. Rumusa Masalah 3 3. Meode Hasl Da Pembahasa Kesmula 3 BAB 4 METODE BOOTSTRAP DALAM INFERENSI MODEL 33 REGRESI POLINOMIAL 4. Rumusa Masalah Meode Peela Hasl Da Pembahasa Kesmula 43 BAB 5 METODE BOOTSTRAP DALAM UJI HIPOTESIS MENGENAI DUA MEAN POPULASI 47 Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA v

7 Dafar Is 5. Rumusa Masalah Meode Hasl Da Pembahasa Kesmula 56 DAFTAR PUSTAKA 57 Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA v

8 Bab Meode Boosra dalam Iferes Model Eoomer BAB METODE BOOTSTRAP DALAM INFERENSI MODEL EKONOMETRIK. RUMUSAN MASALAH Algorma boosra adalah meode berbass omuer yag saga oesal uu derguaa ada masalah feres sas. Salah sau coohya adalah egguaa algorma boosra uu megferes arameer model eoomer. Dalam meode las ara eel medasara ada asums bahwa gaggua sohas dalam model eoomer dagga berdsrbus ormal. Peysa gaggua sohas e dalam model eoomer dsebaba oleh area edasemuraa sesfas beu maemas model. Permasalahaya searag adalah bagamaa ja eryaa gaggua sohas ersebu da deahu dsrbusya. Secara alaf, baya faa meujua bahwa dalam suau eela adagadag a megalam esula meeua beu dsrbus dar gaggua sohas. Dalam hal lah meode boosra dguaa sebaga aleraf. Boosra sedr berdasar dar slah ull oe self u by oe s boosra yag daa dara berusaha dega sumber daya yag mmal (Elfro ad Tbshra, 993). Dalam ermasalaha sas sumber daya yag mmal daa dara sebaga daa yag sed, daa yag meymag dar asums ereu baha daa yag da meml asums aau eag dsrbusya. Tujua uama egguaa boosra adalah uu memeroleh esmas yag sebabaya berdasar daa yag mmal dega baua omuer. Prs dasar boosra adalah resamlg yau egambla samel ulag/buaa dar observas,,, yag elah ada. Hal saga jelas membau eel ja dalam suau eela, samel yag deroleh saga mm da erdesa oleh ods dmaa da memuga uu meambah aau memerbaya samel eela. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

9 Bab Meode Boosra dalam Iferes Model Eoomer. BOOTSTRAP Msala Fˆ adalah dsrbus emr yag dambl dega robablas / ada sea la yag dama,,...,. Samel boosra ddefsa sebaga samel radom beruura dsusu dar Fˆ, msal samel boosra e-b (b =,,..., B) doasa dega b b b,,,. Samel boosra b b b,,, adalah samel radom beruura yag dambl dega egembala dar oulas,,...,. Aggoa daa boosra b b b,,, beraggoaa samel asl,,...,, yag mucul seal, dua al aau lebh baha da mucul dalam roses egembala ulag samel asl ersebu. Perbadga aara ods sebearya da ods boosra daa dgambara sebaga beru : Kods Sebearya Samel asl,,..., ~ F adalah samel radom beruura dar dsrbus F yag da deahu (F) adalah la rl dar suau arameer yag mejad erhaa. Ja T adalah sas uu maa ˆ T(,,, ). Kods Boosra Samel boosra b b b,,, ~ Fˆ adalah samel buaa beruura dar dsrbus Fˆ. (Fˆ ) ˆ b b b T(,,, )..3 MODEL EKONOMETRIK Dalam baga duraa feres arameer uu ga model eoomer yau : model auoregresf, model regres gada da model regres olomal. Auoregresf Msala,,..., adalah suau ruu wau berharga rl. Ruu wau ersebu daaa meml model AR dega orde, doasa sebaga AR(), ja memeuh ersamaa sohas beru (Brocwell ad Davs, 99; Bo e al., 994): Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

10 z d maa adalah orde deahu,,,, Bab Meode Boosra dalam Iferes Model Eoomer,,, adalah veor oefse da z adalah suau barsa gaggua sohas dega mea ol da varas. Daa des harga saham gabuga (IHSG), daa des harga osume, da daa laju flas meruaa beberaa cooh daa rl yag daa dmodela oleh model AR. Selajuya model AR dsebu sasoer ja da haya ja ersamaa suu baya beru (u) u berla ol uu la u d luar lgara dega jar-jar sama dega sau (Brocwell ad Davs, 99). Berdasara daa ( =,,, ), selajuya a aa berusaha uu measr harga da. Peasr uadra erecl uu da deroleh dega memmala jumlah uadra esalaha. Peasr uadra erecl uu adalah ˆ (' ) ' d maa (,,, ) da Sedaga easr uadra erecl uu adalah ' ˆ' ' ˆ Aabla asra ersebu dsubusa e dalam model, maa modelya daa dguaa uu memreds la ˆ. Lagahlagah omuas uu meeua erval eercayaa ( )% uu meramala la ˆ adalah sebaga beru : Hug la ˆ da ˆ dar daa asl. Hug zˆ dega megguaa ersamaa z Uu b =,,., B : ˆ. () Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 3

11 Bab Meode Boosra dalam Iferes Model Eoomer o Resamlg (b) zˆ. o Hug (b) ˆ b. zˆ o Hug (b) ˆ, (b) ˆ da (b) ˆ. Hug ˆ, boo ˆ da. boo ˆ ( )(boo) dega megguaa ersamaa Hug erval eercayaa ( )% uu ˆ. Regres Polomal Msala y adalah varabel a bebas, varabel yag mejelasa, z adalah gaggua yag sohas, da meyaaa egamaa yag e-, maa model regres olomal orde m bsa duls sebaga (Gujara, 978) m y a a a a () Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 4 m z uu =,, 3,,. D maa m adalah orde deahu, a a,a,, adalah veor oefse da z adalah barsa a m gaggua sohas dega mea da varas. Ka oasa. Daa laju flas vs daa des harga osume da daa laju flas vs daa urs valua asg meruaa beberaa cooh daa rl yag daa dmodela oleh model regres olomal. Berdasara daa ( =,,, ), selajuya a aa berusaha uu measr harga a, da. Peasr uadra erecl uu a a,a,, adalah d maa â ( ), y,, y ) (y da 3 3 Peasr LSE uu ˆ ' â' ' m 3 adalah a m

12 Bab Meode Boosra dalam Iferes Model Eoomer Lagah-lagah omuas uu meeua erval eercayaa ( )% uu yˆ adalah sebaga beru : Hug â da ˆ dar daa asl. Hug zˆ dega megguaa ersamaa z y a m. â Uu b =,,., B : o Resamlg (b) zˆ. o Huglah (b) y y (b) a m â zˆ dega megguaa ersamaa (b) o Huglah (b) ˆ, (b) ˆ da (b) yˆ. Huglah ˆ, boo ˆ da. boo yˆ ( )(boo) Huglah erval eercayaa ( )% uu yˆ.. Regres Gada Msala y adalah varabel a bebas,,,..., adalah varabel yag mejelasa, z adalah gaggua yag sohas, da meyaaa egamaa yag e-, maa model regres gada bsa duls sebaga (Johso, 97; Gujara, 978) y 3) z uu =,, 3,,. D maa oefse da z b (b,b,,b )' adalah veor adalah barsa gaggua sohas dega mea da varas. Daa laju flas vs daa urs valua asg ($ dolar, Euro, e) meruaa beberaa cooh daa rl yag daa dmodela oleh model regres gada. Berdasara daa, 3, 4,, ( =,,, ), aa dasr harga b da. Peasr uadra erecl uu b adalah ˆ ( ) d maa (y, y,, y ) da Sedaga easr uadra erecl uu adalah Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 5

13 Bab Meode Boosra dalam Iferes Model Eoomer ' bˆ' ' ˆ Lagah-lagah omuas uu meeua erval eercayaa ( )% uu yˆ adalah sebaga beru : Huglah bˆ da ˆ dar daa asl. Huglah zˆ dega megguaa ersamaa zˆ yˆ ˆ ˆ ˆ ˆ. Uu b =,,., B : o Resamlg (b) zˆ. o Huglah (b) y y (b) zˆ. (b o Huglah (b) ˆ, ) ˆ da (b) yˆ. Huglah ˆ, boo ˆ da. boo yˆ ( )(boo) Huglah erval eercayaa ( )% uu yˆ dega ersamaa (b).4 HASIL DAN PEMBAHASAN Sebaga lusras, a aa meeraa algorma boosra uu megferes arameer daa AR sess da daa rl. Sud smulas (Law ad Kelo, ) demuh uu megofrmas erja dar algorma boosra aaah daa beerja dega ba. Sedaga sud asus dbera uu membera cooh eeraa eela dalam memecaha ermasalaha dalam ehdua seharhar. D s resamlg dlaua sebaya B = da roballas esalaha jes, 5. Daa Sess Gambar. meujua daa sess regres oloal orde. Nla deua sedaga la y dbua dega megguaa ersamaa (3) d aas. Nla oefse regres da varas gaggua sohas adalah a =.57, a = -.85, a =.9 da 9. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 6

14 Bab Meode Boosra dalam Iferes Model Eoomer Gambar. Daa sess Berdasara daa sess ersebu, selajuya megesmas oefse regres olomal da varas dega megguaa algorma boosra. Haslya adalah â. 6, â. 8, â. 9 da ˆ Aabla la arameer da la esmaorya ba uu oefse regres da varas erlha bahwa algorma boosra daa beerja dega ba dalam megesmas arameer berdasara daa sess. Daa Rl Tabel. meujua laju flas bulaa (y) da des harga osume () d Idoesa uu erode Mare 6 sama dega Oober 7. Iflas adalah daor yag membera formas eag dama erembaga harga barag da jasa yag dosums masyaraa. Sedaga des harga osume (IHK) adalah aga/des yag meujua erbadga relave aara ga harga (osums/ecera) ada saa bula survey da harga ersebu ada bula sebelumya. Tabel. Laju flas da des harga osume. (Sumber : h:// Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 7

15 Bab Meode Boosra dalam Iferes Model Eoomer Daa ada Tabel. dcocoa erhada regres olomal orde. Algorma boosra dguaa uu medaaa esmaor arameer model regres da varas. Selajuya model yag deroleh dguaa uu memreds flas aabla IHK = Haslya dsaja ada Tabel.. â ˆ yˆ Ierval Keercayaa 95% uu yˆ (-44.69,.59, -.)..6 (.,.) Tabel.. Esmaor boosra Tabel.3 meujua laju flas bulaa da erembaga harga raa-raa valua asg (US $, Euro, e) d Jaara uu erode Mare 6 sama dega Oober 7. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 8 Tabel.3. Laju flas da harga raa-raa valua asg (Sumber : h:// Daa ada Tabel.3 dcocoa erhada regres gada. Algorma boosra dguaa uu medaaa esmaor arameer model regres da varas. Selajuya model yag deroleh dguaa uu memreds la flas ( yˆ ) aabla US $ =9., Euro = 3.3 da e = Haslya dsaja ada Tabel.4. ˆ ˆ yˆ Ierval Keercayaa 95% uu yˆ (-5.7,.5,.3,.).9.8 (.5,.) Tabel.4. Esmaor boosra

16 Bab Meode Boosra dalam Iferes Model Eoomer.5 KESIMPULAN Uraa d aas meujua bahwa beaa sederhaaya algorma boosra daa dguaa uu meghasla asra arameer/oefse hubuga esmaor dalam model auoregresf, regres gada da regres olomal aabla gaggua sohasya adalah dsrbus yag da deahu. Dar hasl smulas meujua bahwa algorma boosra daa measr arameerarameer u dega ba. Sebaga mlemeas meode boosra, dambl dua daa rl yau : laju flas vs harga raa-raa valua asg da des harga osums vs laju flas. Kedua daa ersebu meruaa daa dar bula Mare 6 sama dega Oober 7. Uu daa laju flas vs harga raa-raa osums, model ada ersamaa () daa dselesaa dega megguaa rosedur algorma boosra da meghasla yˆ Sedaga uu daa flas vs harga raa-raa valua asg, model ersamaa (3) daa dselesaa dega megguaa rosedur algorma boosra da meghasla yˆ Tasra saga bermafaa bag egambla euusa, msalya uu memreds daor eoom (laju flas, des harga osums) ada bula November 7 da seerusya. Mesu dalam arel haya dbahas ga model eoomer (auoregresf, regres olomal da regres gada), ea algorma boosra daa deraa juga ada model-model eoomer yag laya. Dalam arel, resamlg dlaua erhada gaggua sohas. Pedalama da erluasa algorma boosra daa demuh dega melaua resamlg erhada asaga varabel y da varabel (Maco, 6). 3 Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 9

17 Bab Meode Boosra dalam Iferes Model Eoomer Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

18 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa BAB METODE BOOTSTRAP DALAM INFERENSI MODEL SUBSET LAG ANG DIDISTRIBUSIKAN. RUMUSAN MASALAH Dalam aalss regres yag melbaa daa derea wau, ja model regres memasua da haya la varabel yag mejelasa saa, a juga la masa lalu (lagged), model ad dsebu model lag yag ddsrbusa (Greee, 3; Balag, 8; Wooldrdge, 9). Model ad dsebu juga model lag yag ddsrbusa euh. Dalam asus daa derea wau meujua beberaa erlau erod, emodela lag yag ddsrbusa euh serg meghasla oefse yag medea ol ada beberaa lag. Koefse erlu dhlaga melalu ose subse sehgga meghasla model subse lag yag ddsrbusa. Model subse lag yag ddsrbusa adalah e yag dguaa uu memreds la varabel yag a bebas dar varabel yag mejelasa ada berbaga lag. Msalya, hasl ejuala er ahu ergaug ada baya emasara ahu sebelumya, baya emasara ahu sebelumya da baya emasara 5 ahu sebelumya. Ja a erar uu memelajar egaruh gabuga dar varabel yag mejelasa ada berbaga lag, a daa megguaa e model subse lag yag ddsrbusa. Msala y adalah varabel era aau a bebas,, -, -,..., - adalah varabel yag mejelasa, z adalah gaggua yag sohas aau gala, da meyaaa egamaa yag e-, maa model subse lag yag ddsrbusa bsa duls sebaga : y z () uu =,, 3,,. D maa {,,..., } adalah hmua baga dar {,,,...,}, adalah veor oefse da z,,, )' ( adalah barsa gaggua sohas dega mea da varas. Daa des harga saham gabuga vs daa urs USD, daa osums vs edaaa, da daa jumlah uag vs laju flas meruaa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

19 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA beberaa cooh daa rl yag daa dmodela oleh model subse lag yag ddsrbusa. Cooh yag la, model subse lag yag ddsrbusa dguaa uu memodela daa emasara (Leeflag, P.S.H e al, ; Soeharama, 4) da daa erja erusahaa (Lee ad Km, 6). Berdasara daa, -, -, -3,, - ( =,,, ), erama aa dasr harga β, da. Selajuya aa deua la reds uu varabel era y uu = +.. METODE PENELITIAN Peasr Kuadra Terecl Persamaa () meruaa beu rgas uu seumula ersamaa smula beru : y z y z () y z Dalam beu mars, ersamaa () mejad z (3) d maa,,, z z z z da, Uu medaaa asra uadra erecl dar β, mar a mula-mula meulsa model subse lag yag ddsrbusa samel : e ˆ ˆ ˆ (4) uu =,, 3,,, yag daa duls secara rgas dalam oas mars sebaga : e ˆ (5) d maa

20 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 3,, ˆ ˆ ˆ ˆ, e e e e da. D s, ˆ adalah suau veor olom dar easr uadra erecl oefse model subse lag yag ddsrbusa da e adalah suau veor olom dar resdual. Meuru meode uadra erecl, easr uadra erecl deroleh dega memmuma e ˆ ˆ (y ) ˆ (6) I dcaa dega meurua (6) secara arsal erhada ˆ, ˆ,, ˆ da meyamaa hasl yag deroleh dega ol. Proses meghasla + ersamaa smula dalam + varabel yag da deahu. ˆ ˆ y ˆ ˆ y ˆ ˆ y (7) ˆ ˆ y Dalam beu mars, ersamaa (7) daa dsaja sebaga : )ˆ ' ( ' (8) d maa,, ˆ ˆ ˆ ˆ

21 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 4, da ' Kalau vers dar ( ) ada, aaa ( ) -, maa dega megala d mua edua ss dar (8) dega vers, a memeroleh ˆ (') (') ' (') aau ' (') ˆ. Peasr uadra erecl uu,,, adalah ( ) ˆ d maa ) y,, y, (y da, Aabla vers dar ( ) da ada, maa vers dar ( ) dega vers semu dar ( ). Dega megguaa easr uadra erecl uu, selajuya deua easr uadra erecl uu, yau : ' ˆ' ' ˆ Sas C Uu memlh model subse lag yag ddsrbusa erba dguaa rera sas C. Model subse lag yag ddsrbusa erba dlh adalah model subse lag yag ddsrbusa yag meml la C erecl. Nla C uu masg-masg model dhug dega megguaa ersamaa beru (Elfro ad Tbshra, 993) :

22 C Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa ˆ ˆ ˆ ( y ) ˆ.3 HASIL DAN PEMBAHASAN Sebaga lusras, a aa meeraa meode uadra erecl da sas C uu meeua la reds ada daa sess (sud smulas) da daa rl (sud asus). Sud smulas (Law ad Kelo, ) demuh uu megofrmas erja dar edeaa yag dusula aaah daa beerja dega ba. Sedaga sud asus dbera uu membera cooh eeraa eela dalam memecaha ermasalaha dalam ehdua sehar-har. Komuas duls dalam bahasa emrograma MATLAB (Haselma ad Llefeld, 997). Daa Sess Tabel meujua 8 daa sess model subse lag yag ddsrbusa. Nla deua sedaga la y dbua dega megguaa ersamaa () d aas. Nla oefse model subse lag yag ddsrbusa da varas gaggua sohas adalah = , =.636, da 3 =.6695 da =. Tabel : Daa sess Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 5

23 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Berdasara daa sess ersebu, selajuya megesmas oefse model subse lag yag ddsrbusa da varas dega megguaa meode uadra erecl. Pemlha model erba, dlaua dega melha la sas C uu le-7 model. Tabel : Nla sas C Varabel Tera Varabel Bebas Sas C ,76, -,44, -,7555 -, -,393, -, -,845 Dar Tabel erlha bahwa la sas C erecl dcaa oleh ersamaa model subse lag yag ddsrbusa e-5. Dega dema, model subse lag yag ddsrbusa e-5 lah yag meruaa model subse lag yag ddsrbusa erba. Berdasara model subse lag yag ddsrbusa erba, selajuya desmas arameer model subse lag yag ddsrbusa yag bersesuaa. Haslya adalah ˆ , ˆ.675, ˆ 3.75 da.7. Aabla la arameer da la esmaorya ba uu oefse regres mauu varas dbadga, erlha bahwa meode uadra erecl da sas C daa beerja dega ba dalam memlh model da megesmas arameer dar daa sess. Preds uu la y 8 ja 8 = da 6 = 6.7 adalah Daa Rl Tabel 3 meujua des harga saham gabuga (y ) da urs USD ( ) dar aggal 4 Jauar sama dega aggal 9 Ju (h:// da h:// Tabel 3 : Ides Harga Saham Gabuga da urs USD Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 6

24 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 7

25 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 8

26 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Daa ada Tabel 3 dcocoa erhada model subse lag yag ddsrbusa. Meode uadra erecl dguaa uu medaaa esmaor arameer model regres da varas. Pemlha model, dlaua dega melha la sas C uu e- 5 model. Tabel 4 : Nla sas C Varabel Bebas Varabel Tera Sas C Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 9

27 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa , , , , , , -3 4., -, , -, , -, , -, , -, -, Dar Tabel 4 erlha bahwa la sas C erecl dcaa oleh ersamaa model subse lag yag ddsrbusa e-9. Dega dema, model subse lag yag ddsrbusa e-9 lah yag meruaa model subse lag yag ddsrbusa erba. Berdasara model subse lag yag ddsrbusa erba, selajuya desmas arameer model subse lag yag ddsrbusa yag bersesuaa. Haslya adalah ˆ , ˆ 3. 6, ˆ, 4 5 da = 37,63. Preds uu la y 8 ja 6 = 93 da 4 = 95 adalah KESIMPULAN Uraa d aas meujua bahwa beaa sederhaaya meode uadra erecl da sas C daa dguaa uu meghasla asra arameer dalam model subse lag yag ddsrbusa da meeua la reds uu varabel era dalam model subse lag yag ddsrbusa. Dar hasl smulas meujua bahwa edeaa yag dusula daa measr arameer da meeua la reds dega ba. Sebaga mlemeas, dambl daa des harga saham gabuga (y ) da urs USD ( ) dar aggal 4 Jauar sama dega 9 Ju. Dega megguaa meode uadra erecl da sas C, deroleh model maema yau : Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

28 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa = Model maema saga bermafaa bag egambla euusa, msalya uu memredsa la varabel d masa medaag. Dalam arel, dbahas reds uu varabel era. Pedalama da erluasa daa demuh dega megados algorma Boosra (Efro ad Tbshra, 993) uu medaaa reds selag dar varabel era. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

29 Bab Meode Boosra dalam Iferes Model Subse Lag yag Ddsrbusa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA

30 Bab 3 Meode Boosra dalam Iferes Model Regres Gada BAB 3 METODE BOOTSTRAP DALAM INFERENSI MODEL REGRESI GANDA 3. RUMUSAN MASALAH Regres gada adalah e yag dguaa uu memreds la varabel yag a bebas dar dua aau lebh varabel yag mejelasa. Msalya, hasl ad er hear ergaug ada ualas beh, esubura aah, uu yag dguaa, emeraur, da curah huja. Ja a erar uu memelajar egaruh gabuga dar semua varabel ada hasl ad, a daa megguaa e regres gada. Keuuga ambaha e regres gada juga memuga a uu memelajar egaruh dvdual varabelvarabel erhada hasl ad. Msala y adalah varabel era aau a bebas,,,..., adalah varabel yag mejelasa, z adalah gaggua yag sohas aau gala, da meyaaa egamaa yag e-, maa model regres gada bsa duls sebaga (Allso, 999; Freud ad Wlso, 998) : y z () uu =,, 3,,. D maa (,,, )' adalah veor oefse da adalah barsa gaggua sohas dega mea z da varas. Daa laju flas vs daa urs valua asg ($ dollar, Euro, e) meruaa suau cooh daa rl yag daa dmodela oleh model regres gada (Suarma, 997). Cooh la daa demua dberbaga leraur (Duo, ; Hej e al., 4; Se ad Srvasawa, 99). Berdasara daa,, 3,, ( =,,, ), erama aa dasr harga β, da. Selajuya aa deua selag reds uu varabel era y. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 3

31 Bab 3 Meode Boosra dalam Iferes Model Regres Gada 3. METODE PENELITIAN Peasr Kuadra Terecl Persamaa () meruaa beu rgas uu seumula ersamaa smula beru : y z y z y z Dalam beu mars, ersamaa () mejad z (3) d maa z z,,, da z. z Uu medaaa asra uadra erecl dar β, mar a mula-mula meulsa regres gada samel : ˆ ˆ ˆ ˆ (4) e uu =,, 3,,, yag daa duls secara rgas dalam oas mars sebaga : ˆ e (5) d maa ˆ e ˆ,, ˆ e, da e. ˆ e D s, ˆ adalah suau veor olom dar easr uadra erecl oefse regres gada da e adalah suau veor olom dar resdual. Meuru meode uadra erecl, easr uadra erecl deroleh dega memmuma e ( y ˆ ˆ ˆ ˆ (6) ) () Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 4

32 Bab 3 Meode Boosra dalam Iferes Model Regres Gada I dcaa dega meurua (6) secara arsal erhada ˆ, ˆ,, ˆ da meyamaa hasl yag deroleh dega ol. Proses meghasla + ersamaa smula dalam + eubah yag da deahu. ˆ ˆ ˆ ˆ y ˆ ˆ ˆ ˆ y ˆ ˆ ˆ y (7) ˆ ˆ ˆ y Dalam beu mars, ersamaa (7) daa dsaja sebaga : ( ' )ˆ ' (8) d maa ˆ ˆ,, ˆ, ˆ da ' Kalau vers dar ( ) ada, aaa ( ) -, maa dega megala d mua edua ss dar (8) dega vers, a memeroleh (') (') ˆ (') ' aau ˆ (') ' Peasr uadra erecl uu ˆ ( ) d maa (y, y,, y ) da,, adalah,, Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 5

33 Bab 3 Meode Boosra dalam Iferes Model Regres Gada Sedaga easr uadra erecl uu adalah : ' ˆ' ' ˆ Sas C Uu measr orde dguaa rera sas C. Orde erba dlh adalah orde yag meml la C erecl. Nla C dhug dega megguaa ersamaa beru (Elfro ad Tbshra, 993) : C (y ˆ ˆ ˆ ) ˆ Meode Boosra Algorma boosra adalah meode berbass omuer yag saga oesal uu derguaa ada masalah feres sas (Gele, ). Salah sau coohya adalah egguaa algorma boosra uu megferes arameer model regres gada. Dalam meode las ara eel medasara ada asums bahwa gaggua sohas dalam model eoomer dagga berdsrbus ormal. Peysa gaggua sohas e dalam model eoomer dsebaba oleh area edasemuraa sesfas beu maemas model. Permasalahaya searag adalah bagamaa ja eryaa gaggua sohas ersebu da deahu dsrbusya. Secara alaf, baya faa meujua bahwa dalam suau eela adag-adag a megalam esula meeua beu dsrbus dar gaggua sohas. Dalam hal lah meode boosra dguaa sebaga aleraf. Boosra sedr berdasar dar slah ull oe self u by oe s boosra yag daa dara berusaha dega sumber daya yag mmal (Elfro ad Tbshra, 993). Dalam ermasalaha sas sumber daya yag mmal daa dara sebaga daa yag sed, daa yag meymag dar asums ereu baha daa yag da meml asums aau eag dsrbusya. Tujua uama egguaa boosra adalah uu memeroleh esmas yag sebabaya berdasar daa yag mmal dega baua omuer. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 6

34 Bab 3 Meode Boosra dalam Iferes Model Regres Gada Prs dasar boosra adalah resamlg yau egambla samel ulag/buaa dar observas z, z,, z yag elah ada. Hal saga jelas membau eel ja dalam suau eela, samel yag deroleh saga mm da erdesa oleh ods dmaa da memuga uu meambah aau memerbaya samel eela. Msala Fˆ adalah dsrbus emr yag dambl dega robablas / ada sea la yag dama z, z,...,z. Samel boosra ddefsa sebaga samel radom beruura dsusu dar Fˆ, msal samel boosra e-b (b =,,..., B) doasa dega b b b z,z,,. Samel boosra b b b z,z,, adalah samel radom z z beruura yag dambl dega egembala dar oulas z, z,...,z. Aggoa daa boosra b b b z,z,, beraggoaa samel asl z, z, z...,z, yag mucul seal, dua al aau lebh baha da mucul dalam roses egembala ulag samel asl ersebu. Perbadga aara ods sebearya da ods boosra daa dgambara sebaga beru : Kods Sebearya Kods Boosra Samel asl z, z,...,z ~ F adalah samel radom beruura dar dsrbus F yag da deahu (F) adalah la rl dar suau arameer yag mejad erhaa. Ja T adalah sas uu maa ˆ T(z, z,, z ). Samel boosra b b b z, z,, ~ z Fˆ adalah samel buaa beruura dar dsrbus Fˆ. (Fˆ ) ˆ b b b T(z,z,,z ). Lagah-lagah omuas uu meeua erval eercayaa ( )% uu yˆ adalah sebaga beru : Huglah ˆ da ˆ dar daa asl. Huglah zˆ Uu b =,,., B : Resamlg (b) zˆ. zˆ dega megguaa ersamaa yˆ ˆ ˆ ˆ ˆ. Huglah (b) y dega ersamaa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 7

35 Bab 3 Meode Boosra dalam Iferes Model Regres Gada y (b) Huglah (b) ˆ, (b) ˆ da (b) yˆ. Huglah ˆ, boo ˆ da. boo yˆ ( )(boo) zˆ. Huglah erval eercayaa ( )% uu yˆ (b) 3.3. HASIL DAN PEMBAHASAN Sebaga lusras, a aa meeraa algorma boosra uu meeua selag reds ada daa sess (sud smulas) da daa rl (sud asus). Sud smulas (Law ad Kelo, ) demuh uu megofrmas erja dar algorma boosra aaah daa beerja dega ba. Sedaga sud asus dbera uu membera cooh eeraa eela dalam memecaha ermasalaha dalam ehdua sehar-har. D s resamlg dlaua sebaya B = da roballas esalaha jes. 5. Algorma duls dalam bahasa emrograma MATLAB (Haselma ad Llefeld, 997). Daa Sess Tabel meujua daa sess regres gada orde. Nla da deua sedaga la y dbua dega megguaa ersamaa (3) d aas. Nla oefse regres da varas gaggua sohas adalah = 6, = 3, da = 5 da. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 8 Tabel : Daa sess

36 Bab 3 Meode Boosra dalam Iferes Model Regres Gada Berdasara daa sess ersebu, selajuya megesmas orde, oefse regres olomal da varas dega megguaa algorma boosra. Esmas orde, dlaua dega melha la sas C uu ga model. Tabel : Nla sas C Varabel Tera Varabel Bebas Sas C ,.843 Dar Tabel erlha bahwa la sas C erecl dcaa oleh ersamaa regres gada ega. Dega dema, regres gada ega lah yag meruaa model regres gada erba. Berdasara regres gada erba, selajuya desmas arameer model regres gada yag bersesuaa. Haslya adalah ˆ , ˆ 3. 3, ˆ da ˆ Aabla la arameer da la esmaorya ba uu oefse regres da varas erlha bahwa algorma boosra daa beerja dega ba dalam megesmas arameer berdasara daa sess. Preds uu la y ja = 7 da = adalah da selag reds yag bersesuaa adalah (36.539, 37.76). Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 9

37 Bab 3 Meode Boosra dalam Iferes Model Regres Gada Daa Rl Tabel 3 meujua jumlah uag yag beredar () da faorfaor yag memegaruh, yau ava luar eger bersh ( ), agha bersh eada emerah usa ( ), agha eada lembaga da BUMN usa berua red ( 3), da agha eada erusahaa swasa da eroraga dalam beu red ( 4) ada bula Jul 7 sama dega Arl 8 dalam mlyar ruah ( Tabel 3 : Uag yag beredar da faor-faor yag memegaruhya Bula 3 4 Jul Agusus Seember Oober November Desember Jauar Februar Mare Arl Daa ada Tabel 3 dcocoa erhada regres gada. Algorma boosra dguaa uu medaaa esmaor orde, arameer model regres da varas. Esmas orde, dlaua dega melha la sas C uu ga model. Tabel 4 : Nla sas C Varabel Tera Varabel Bebas Sas C , , , , , Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 3

38 Bab 3 Meode Boosra dalam Iferes Model Regres Gada 3, ,, ,, , 3, , 3, ,, 3, Dar Tabel 4 erlha bahwa la sas C erecl dcaa oleh ersamaa regres gada e-4. Dega dema, regres gada e-4 lah yag meruaa model regres gada erba. Berdasara regres gada erba, selajuya desmas arameer model regres gada yag bersesuaa. Haslya adalah ˆ , ˆ. 7, ˆ. 5, ˆ 3. 8 da 6 ˆ 7.6. Preds uu la y ja = , 3 = da 4 = adalah da (679.75, ). 3.4 KESIMPULAN Uraa d aas meujua bahwa beaa sederhaaya algorma boosra daa dguaa uu meghasla asra arameer dalam model regres gada da meeua selag reds uu varabel era dalam model regres gada aabla gaggua sohasya berdsrbus sembarag. Dar hasl smulas meujua bahwa algorma boosra daa measr arameer da meeua selag reds dega ba. Sebaga mlemeas meode boosra, dambl daa jumlah uag yag beredar () da faor-faor yag memegaruh, yau ava luar eger bersh ( ), agha bersh eada emerah usa ( ), agha eada lembaga da BUMN usa berua red ( 3), da agha eada erusahaa swasa da eroraga dalam beu red ( 4) ada bula Jul 7 sama dega Arl 8 (dalam mlyar ruah). Dega megguaa meode boosra deroleh model maema yau = Model maema saga bermafaa bag egambla euusa, msalya uu memredsa la aau meghug selag reds varabel d masa medaag. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 3

39 Bab 3 Meode Boosra dalam Iferes Model Regres Gada Mesu dalam arel haya dbahas model regres gada, ea algorma boosra daa deraa juga ada model-model eoomer lear yag laya (Suarma, 997). Dalam arel, resamlg dlaua erhada gaggua sohas. Pedalama da erluasa algorma boosra daa demuh dega melaua resamlg erhada asaga varabel y da varabel (Maco, 6). Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 3

40 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal BAB 4 METODE BOOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL 4. RUMUSAN MASALAH Model regres olomal meruaa salah sau model regres yag serg dguaa uu meyaaa hubuga aara sejumlah asaga daa. Hubuga aara baya la dega ejuala, hubuga aara bayaya curah huja dega jumlah oora udara, da hubuga aara laju flas da des harga osume, hubuga aara meroo da eya aer aru-aru, hubuga emeraur dega ua ea beo meruaa beberaa cooh daa rl yag daa dyaaa dega model regres olomal. Msala y adalah varabel a bebas, varabel yag mejelasa, u adalah gaggua yag sohas, da meyaaa egamaa yag e-, maa model regres olomal orde bsa duls sebaga (Devore, 8; Blac, 9) y a a a a () u uu =,, 3,,. D maa adalah orde, a a adalah,a,, am veor oefse da u adalah barsa gaggua sohas dega mea da varas. D s, u dasumsa berdsrbus sembarag da da deahu. Aabla model regres olomal dcocoa erhada daa rl, umumya orde da arameer model regres olomal da deahu. Sehgga ermasalaha eela adalah bagamaa megesmas orde, veor oefse a da varas gaggua sohas σ. Da ujua eela adalah berdasara daa (y, ) ( =,,, ), aa demua easr uu orde, veor oefse a da varas gaggua sohas σ. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 33

41 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA METODE PENELITIAN Teor-eor yag dguaa uu measr harga, a da σ adalah meode uadra erecl, sasc C da algorma boosra. METODE KUADRAT TERKECIL Mesu model () meml varabel yag oler, ea oefse-oefseya berbeu ler. Oleh area u model ersebu meruaa model ler. Dega dema, arameer model regres olomal daa dasr dega megguaa meode uadra erecl. Persamaa () adalah beu rgas uu seumula ersamaa smula beru : m u a a a a m u a a a a () u a a a a Dalam beu mars, ersamaa () mejad u a (3) d maa,,, a a a a. u u u da u Uu medaaa asra uadra erecl dar a, mar a mula-mula meulsa regres olomal orde samel : e â â â â (4) uu =,, 3,,, yag daa duls secara rgas dalam oas mars sebaga : e â (5) d maa,,, â â â â. e e e da e D s, â adalah suau veor olom dar easr uadra erecl oefse regres olomal da e adalah suau veor olom dar resdual.

42 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 35 Meuru meode uadra erecl, easr uadra erecl deroleh dega memmuma e ) â â â â y ( (6) I dcaa dega meurua (6) secara arsal erhada â, â,, â da meyamaa hasl yag deroleh dega ol. Proses meghasla + ersamaa smula dalam + eubah yag da deahu. o â â â â y 3 â â â â y 4 3 â â â â y (7) â â â â y Dalam beu mars, ersamaa (7) daa dsaja sebaga : )â ' ( ' (8) d maa,,, â â â â da l 3 ' Kalau vers dar ( ) ada, aaa ( ) -, maa dega megala d mua edua ss dar (8) dega vers, a memeroleh )â ' ( ) ' ( ' ) ' ( aau ' ) ' ( â Peasr uadra erecl uu a,,,a a a adalah ) ( â d maa ) y,, y, y ( da

43 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Sedaga easr uadra erecl uu adalah (Gujara, 3) : ' â' ' ˆ STATISTIK C P Uu measr orde dguaa rera sas C. Orde erba dlh adalah orde yag meml la C erecl. Nla C dhug dega megguaa ersamaa beru (Elfro ad Tbshra, 993) : Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 36 C ( y â ALGORITMA BOOTSTRAP â â ) ˆ Algorma boosra adalah meode berbass omuer yag saga oesal uu derguaa ada masalah feres sas. Salah sau coohya adalah egguaa algorma boosra uu megferes arameer model regres olomal. Dalam meode las ara eel medasara ada asums bahwa gaggua sohas dalam model regres olomal dagga berdsrbus ormal. Peysa gaggua sohas e dalam model eoomer dsebaba oleh area edasemuraa sesfas beu maemas model. Permasalahaya searag adalah bagamaa ja eryaa gaggua sohas ersebu da deahu dsrbusya. Secara alaf, baya faa meujua bahwa dalam suau eela adag-adag eel megalam esula meeua beu dsrbus dar gaggua sohas. Dalam hal lah meode boosra dguaa sebaga aleraf. Boosra sedr berdasar dar slah ull oe self u by oe s boosra yag daa dara berusaha dega sumber daya yag mmal (Elfro ad Tbshra, 993). Dalam ermasalaha sas sumber daya yag mmal daa dara sebaga daa yag sed,

44 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal daa yag meymag dar asums ereu baha daa yag da meml asums aau eag dsrbusya. Tujua uama egguaa boosra adalah uu memeroleh esmas yag sebabaya berdasar daa yag mmal dega baua omuer. Prs dasar boosra adalah resamlg yau egambla samel ulag/buaa dar observas,,, yag elah ada. Hal saga jelas membau eel ja dalam suau eela, samel yag deroleh saga mm da erdesa oleh ods dmaa da memuga uu meambah aau memerbaya samel eela. Msala Fˆ adalah dsrbus emr yag dambl dega robablas / ada sea la yag dama,,...,. Samel boosra ddefsa sebaga samel radom beruura dsusu dar Fˆ, msal samel boosra e-b (b =,,..., B) doasa dega b b b,,,. Samel boosra b b b,,, adalah samel radom beruura yag dambl dega egembala dar oulas,,...,. Aggoa daa boosra b b b,,, beraggoaa samel asl,,...,, yag mucul seal, dua al aau lebh baha da mucul dalam roses egembala ulag samel asl ersebu. Perbadga aara ods sebearya da ods boosra daa dgambara sebaga beru : Kods Sebearya Samel asl,,..., ~ F adalah samel radom beruura dar dsrbus F yag da deahu ( F ) adalah la rl dar suau arameer yag mejad erhaa. Ja T adalah sas uu maa ˆ T(,,, ). Kods Boosra Samel boosra b b b,,, ~ Fˆ adalah samel buaa beruura dar dsrbus Fˆ. ( Fˆ ) ˆ b b b T(,,, ). Lagah-lagah omuas uu meeua erval eercayaa ( )% uu yˆ adalah sebaga beru : Hug â da ˆ dar daa asl. Hug dega megguaa ersamaa ṷ o y a Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 37. â

45 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Uu b =,,., B : o Resamlg (b) ṷ. o Huglah (b) y y ( b ) a â û dega megguaa ersamaa ( b ) o Huglah (b) ˆ, (b) ˆ da (b) C. o Huglah (b) yˆ. Huglah ˆ, ˆ, boo boo C ()(boo) da. yˆ ( )(boo) Huglah erval eercayaa ( )% uu yˆ HASIL DAN PEMBAHASAN Sebaga lusras, algorma boosra deraa uu megferes arameer daa sess da daa rl. Daa sess (Law ad Kelo, ) demuh uu megofrmas erja dar algorma boosra aaah daa beerja dega ba. Algorma dbua dalam bahasa emrograma MATLAB (Haselma ad Llefeld, 997). Sedaga daa rl dbera uu membera cooh eeraa eela dalam memecaha ermasalaha dalam ehdua sehar-har. D s resamlg dlaua sebaya B = da =.5. Nla meyaaa roballas esalaha jes I. Daa Sess Gambar meujua daa sess regres oloal orde. Nla deua sedaga la y dbua dega megguaa ersamaa () d aas. Nla oefse regres da varas gaggua sohas adalah a =.76, a =.5986, a = da 9. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 38

46 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Gambar. Daa sess dar regres olomal orde Berdasara daa sess ersebu, la sas Ĉ dhug uu =,,..., 7. Haslya dsaja dalam Tabel beru. Tabel. Nla sas Ĉ Ĉ Dar Tabel, ama bahwa la Ĉ uu =,,...,7 erecl dcaa ada =. Dega dema, model regres oloal erba adalah orde. Selajuya megesmas oefse regres olomal orde da varas yag bersesuaa dega megguaa algorma boosra. Haslya adalah â. 849, â. 568, â. 578 da ˆ Aabla la arameer da la esmaorya ba uu oefse regres mauu varas dbadga, maa erlha bahwa algorma boosra daa beerja dega ba ada daa sess. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 39

47 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Daa Rl Ides Tedes Bss da Ides Tedes Kosume Tabel meujua daa des edes bss (y) da des edes osume () d Idoesa uu erode rwula dar Jauar sama dega Desember 9 Tabel. Ides Tedes Bss (ITB) da Ides edes Kosume (ITK) Tahu Trwula ITB ITK II III IV I II III IV I II III IV.37.8 I II III IV Tabel. Ides Tedes Bss (ITB) da Ides edes Kosume (ITK) (lajua) Tahu Trwula ITB ITK I II III 4.. IV I II Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 4

48 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal III IV I II III IV I II III IV.5 6. I II III..78 IV.9.93 I II III IV Berdasara daa rl ersebu, la sas,...,. Haslya dsaja dalam Tabel 3 beru. Ĉ dhug uu =, Tabel 3. Nla sas Ĉ Ĉ Dar Tabel 3, ama bahwa la uu =,,..., Ĉ erecl dcaa ada =. Dega dema, model regres oloal erba adalah orde. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 4

49 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Selajuya megesmas oefse regres olomal orde da varas yag bersesuaa dega megguaa algorma boosra. Haslya adalah â =( , 5.756, -.9) da ˆ = Model yag deroleh daa dguaa uu memreds ITB aabla ITK deahu. Sebaga cooh uu ITK = 8.76, la ramala uu ITB dsaja ada Tabel 4 Tabel 4. Preds T da Ierval Boosra uu y yˆ Ierval Keercayaa 95% uu yˆ (6.497,.9655) Laju Iflas da Ides Harga Kosume Tabel 5 meujua laju flas bulaa (y) da des harga osume () d Idoesa uu erode Mare 6 sama dega Oober 7. Iflas adalah daor yag membera formas eag dama erembaga harga barag da jasa yag dosums masyaraa. Sedaga des harga osume (IHK) adalah aga/des yag meujua erbadga relave aara ga harga (osums/ecera) ada saa bula survey da harga ersebu ada bula sebelumya. Tabel 5. Laju Iflas da Ides Harga Kosume (Sumber : h:// Perode Mar Ar Me Ju Jul Agus Se O No Des Iflas IHK Perode Ja Peb Mar Ar Me Ju Jul Agus Se O Iflas IHK Tabel 5. Laju Iflas da Ides Harga Kosume (Sumber : h:// Berdasara daa rl ersebu, la sas Ĉ dhug uu =,,...,. Haslya dsaja dalam abel beru. Haslya dsaja dalam Tabel 6 beru. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 4

50 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal Tabel 6. Nla sas Ĉ Ĉ uu =,,..., Dar Tabel 6, ama bahwa la Ĉ erecl dcaa ada =. Dega dema, model regres oloal erba adalah orde aau regres ler. Selajuya megesmas oefse regres olomal orde da varas yag bersesuaa dega megguaa algorma boosra. Haslya adalah â =( ,.86) da ˆ =.8. Model yag deroleh dguaa uu memreds laju flas aabla IHK = 53,53. Haslya dsaja ada Tabel 7 Tabel 7. Preds T da Ierval Boosra uu y yˆ Ierval Keercayaa 95% uu yˆ.73 (.4586,.9469) 4.4 KESIMPULAN Uraa d aas meujua bahwa beaa sederhaaya algorma boosra daa dguaa uu meghasla asra arameer/oefse hubuga dalam model regres olomal aabla gaggua sohasya adalah dsrbus yag da deahu. Dar hasl smulas meujua bahwa algorma boosra daa measr arameer-arameer u dega ba. Sebaga mlemeas meode boosra, dambl dua daa rl yau : des edes bss vs des edes osume da laju flas vs des harga osums. Uu daa des edes bss vs des edes osume, model ada ersamaa () daa Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 43

51 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal dselesaa dega megguaa rosedur algorma boosra da meghasla ŷ Uu daa des edes bss vs des edes osume, model ada ersamaa () daa dselesaa dega megguaa rosedur algorma boosra da meghasla ŷ Tasra saga bermafaa bag egambla euusa, msalya uu memreds des edes bss. Mesu dalam arel haya dbahas model regres olomal, ea algorma boosra daa deraa juga ada model-model eoomer yag laya (Suarma, 7). Dalam arel, resamlg dlaua erhada gaggua sohas. Pedalama da erluasa algorma boosra daa demuh dega melaua resamlg erhada asaga varabel y da varabel (Maco, 6). PROGRAM KOMPUTER. Lsg srus dalam MATLAB uu membua daa ssess clear all clc =ormrd(,3,,); =; b=ormrd(,,+,); sgma = 3; = legh(); m = zeros(,+); for j = :+, m(:,j) =.^(j-); ed; y=(b'*m')'+ormrd(,sgma,,); lo(,y,'.'); label('','fosze',4); ylabel('y','fosze',4); Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 44

52 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal. Lsg srus dalam MATLAB uu memghug esmaor dar a da σ fuco [bea_o,var_o] = lse(y,,); = legh(); m = zeros(,+); for j = :+, m(:,j) =.^(j-); ed; bea_o = v(m'*m)*m'*y; var_o=sum((y-(bea_o'*m')').^)/(--); 3. Lsg srus dalam MATLAB uu memghug esmaor boosra fuco [bb,y_boo,ba,bea_boo,var_boo,c_boo] = boosra(y,,); [bea_o_,var_o] = lse(y,,); =legh(); m = zeros(,+); for j = :+, m(:,j) =.^(j-); ed; gala=(y-(bea_o_'*m')'); B=; ala=.5; mars_bea=zeros(+,b); mars_var=zeros(,b); mars_y=zeros(,b); mars_c=zeros(,b); for b=:b, gala_bag=gala(udrd(,,)); m = zeros(,+); for j = :+, m(:,j) =.^(j-); ed; y_bag=(bea_o_'*m')'+gala_bag; [bea_o,var_o] = lse(y_bag,,); mars_bea(:,b)=bea_o; Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 45

53 Bab 4 Meode Boosra dalam Iferes Model Regres Polomal mars_var(:,b)=var_o; mars_y(:,b)=(bea_o'*m(,:)')'; mars_c(:,b)=sum(gala_bag.^)/+**var_o/; ed; bea_boo=mea(mars_bea,); var_boo=mea(mars_var,); y_boo=mea(mars_y,); c_boo=mea(mars_c,); y_eruru=sor(mars_y(:,:)); bb=y_eruru(b*ala); ba=y_eruru(b*(-ala)); Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 46

54 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas BAB 5 METODE BOOTSTRAP DALAM PENGUJIAN HIPOTESIS MENGENAI DUA MEAN POPULASI 5. RUMUSAN MASALAH Dalam egaa eela lmah, baya erhaa dcuraha uu mejawab erayaa eag ebeara aau esalaha hoess megea suau arameer oulas. Aaah suau meode embelajara baru aa lebh efef dbadga dega meode embelajara ovesoal? Aaah lama belajar beregaruh erhada hasl belajar? Aaah movas belajar berhubuga dega resas belajar? Ja arameer oulas doasa dega maa eguja hoess megea aa drumusa megguaa slah hoess ol H da hoess aleraf H. Ja meruaa ruag arameer, maa hoess ol beraa dega yau hmua baga dar. Hoess aleraf beraa dega omlemeya,. Dalam asus hoess sederhaa dega {, }, hmua da hmua omlemeya memuya sau aggoa saja,., d maa da Peguja hoess aa megacu ada roses uu memuusa ebeara aau esalaha hoess ersebu berdasara daa samel yag dambl dar oulas. Dega aa la, eermaa aau eolaa hoess ol ddasara ada daa samel. Sas eguj yag sesua dega hoess aa membag daerah d bawah urva dsrbus samlgya mejad dua daerah, yau daerah rs da daerah eermaa. Ja la sas eguj dar daa samel berada d daerah rs, maa H aa dola. Sebalya, ja la sas eguj dar daa samel da berada d daerah rs, maa H aa derma. Sebaga besar rosedur eguja hoess sas yag elah dembaga sejauh dbagu dega asums bahwa oulas Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 47

55 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas ddsrbusa meuru dsrbus ormal. Padahal eyaaaya sergal asums oralas da deuh. Tujua arel adalah uu megembaga eguja hoess megea dua mea oulas yag da deuhya asums ormalas da homogeas. 5. METODE PENELITIAN Peela dmula dega megaj berbaga usaa era eguja hoess secara aramer megea dua mea oulas, meode boosra da eguja hoess megea dua mea oulas dega meode boosra. Berdasara eor yag dhasla dar berbaga aja usaa ersebu, selajuya dbua rogram omuasya dega megguaa MATLAB. Program omuer dguaa uu meguj hoess megea dua mea oulas. Peguja Hoess Secara Paramer Msala dua samel yag salg bebas dambl dar dua z z, z., meruaa oulas ormal yag berbeda. Msala z suau samel radom beruura yag dmbl dar oulas dega. Juga msala mea da varas y y, y., ym meruaa suau samel radom beruura m yag dambl dar oulas dega mea da varas. Ja deuh dua asums, yau edua oulas berdsrbus ormal da edua varas sama H : da deahu, maa uu meguj hoess H : dguaa sas eguj : z y d maa s m s ( ) s (m ) s m Pada araf sgfas, hoess H dola ja ( m ) aau ( m ). / / Ja da ada asums bahwa varas edua oulas adalah sama, maa uj hoess ddasara ada Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 48

56 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas () z y s s m Namu area dsrbus samlg () da lag berdsrbus, maa beberaa edeaa dusula. Dalam leraur, deal sebaga masalah Behres-Fsher (Efro ad Tbshra, 993). Boosra Boosra dereala oleh Efro. Meode boosra adalah meode berbass omuer uu megesmas suau dsrbus dega megguaa samel boosra. Secara formal, msalya = (,..., ) meruaa samel radom yag dambl dar oulas dega dsrbus F. Permbaga sas (). Salah sau ujua uama dalam feres sas adalah uu meeua dsrbus samlg dar (). Ja F meujua dsrbus emrs dar yag dmbl dega robablas / ada sea,...,, maa vers boosra dar () dbera oleh (* b ) d maa * b = ( * b, * b,..., * b ) adalah samel boosra e b (b =,,, B) yag dambl dega egembala dar = (,..., ) (Efro ad Tbshra, 993). Uj Hoess Boosra Dua samel radom z z, z., da y y, y., z ym yag salg deede dambl dar dua oulas, yag mug berbeda. Msala oulas memuya mea da varas oulas memuya mea da varas. Sedaga. berdasara samel z da y, aa duj hoess bahwa da ada erbedaa mea aara oulas da oulas. Sehgga H : H : Asums varas sama meruaa asums yag saga eg uu uj area meyederhaaa beu dsrbus samlg yag dhasla. Dalam memermbaga eguja hoess dega megguaa meode boosra da ada alasa ua uu megagga bahwa varas edua oulas sama. Oleh area u d s da dasumsa bahwa varas edua oulas adalah sama. Sehgga uj hoess ddasara ada sas eguj Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 49

57 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas () z y s s m Kemuda dhug la sas eguj uu a samel boosra ( b =,,, B) *b *b *b z y ( ). *b *b s s m Da la dar Acheved Sgfcace Level (ASL) boosra deroleh dega rumus beru : AŜL boo # ( *b ) B () Pada araf sgfas, ja AŜL boo maa H dola. Prosedur eguja dsaja sebaga beru :. Msala Fˆ meemaa robablas yag sama ada z~ z z uu =,,, da Ĝ meemaa robablas yag sama ada y~ y y uu =,, m, d maa z da y adalah mea masg-masg samel da adalah mea dar samel gabuga. *b *b. Beu B hmua daa boosra (z, y ) d maa samel dega eggaa dar z~, z~ ~,, z da dega eggaa dar y~, y~ ~,, y m. 3. Megevaluas ada sea se daa *b *b *b z y ( ) *b *b s s m 4. Measr la ASL boo dega megguaa ersamaa AŜL boo # ( *b ) B () *b z adalah *b y adalah samel Beru meruaa lsg rogram yag duls dalam srus bahasa emrograma MATLAB uu eguja hoess megea mea dua oulas : Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 5

58 clear all clc Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas alha =.5 z=ormrd(,,,); y=ormrd(4,3,m,); B= =legh(z); zbar=mea(z); m=legh(y); ybar=mea(y); bar=((*zbar)+(m*ybar))/(+m); zlda=z-zbar+bar; ylda=y-ybar+bar; obs=(mea(z)-mea(y)) /(sqr(var(z)/+var(y)/m)); zboo=zeros(,b); yboo=zeros(m,b); boo=zeros(,b); =; for =:B, b=rad(,,); b=rad(m,m,); zboo(:,)=zlda(b); yboo(:,)=ylda(b); boo()=(mea(zboo(:,)) -mea(yboo(:,))) /sqr(var(zboo(:,)) /+var(yboo(:,))/m); f abs(boo())>=abs(obs) =+; else =; ed; ed; aslboo=/b f aslboo<=alha ds('tola hoess ol') else ds('terma hoess ol') ed; Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 5

59 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas 5.3 HASIL DAN PEMBAHASAN Sebaga lusras, a aa meeraa meode boosra uu meguj hoess megea dua mea oulas ada daa sess (sud smulas) da daa rl (sud asus). Sud smulas (Law ad Kelo, ) demuh uu megofrmas erja dar edeaa yag dusula aaah daa beerja dega ba. Sedaga sud asus dbera uu membera cooh eeraa eela dalam memecaha ermasalaha dalam ehdua sehar-har. Komuas duls dalam bahasa emrograma MATLAB (Haselma ad Llefeld, 997). Daa Sess Tabel meujua daa smulas samel dambl dar oulas berdsrbus ormal dega mea da varas 6. Sedaga samel dambl dar oulas berdsrbus ormal dega mea 5 da varas 5. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 5 Tabel : Daa sess z y

60 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas Kedua samel dguaa uu meguj hoess H : H : Tabel meyaja hasl eguja hoess uu la =.5 da berbaga la B. Tabel : Hasl eguja hoess megea dua mea oulas sess B A ŜL Kesmula boo.44 Tola H Tola H.47 Tola H.48 Tola H T Gambar : Nla sas eguj uu samel boosra. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 53

61 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas Jad erdaa erbedaa aara mea oulas dega mea oulas. Dar daa smulas erlha bahwa uj hoess boosra membera euusa yag bear. Daa Rl Tabel 3 meujua daa rl (Rohmah, ). Samel meyaaa la es hasl belajar maemaa elas yag megguaa sraeg embelajara af Ide Card Mach (ICM). Sedaga samel meyaaa la es hasl belajar maemaa elas yag megguaa sraeg embelajara af Team Quz (TQ). Kedua samel dguaa uu meguj hoess H : H : Tabel 4 meyaja hasl eguja hoess uu la =.5 da berbaga la B. Tabel 4 : Hasl eguja hoess megea dua mea oulas rl B A ŜL Kesmula boo.4 Tola H 5.48 Tola H.59 Tola H.6 Tola H Tabel 3 : Nla es hasl belajar maemaa dega sraeg ICM da TQ Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 54 ICM TQ

62 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas Sedaga hasl la sas eguj uu samel boosra dsaja dalam Gambar Gambar : Nla sas eguj uu samel boosra. Jad erdaa erbedaa aara mea la es hasl belajar maemaa elas yag megguaa sraeg embelajara af ICM dega la Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 55

63 Bab 5 Meode Boosra dalam Peguja Hoess Megea Dua Mea Poulas es hasl belajar maemaa elas yag megguaa sraeg embelajara af TQ. 5.4 KESIMPULAN Dalam arel dembaga uj hoess megea dua mea oulas yag da memerlua rasara ormalas da homogeas. Dsrbus samlg dar sas uj boosra da berdsrbus. Meode boosra daa meguj esamaa dua mea oulas ba ja edua varasya deahu sama, mauu ja mug edua varasya da sama. Dalam asus rasara ormalas da homogeas deuh sehgga memuga dguaa uj, maa meode boosra aa membera suau aleraf uu eguja hoess megea dua mea oulas. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 56

64 Dafar Pusaa DAFTAR PUSTAKA Allso, P.D. (999) Mulle Regresso : A Prmer, Pe Forge Press, Calfora. Ba, L.J. ad Egelhard, M., 99, Iroduco o Probably ad mahemacal sascs, Calfora : Dubury Press. Balag, B.H., 8, Ecoomerc, Berl : Srger-Verlag. Bo, G.E.P., Jes, G.M. ad Resel, G.C., 994, Tme Seres Aalyss : Forecasg ad Corol, Prece Hall, New Jersey. Brocwell, P.J. ad Davs, R.A., 99, Tmes Seres : Theory ad Mehods, Srger, New or. Blac, K., 9, Busess Sascs : Coemory Decso Mag, Joh Wley & Sos, USA. Devore, J.L., 8, Probably ad Sascs for Egeerg ad The Sceces, Thomso Hgher Educao, USA Duo, W.D. () Sascal Modelg for Bomercal Resercher : A Smle Iroduco o The Aalyss of Comle Daa, Cambrdge Uversy Press, Ued Kgdom. Efro, B. ad Tbshra, R., 993, A Iroduco o he Boosra, New or : Chama & Hall. Freud, R.J. ad Wlso, W.J. (998) Regresso Aalyss Sascal Modelg of a Resose Varable, Academc Press, Ued Saes of Amerca. Gele, J.E. () Elemes of Comuaoal Sascs, Srger- Verlag, New or. Greee, W.H., 3, Ecoomerc Aalyss, New Delh : Pearso Educao. Gujara, D., 978, Eoomera Dasar, Erlagga, Jaara. Haselma, D ad Llefeld, B., 997, Malab : Bahasa Komuas Tes, ogyaara : Ad. Hej, C, Paul de Boer, Freser, P.H, Kloe, T ad Dj, H.K.V. (4) Ecoomerc Mehods wh Alcaos Busess ad Ecoomcs, Oford Uversy Press, New or. Johso, J., 97, Ecoomerc Mehods, McGraw-Hll, New or Law, A.M. ad Kelo, W.D.,, Smulao Modelg ad Aalyss, Sgaore : McGraw-Hll. Lee, S ad Km, S.H., 6, A Lag Effec of IT Ivesme o Frm Perfomace, Iformao Resources Maageme Joural, 9 (), Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 57

65 Dafar Pusaa Leeflag, P.S.H., W, D.R., Wedel, M., ad Naer, P.A.,, Buldg Models for Mareg Decsos, Neherlads : Kluwer Academc. Maco, J.G., 6, Boosra Mehods Ecoomercs, The ecoomc record, Volume 8. Muadar, A., Fajryah, R da Suarma, 8, Boosra dega S- lus dalam Uj Hoess Mea Sau Samel. Jural Esaa, () : Rohmah, N., Efevas Pegguaa Sraeg Pembelajara Af Ide Card Mach da Team Quz Terhada Hasl Belajar Maemaa Sswa Kelas VII Semeser Gea SMP Muhammadyah 3 Woosegoro Kabuae Boyolal Tahu Pelajara /, ogyaara : Srs Pedda Maemaa UAD. Soeharama, P.B., 4, Modelg Mulle Sources of Sae Deedece Radom Uly Models : A Dsrbuo Lag Aroach, Mareg Scece Joural, 3 (3), 63. Se, A ad Srvasawa, M. (99) Regresso Aalyss Theory, Mehods ad Alcaos, Srger-Verlag, New or. Suarma (997) Algorma Boosra dalam Iferes Model Eoomer da Alasya uu Memredsa Beberaa Idaor Eoom, Jural Teolog Iformas da Bss, Vol. 8, No., hal Suarma (7) Algorma Boosra dalam Iferes Model Eoomer da Alasya uu Memredsa Beberaa Idaor Eoom, Jural Teolog Iformas da Bss, Vol. 8, No., hal Suarma,, Sasa Maemaa, ogyaara : FMIPA UAD Press. Walole, R.E da Myers, R.H., 995, Ilmu Peluag da Sasa uu Isyur da Ilmuwa, Badug : ITB Press. Wooldrdge, J.M., 9, Iroduco Ecoomerc : A Moder Aroach, Ued Saes of Amerca : Cegage Learg Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 58

66 Bograf Teag Peuls Dr. Suarma, M.S., DEA dlahra d Baul ogyaara. Meyelesaa S Pedda Maemaa d Uversas Lamug ahu 99. S Maemaa d Uversas Gadjah Mada ogyaara dselesaa ahu 997. Meyelesaa S Maemaa Teraa d Uversas Toulouse III Peracs ahu. S3 Maemaa Teraa d Uversas Toulouse III Peracs dselesaa ahu 3. Mejaba Dea Faulas Sas da Teolog Uversas Teolog ogyaara dar 6 s/d. Mejaba Wal Reor Bdag Kemahasswaa Uversas Teolog ogyaara dar 5 Jul s/d 3 Jauar. Saa, sebaga Dose Tea Uversas Ahmad Dahla ogyaara. Pegaar Boosra da Alasya Dr. Suarma, M.S., DEA 59

67

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE ANAISIS FATOR-FATOR YANG MEMPENGARUHI PRODUSI EDEAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRI SPINE Da Amela, I Nyoma Budaara Jurusa Sasa, FMIPA, Isu Teolog Seuluh Noember (ITS Jl. Aref

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Sasa ISSN: 460-6456 Aalss Kovaras dalam Desa Peguura Berulag u Megevaluas Efe Perlaua Puu erhada Produs Taama Teh Aalyss of Covarace Reeaed Measureme Desgs o Evaluae Treame Effecs o Tea Produco

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

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

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

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG SKRIPSI Dajua epada Faulas Maemaa da Ilmu Pegeahua Alam Uversas Neger ogyaara uu memeuh sebaga persyaraa gua memperoleh gelar Sarjaa Sas Oleh: Naala Jagrum

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN: INTERVAL KONFIDENSI SPLINE KUADRAT PROSIDING SEMINAR NASIONAL SAISIA UNIVERSIAS DIPONEGORO 0 ISBN: 978-979-097-4-4 INERVAL ONFIDENSI SPLINE UADRA DENGAN PENDEAAN PIVOAL QUANIY Rowa Dafl Saraamual I Noma Budaara ) Mahasswa Magser Jurusa

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: [email protected],

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pegeahua megea pasag suru d Idoesa dapa dguaa uu peeua baas wlayah, pemeaa bamer, surve hdrograf, da avgas. LAT (Lowes Asroomcal Tde dguaa oleh Idoesa sebaga char daum

Lebih terperinci

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

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval

Penerapan Aljabar Max Plus Interval pada Jaringan Antrian dengan Waktu Aktifitas Interval Peerapa Aljabar Max Plus Ierval pada Jarga Ara dega Wau Afas Ierval M. Ady Rudho Mahasswa S Maeaa FMIPA UGM da Saff Pegajar FKIP Uversas Saaa Dhara Yogyaara [email protected] Sr Wahyu, Ar Suparwao Jurusa

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

BAB I PENDAHULUAN I.1.

BAB I PENDAHULUAN I.1. BAB I PENDAHULUAN I.. Laar Belaag Pasag suru lau adalah feomea pergeraa a uruya permuaa ar lau secara perod yag dsebaba oleh pegaruh gravas beda-beda lag eruama bula da maahar (Poerbadoo da Djuarsjah,

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Hdrolog Hdrolog meruaka ahaa awal erecaaa suau racag bagua dalam suau DAS uuk memerkraka besarya deb bajr yag erjad ddaerah ersebu. Pada saa ar huja jauh ke bum, sebaga ar jauh

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

Penerapan Prosedur Lachenbruch Pada Kasus Quadratic Discriminant Analysis

Penerapan Prosedur Lachenbruch Pada Kasus Quadratic Discriminant Analysis Peeraa Proseur Lahebruh Paa Kasus uara Dsrma Aalyss Dew ahma Jurusa Pea aemaa FPIPA UPI [email protected] Kaa Sawr Te Elero ITENAS [email protected]. ABSTAK Hasl-hasl eela ea Lear Dsrma Aalyss (LDA) mauu uara Dsrma

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA JURNAL NFORMATKA Vol 4, No., Jauar SSTEM PENUKUNG KEPUTUSAN UNTUK PENGAAAN BAHAN BAKU NAMS ENGAN AANYA SKON AN BATAS MASA KAALUARSA S Mahsaah Budja Te dusr, Faulas Teolog dusr Uversas Ahmad ahla ABSTRAK

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

T 22 Studi dan Implementasi Hill Cipher menggunakan binomial newton berbasis komputer

T 22 Studi dan Implementasi Hill Cipher menggunakan binomial newton berbasis komputer T 22 Sudi da Imlemeasi Hill Ciher megguaa biomial ewo berbasis omuer Rojali Jurusa Maemaia, Shool Of Shool of Comuer Siee Bius Uiversiy, Jaara, Idoesia 48 email: [email protected] Absra Algorima Hill Ciher

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha ([email protected]) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha

SOLUSI PERSAMAAN DIFERENSIAL BOLTZMANN LINEAR. Agus Sugandha JMP : Volume Nomor 2, Oober 2009 SOUSI PERSAMAAN DIFERENSIA BOTZMANN INEAR Agus Sugadha Faulas Sais da Tei, Uiversias Jederal Soedirma Purwoero, Idoesia Email : [email protected] ABSTRACT. I his research,

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

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

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA

BAB 3 PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA BAB PENYELESAIAN PERSAMAAN DIFFERENSIAL BIASA Meode Euler Meode Euler adala Meode ampira palig sederaa uu meelesaia masala ilai awal: ( Biasaa diasumsia bawa peelesaia ( dicari pada ierval erbaas ag dieaui

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Pasar saham meruaa salah sau ema aleraif ivesasi yag elah berembag cuu esa di Idoesia. Saham dieal memilii araerisi high ris-high reur. Ariya saham meruaa sura berharga yag memberia

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

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

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH

PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH PERATURAN PRESIDEN NOMOR 29 TAHUN 2014 TENTANG SISTEM AKUNTABILITAS INSTANSI PEMERINTAH ISI PERATURAN PRESIDEN NO 29 TAHUN 2014 BAB I KETENTUAN UMUM ( 1 asal ) Pasal 1 BAB II PENYELENGGARAAN SAKIP ( 29

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

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

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

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret

Fungsional Aditif Ortogonal pada W 0 (E) di dalam R n. Riyadi. Fakultas Keguruan dan Ilmu Pendidikan Universitas Sebelas Maret JM Volue I Noor Deseer 0 Fugsoal Ad Orogoal pada W 0 () d dala R Ryad Faulas Kegurua da Ilu Pedda Uversas Seelas Mare Asrac Ths paper dscusses aou a represeao heore o a orhogoally addve ucoal o W 0 ()

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PENDAHULUAN Laar Belaag Jahe (Zgber offcale Rosc. merupaa salah sau es aama oba yag mempuya baya eguaa ba sebaga baha oba aaupu maaa. Jahe besar serg dguaa dalam dusr maaa da muma peghaga. Jahe puh ecl,

Lebih terperinci

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, ) LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa

Lebih terperinci

PROSIDING ISSN:

PROSIDING ISSN: PROSIDING ISSN: 5-656 OPTIMISASI BERKENDALA MENGGUNAKAN METODE GRADIEN TERPROYEKSI Nida Sri Uami Uiversias Muhammadiyah Suraara idaruwiyai@gmailcom ABSTRAK Dalam ulisa ii dibahas eag meode gradie erproyesi

Lebih terperinci

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH

ANALISIS & INTERPRETASI DATA KINETIKA SISTEM REAKTOR BATCH NLISIS & INTERPRETSI DT KINETIK SISTEM REKTOR BTH PEROBN KINETIK REKSI Salah sau caupa aau ruag gup sud ea reas adalah peeua ecepaa reas secara uaaf; hal mejad bera peerjaa seorag chemcal egeer yag harus

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci