PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU
|
|
- Adi Setiawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Jural Barekeg Vol. 8 No. 2 Hal (2014) PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Geographcally Weghted Regresso Model Approach to Determe Factors that Ifluece the Number of Poor Households Buru Islad SALMON NOTJE AULELE Jurusa Matematka Fakultas MIPA Uverstas Pattmura Jl. Ir. M. Putuhea, Kampus Upatt, Poka-Ambo E-mal: salmo.aulele@yahoo.com ABSTRAK Kemska merupaka persoala yag kompleks, karea tdak haya berkata dega masalah redahya tgkat pedapata da kosums, tetap uga berkata dega redahya tgkat peddka, kesehata serta ketdakberdayaaya utuk berpartspas dalam pembagua. Tuua peelta adalah meetuka faktor-faktor yag mempegaruh umlah rumah tagga msk dega memperhatka faktor geografs d Pulau Buru megguaka model Geographcally Weghted Regresso (GWR), sehgga dperoleh model yag dapat dguaka utuk memperkraka umlah rumah tagga msk 13 Kecamata d Pulau Buru. Hasl peelta meuuka bahwa varabel yag sgfka mempegaruh umlah rumah tagga msk d tap kecamata d Pulau Buru yatu bayakya rumah tagga yag tdak puya fasltas tempat buag ar besar atau bersfat umum (X 1 ), bayakya rumah tagga yag sumber peeraga utama buka lstrk (X 2 ), bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), bayakya rumah tagga yag pegeluara utuk makaaya lebh besar 80% (X 5 ) serta bayakya rumah tagga yag peddka tertgg kepala rumah taggaya SD kebawah (X 7 ). Kata Kuc : Kemska, Faktor Geografs, Geographcally Weghted Regresso PENDAHULUAN Kemska merupaka masalah sosal yag bersfat global da mead perhata bayak orag d seluruh dua. Feomea kemska telah berlagsug seak lama, walaupu telah dlakuka berbaga upaya dalam meaggulagya, amu sampa saat mash terdapat lebh dar 1,2 mlyar peduduk dua yag hdup dega pedapata kurag dar satu dolar perhar da lebh dar 2,8 mlyar peduduk dua haya berpeghasla kurag dar dua dollar perharya, hal mash d bawah tgkat pedapata rl mmum terasoal. Masyarakat msk serg mederta kekuraga gz, tgkat kesehata yag buruk, tgkat kebodoha yag tgg, lgkuga yag buruk da ketadaa akses frastruktur maupu pelayaa publk yag memada. Masyarakat msk mash megalam kesulta dalam memeuh kebutuha paga, hal dtada dega redahya daya bel, ketersedaa paga yag tdak merata, ketergatuga tgg terhadap beras da terbatasya dversfkas paga. Pada bdag kesehata, masyarakat msk meghadap masalah keterbatasa akses layaa kesehata da redahya status kesehata yag berdampak pada redahya daya taha mereka utuk bekera da mecar afkah, terbatasya kemampua aak utuk tumbuh da berkembag, da redahya deraat kesehata bu. Meurut BPS, saat Provs Maluku berada pada uruta ke-3 provs termsk d Idoesa dega memlk persetase tgkat kemska 27,7% dar total peduduk d Maluku. Utuk tu berbaga upaya harus dlakuka bak dar pemertah provs Maluku maupu
2 Barekeg Vol. 8 No. 2 Hal (2014) 54 seluruh masyarakat yag ada d Maluku utuk meuruka tgkat kemska. (2013) melakuka peelta tetag kemska d Provs Maluku dega ut observasya yatu tap Kabupate/Kota. Peelta merupaka lauta dar peelta yag dlakuka oleh (2013), peelta kal aka megguaka model Geographcally Weghted Regresso (GWR) dega pembobot fugs kerel bsquare utuk meyeldk varabel-varabel yag berpegaruh terhadap peetua umlah peduduk msk setap Kecamata d Pulau Buru yag merupaka salah satu Pulau yag ada d provs Maluku dega memperhatka faktor geografs dalam megestmas parameter modelya. TINJAUAN PUSTAKA 1. Model Regres Global Metode regres merupaka metode yag memodelka hubuga atara varabel respo (y) da varabel bebas (x 1,x 2,,x p ). model regres ler secara umum dyataka dega y = β 0 + β 1 x 1 + β 2 x β p x p + ε (1) Jka dambl sebayak pegamata, maka model d atas dapat dtuls sebaga: p y = β 0 + k=1 β k x k + ε (2) dega 1,2,..., ;,..., adalah parameter model 1 p da,..., adalah error yag dasumska detk, 1, 2 depedet, berdstrbus Normal dega mea ol da varas kosta. σ 2 Pada model, hubuga atara varabel bebas dega varabel respo daggap kosta pada setap lokas geografs. Estmator dar parameter model d dapat dar persamaa : β = (X T X) 1 X T y (3) 2. Model Geographcally Weghted Regresso (GWR) Model GWR merupaka pegembaga dar model regres global dmaa de dasarya dambl dar regres o paramterk (Me, 2005). Model merupaka model reges ler bersfat lokal (locally ler regresso) yag meghaslka peaksr parameter model yag bersfat lokal utuk setap ttk atau lokas dmaa data tersebut dkumpulka. Dalam model GWR, varabel depede y dpredks dega varabel depede yag masgmasg koefse regresya bergatug pada lokas dmaa data tersebut damat. Model GWR dapat dtuls sebaga berkut : p y = β 0 ( u, v ) + k=1 β k ( u, v )x k + ε (4) dega : y : Nla observas varabel respo ke- ( u, v ) : Meyataka ttk koordat (logtude, lattude) lokas β k ( u, v ) : Koefse regres ; k = 0,1,...,p x k : Nla observas varabel predktor k pada pegamata ke- ε : Error ke- Dalam pegua hpotess ada beberapa asums yag dguaka dalam model GWR, asums tersebut adalah :. Betuk error ε 1, ε 2,, ε dasumska depede, detk da megkut dstrbus ormal dega mea ol da vara kosta (ε ~IIDN(0, σ 2 )). Msalka y adalah peaksr dar y dlokas ke-, maka utuk semua lokas (= 1, 2,...,), y adalah peaksr yag tak bas utuk E y atau dapat dtuls E y E utuk semua y 3. Peaksra Parameter Model GWR Estmas parameter model GWR megguaka metode Weghted Least Squares (WLS) yatu dega memberka pembobot yag berbeda utuk setap lokas dmaa data tersebut dkumpulka. Msalka pembobot u, adalah w ( u, v ), = 1, 2,, maka persamaa (4) mead : utuk setap lokas v w 2 ( u, v )y = w 2 ( u, v )β 0 ( u, v ) + w 2 + w 2 Jka 2 w 1 ( u, v )ε u, v maka p ( u, v ) β k ( u, v )x k k=1 aka megkut dstrbus 2 ormal dega mea ol da vara w u, v 2 dtuls ~ N 0, w u, v sehgga : ε = w 2 atau ( u, v )(y β 0 (u, v ) β 1 (u, v )x β p (u, v )x p ) (5) Peaksra parameter model dperoleh dega memmumka umlah kuadrat error dar persamaa (5) sebaga berkut : ε 2 1 = ( w 2 ( u, v )((y β 0 (u, v ) β 1 (u, v )x 1 =1 =1 β p (u, v )x p )) 2 2 w ( u, v )ε = w ( u, v )(y β 0 (u, v ) β 1 (u, v )x 1 =1 =1 β p (u, v )x p ) 2 Msalka 1 x 11 x 12 x y 1p 1 1 x X = ( 21 x 22 x y 2 2p ), y =, 1 x p1 x p2 x p [ y ] β 0 (u, v ) β 1 (u, v ) β(u, v ) = [ β p (u, v )] W(u, v ) = dag [w 1 (u, v ), w 2 (u, v ),, w (u, v )] da ε = ( ε 1, ε 2,, ε ) T Peyelesaa persamaa datas dalam betuk matrks adalah : ε T W(u, v )ε = [y Xβ(u, v )] T W(u, v )[y Xβ(u, v )] = y T W(u, v )y 2β T (u, v )X T W(u, v )y + β T (u, v )X T W(u, v )Xβ(u, v ) (6)
3 Barekeg Vol. 8 No. 2 Hal (2014) 55 T Jka persamaa (6) ddeferesalka terhadap u,v da haslya dsamaka dega ol maka dperoleh β (u, v ) = (X T W(u, v )X) 1 X T W(u, v )y (7) Sehgga persamaa (7) merupaka peaksr parameter utuk model GWR d setap lokas. a. Pembobota Model GWR Pada aalss spasal, peaksra parameter dsuatu ttk u, v aka lebh dpegaruh oleh ttk-ttk yag dekat dega lokas u, v dar pada ttk-ttk yag lebh auh. Salah satu metode yag bsa dguaka utuk meetuka besarya pembobot utuk masg-masg lokas yag berbeda pada model GWR yatu Fugs Kerel (kerel fucto). Pembobot yag terbetuk dega megguaka fugs kerel adalah fugs arak Gauss (Gaussa Dstace Fucto), da fugs Bsquare. Dmaa fugs pembobotya masg-masg dapat dtuls sebaga berkut : a. Fugs Kerel Gauss : w (u, v ) = exp( (d /h) 2 )) (8) b. Fugs Bsquare : d (1 ( h) w (u, v ) = { 2))2, utuk d h (9) 0, utuk d > h dega d = (u u ) 2 + (v v ) 2 arak eucld atara lokas u, v ke lokas u, v da h adalah parameter o egatf yag dketahu da basaya dsebut parameter peghalus (badwdth). Jka pembobot yag dguaka adalah fugs kerel maka pemlha badwdth sagatlah petg oleh karea badwdth merupaka pegotrol kesembaga atara kesesuaa kurva terhadap data da kemulusa data. Metode yag dguaka utuk memlh badwdth optmum adalah metode Cross Valdato (CV). Metode secara matemats ddefska sebaga berkut: CV(h) = y y (h)) 2 =1 (10) Dega : y h : Nla peaksr y (fttg value) dmaa pegamata dlokas u, v dhlagka dar proses peaksra y h : Nla peaksr y (fttg value) dmaa pegamata dlokas u, v dmasuka dalam proses peaksra : Jumlah sampel METODOLOGI PENELITIAN Data yag dguaka dalam peelta bersumber dar BPS yatu data hasl Surve Sosal Ekoom Nasoal (SUSENAS) da Surve Peduduk Atar Sesus (SUPAS) Provs Maluku tahu Varabel yag dguaka adalah varabel peetua rumah tagga msk yag dguaka dalam Pedataa Sosal Ekoom (PSE) yag terdapat dalam SUSENAS da SUPAS. Pada peelta yag dadka ut observas adalah kecamata d Pulau Buru. Varabel yag dguaka yatu Jumlah rumah tagga (rt) yag berada dbawah gars kemska pada tahu 2012 tap kecamata d Pulau Buru (Y), Bayakya rumah tagga yag tdak puya fasltas tempat buag ar besar atau bersfat umum (X 1 ), Bayakya rumah tagga yag sumber peeraga utama buka lstrk (X 2 ), Bayakya rumah tagga yag baha bakar utuk memasakya dar kayu/myak taah (X 3 ), Bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), Bayakya rumah tagga yag pegeluara utuk makaaya lebh besar 80% (X 5 ), Bayakya rumah tagga yag lapaga pekeraa utama kepala rumah taggaya dsektor pertaa (X 6 ) serta Bayakya rumah tagga yag peddka tertgg kepala rumah taggaya SD kebawah (X 7 ), Gars Ltag (u ) da Gars Buur (v ). Utuk medukug proses peelta dguaka paket program komputer yatu software R. HASIL DAN PEMBAHASAN Pulau Buru merupaka salah satu pulau yag terdapat d provs Maluku. Pulau Buru terdr dar 2 Kabupate da 13 Kecamata. Pada peelta aplkas model GWR dterapka pada kasus kemska d Pulau Buru pada tahu Varabel yag dtelt yatu umlah rumah tagga yag berada d bawah gars kemska pada tahu 2012 tap Kecamata d Pulau Buru sebaga varabel respo (Y) serta tuuh varabel predktor (X). Berkut deskrptf dar masg-masg varabel : Tabel 1 Deskrptf Data Kemska d Pulau Buru Tabel 1 meuukka bahwa rata-rata umlah rumah tagga yag berada d bawah gars kemska tap kecamata d Pulau Buru pada tahu 2012 adalah 523 rumah tagga dmaa umlah rumah tagga msk teredah berada pada Kecamata Namrole yatu sebayak 223 rumah tagga sedagka umlah rumah tagga msk tertgg berada pada Kecamata Lologuba yatu sebayak 803 rumah tagga. Rata-rata bayakya rumah tagga yag tdak puya fasltas tempat buag ar besar atau bersfat umum tap kecamata d Pulau Buru pada tahu 2012 adalah rumah tagga, dmaa Kecamata Namlea memlk umlah rumah tagga teredah da Kecamata Veavava tertgg. Lagkah pertama utuk membagu model GWR adalah dega meetuka letak geografs tap kecamata d Pulau Buru, setelah dperoleh letak geografs maka lagkah selautya yatu memlh badwdth optmum. Nla badwdth yag dperoleh dar hasl teras adalah q:
4 Barekeg Vol. 8 No. 2 Hal (2014) 56 0, dega la krtera CV: Utuk setap lokas pusat aka dperoleh la badwdth optmum yag berbeda-beda. Hasl teras dperoleh badwdth optmum utuk tap kecamata d Pulau Buru sebaga berkut : Tabel 4 Estmas Parameter Model GWR d Kecamata Namlea Tabel 2 Nla Badwdth Optmum Setelah medapatka la badwdth optmum, maka lagkah selautya adalah medapatka matrks pembobot, dmaa dalam peelta aka dguaka pembobot fugs kerel bsquare. Msalka matrks pembobot d lokas (u 1, v 1 ) adalah W(u 1, v 1 ) maka lagkah awal sebelum medapatka matrks pembobot adalah dega mecar arak eucld lokas (u 1, v 1 ) yatu Kecamata Namlea ke semua lokas peelta. Tabel 3 Jarak Eucld da Pembobot d Kecamata Namlea Berdasarka Tabel 4 ddapatka la t htug utuk semua parameter. Dega megguaka α sebesar 5% dperoleh la t (0,025;5) = 2,571, maka dperoleh 5 parameter yag sgfka yatu β 0 β 1, β 2,, β 5 da β 7 t t karea ht 0,025;5, sehgga model GWR dega megguaka pembobot bsquare yag dbetuk utuk umlah rumah tagga msk d Kecamata Namlea adalah : Y = X X X X 7 Model datas meelaska bahwa umlah rumah tagga msk d Kecamata Namlea tahu 2012 aka bertambah sebesar 1, ka varabel X 1 bertambah sebesar satu satua dega syarat varabel predktor yag la adalah kosta. Hal yag sama uga berlaku utuk varabel X 5 da X 7. Sebalkya umlah rumah tagga msk d Kecamata Namlea aka berkurag sebesar 0, ka varabel X 2 bertambah sebesar satu satua dega syarat varabel predktor yag la adalah kosta. Hal tdak berart bahwa parameter-parameter d atas uga sgfka dsetap Kecamata d Pulau Buru. Adapau varabel-varabel yag sgfka d tap Kecamata d Pulau Buru yatu : Tabel 5 Varabel Yag Sgfka Dalam Model GWR Tap Kecamata d Pulau Buru Berdasarka Tabel 3, maka matrks pembobot yag dbetuk dega fugs kerel bsquare pada lokas (u 1, v 1 ) yatu Kecamata Namlea adalah : 1 2,4776 0,7438 0,9503 0,9791 0,5660 0,7165 W(u 1, v 1 ) = dag ( 0,3265 0,9795 0,9405 0,1973 0,2326 0,9777 ) Matrks pembobot datas dguaka utuk meaksr parameter d lokas (u 1, v 1 ), sedagka utuk meaksr parameter d lokas (u 2, v 2 ) perlu dcar terlebh dahulu matrks pembobot W(u 2, v 2 ) pada lokas Kecamata Waoeapo dega cara yag sama sepert lagkah datas, demka seterusya utuk matrks pembobot pegamata terakhr W(u 13, v 13 ) pada lokas Kecamata Wasama. Selautya setelah dperoleh matrks pembobot kemuda dhtug estmas parameter model sebaga berkut : Perbadga model regres Global da model GWR dega megguaka pembobot fugs kerel bsquare dlakuka utuk megetahu model maa yag lebh bak dterapka utuk umlah rumah tagga msk. Krtera kebaka model yag dguaka adalah dega membadgka la R 2 dar kedua model tersebut. Model yag terbak adalah model dega la R 2 terbesar. Hasl yag dperoleh adalah sebaga berkut :
5 Barekeg Vol. 8 No. 2 Hal (2014) 57 Tabel 6 Perbadga Kesesuaa Model Provces, Semar Spatal Ecoometrcs, Rome May Berdasarka Tabel 6 dperoleh bahwa model GWR dega megguaka pembobot fugs kerel bsquare lebh bak dguaka utuk megaalss umlah rumah tagga msk d Pulau Buru tahu 2012 karea memlk la R 2 terbesar. KESIMPULAN Dar hasl aalsa data da pembahasa dapat dperoleh kesmpula sebaga berkut : 1. Secara keseluruha faktor-faktor yag mempegaruh umlah rumah tagga msk d Pulau Buru berdasarka model GWR dega pembobot fugs bsquare adalah bayakya rumah tagga yag tdak puya fasltas tempat buag ar besar atau bersfat umum (X 1 ), bayakya rumah tagga yag sumber peeraga utama buka lstrk (X 2 ), bayakya rumah tagga yag sumber ar mumya dar sumur/mata ar tak terldug/suga (X 4 ), bayakya rumah tagga yag pegeluara utuk makaaya lebh besar 80% (X 5 ) serta bayakya rumah tagga yag peddka tertgg kepala rumah taggaya SD kebawah (X 7 ). 2. Model GWR dega megguaka pembobot fugs kerel bsquare lebh bak dguaka utuk megaalss umlah rumah tagga msk d Pulau Buru tahu 2012 dbadgka dega model regres global karea mempuya la R 2 yag terbesar. DAFTAR PUSTAKA BPS, 2011, Metodolog Peetua Rumah Tagga Msk BPS. Jakarta BPS, 2011, Aalss da Peghtuga Tgkat Kemska BPS. Jakarta. Chasco, C. Garca, I. da Vces, J. 2007, Modelg Spastal Varatos Household Dsposble Icome wth Geographcally Weghted Regresso, Fothergham, A.S. Brusdo, C. da Charlto, M. 2002, Geographcally Weghted Regresso. Joh Wley ad Sos, Chchester, UK. Me, C.L. (2005), Geographcally Weghted Regresso Techque for Spatal Data Aalyss, School Of Scece X a Jaotog Uversty. World Bak, (2006), Era Baru Dalam Pegetasa Kemska d Idoesa, Lapora Bak Dua. Yldrm, J.N. da Ocal, N. (2006), A Sectoral Aalyss of Spatal Regoal Employmet Dyamcs of Turksh
6 Barekeg Vol. 8 No. 2 Hal (2014) 58
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 terperinciProsiding FMIPA Universitas Pattimura 2013 ISBN:
Prosdg FMIPA Uverstas Pattmura 03 ISBN: 978-60-975-0-5 PENDEKAAN MODEL GEOGRAPHICALLY WEIGHED REGRESSION UNUK MENGANALISIS JUMLAH PENDUDUK MISKIN: UPAYA PENURUNAN JUMLAH PENDUDUK MISKIN DI PROVINSI MALUKU
Lebih terperinciPERTEMUAN 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 terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciANALISIS 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 terperinci11/10/2010 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 terperinciAnalisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa
Lebih terperinciRegresi 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 terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciGEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH
Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciI. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR
Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciANALISIS 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 terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciPenerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah
The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciBAB 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 terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciX a, TINJAUAN PUSTAKA
PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciLANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)
LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciAnalisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciPemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped
JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciAnalisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter
Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciJMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.
JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa
Lebih terperinciJawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2
M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe
Lebih terperinci( ) ( ) ( ) ( ) ( ) 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinciPengujian Autokorelasi terhadap Sisaan Model Spatial Logistik
Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska
Lebih terperinciANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka
Lebih terperinciANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR
ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,
Lebih terperinciFaktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan
JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TORI. Regres Ler ederhaa Dalam beberapa masalah terdapat dua atau lebh varabel yag hubugaya tdak dapat dpsahka, da hal tersebut basaya dseldk sfat hubugaya. Aalss regres adalah sebuah tekk
Lebih terperinciPemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya
Lebih terperinciMODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007
Jural Barekeg Vol. 5 No. 2 Hal. 25 3 (2) MODEL GEOGRAPHICALLY WEIGHED POISSON REGRESSION DENGAN PEMBOBO FUNGSI KERNEL GAUSS Stud Kasus: Julah Keata Bay d Jawa ur ahu 27 SALMON NOJE AULELE Staf Jurusa Mateatka
Lebih terperinciANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,
Lebih terperinciBAB 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 terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciANALISIS 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 terperinciREGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciREGRESI SEDERHANA Regresi
P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag
Lebih terperinciPemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif
Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh
Lebih terperinciBAB III METODE PENELITIAN
BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk
Lebih terperinciXI. ANALISIS REGRESI KORELASI
I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)
Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciSpatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,
Lebih terperinciABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2
Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,
Lebih terperinciINTERPOLASI. FTI-Universitas Yarsi
BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciPemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)
Jural EKSPONENSIAL Volume 4, Nomor 1, Me 2013 ISSN 2085-7829 Pemodela Regres Ler Megguaka Metode Thel (Stud Kasus: Kompesas Pegawa d Bada Kepegawaa Daerah Kota Samarda) Lear Regresso Modelg Wth Thel Method
Lebih terperinciMINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI
MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag
Lebih terperinciPEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,
Lebih terperinciPENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)
Prosdg SPMIPA pp 185-191 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG) Taro Program Stud Statstka FMIPA UNDIP Semarag
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277
JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly
Lebih terperinciESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER
Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag
Lebih terperinciBAB 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 terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI
Lebih terperinciSOLUSI TUGAS I HIMPUNAN
Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real
Lebih terperinciPEMBENTUKAN MODEL PROBIT BIVARIAT
PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciREGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010
REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha
Lebih terperinciPRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciPENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinci