ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBIT
|
|
- Erlin Tan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBI Ari Vaerli Fitarisca (1) da Vita Ratasari (2) (1)(2) Jurusa Statistika, FMIPA, IS, Istitut ekologi Sepuluh Nopember (IS) Jl. Arief Rahma Hakim, Surabaya Idoesia (1) arivaerli@gmail.com; (2) vita_rata@statistika.its.ac.id Abstrak Dewasa ii, perhatia terhadap pembagua yag berbasiska geder semaki besar, tidak terkecuali di Idoesia. Pegertia geder dalam kasus ii bukalah haya sekadar pada perbedaa secara biologis maupu fisik atara laki-laki da perempua amu lebih megacu kepada perbedaa atara laki-laki da perempua dalam pera, perilaku, kegiata, serta hal-hal yag berkaita dega sosial. Perbedaa pecapaia yag meggambarka keseaga pecapaia atara laki-laki da perempua dapat terelaska melalui Ideks Pembagua Geder (IPG). Regresi probit adalah salah satu metode regresi yag diguaka utuk meelaska hubuga atara variabel respo yag merupaka variabel diskrit dega variabel bebas yag berupa variabel diskrit, kotiyu, maupu campura atara keduaya. Berdasarka perhituga, dapat diketahui bahwa faktor-faktor yag mempegaruhi IPG pada peduduk laki-laki ataralai APS SD/sederaat da rasio eis kelami saat lahir. Sedagka faktor yag mempegaruhi IPG pada peduduk perempua yaitu APS SMA/sederaat, PAK, PPP, da rasio eis kelami saat lahir. Kata Kuci Regresi, Probit, Ideks Pembagua Geder I. PENDAHULUAN igkat keberhasila pembagua yag telah membawa persoala geder dapat diukur, salah satuya adalah dega Ideks Pembagua Geder (IPG). IPG merupaka suatu ideks yag megukur pecapaia pembagua kapabilitas dasar mausia pada bidag kesehata, pedidika, da ekoomi di suatu wilayah dega mempertimbagka kesetaraa atara laki-laki da perempua [1]. Pegertia geder dalam kasus ii bukalah haya sekadar pada perbedaa secara biologis maupu fisik atara laki-laki da perempua amu lebih megacu kepada perbedaa atara laki-laki da perempua dalam pera, perilaku, kegiata, serta hal-hal yag berkaita dega sosial. Perbedaa geder dapat terlihat dari kecederuga pada pera dalam publik maupu domestik [1]. Kegiata yag dilakuka di luar rumah da bertuua medapatka peghasila disebut dega pera publik. Sedagka yag dimaksud dega pera domestik adalah kegiata yag dilakuka di dalam rumah yag berkaita dega kerumahtaggaa da tidak dimaksudka utuk medapat peghasila. Pada praktekya, perbedaa geder serig meimbulka ketidakadila yag pada akhirya aka me megakibatka korba baik bagi kaum laki-laki maupu kaum perempua. Di Idoesia, Meteri Pemberdayaa Perempua da Aak meyataka bahwa keseaga geder masih teradi dalam pelaksaaa pembagua di setiap tigkata [2]. Berdasarka data terakhir di Kemetria Pemberdayaa Perempua da Aak, setiap tahuya selalu ada selisih atara agka IPM da IPG yag meadaka bahwa masih adaya keseaga atara laki-laki da perempua, dimaa agka IPG lebih redah daripada IPM. Oleh sebab itu, perlu diaalisis faktor-faktor apa saa yag mempegaruhi IPG di Idoesia agar kedepaya pemeritah dapat lebih fokus dalam meagai masalah tersebut. Salah satu metode yag dapat diguaka adalah regresi probit. Metode regresi probit merupaka salah satu metode regresi yag diguaka utuk megaalisis atara variabel respo yag berupa variabel diskrit dega variabel prediktor yag berupa variabel diskrit, kotiyu, maupu campura atara keduaya. Peelitia dega megguaka regresi probit sebelumya perah dilakuka oleh [3] megeai pemodela disparitas geder di Jawa imur megguaka pedekata model regresi probit ordial. [4] meeliti megeai pemetaa da pemodela tigkat partisipasi agkata kera perempua di provisi Jawa imur dega pedekata model probit. Utuk peelitia megeai IPG, variabel pada peelitia kali ii meruuk kepada peelitia yag dilakuka oleh [3] megeai disparitas geder serta [5] megeai aalisis kompoe IPG yag dilakuka pada data di Kalimata imur da Kalimata Selata tahu II. INJAUAN PUSAKA A. Ideks Pembagua Geder (IPG) Ideks Pembagua Geder (IPG) adalah ukura yag diguaka utuk megetahui pembagua mausia [6]. IPG megukur tigkat pecapaia kemampua dasar pembagua mausia yag sama seperti IPM, yaitu harapa hidup, tigkat pedidika, da pedapata amu dega memperhitugka ketimpaga geder. IPG dapat diguaka utuk megetahui keseaga pembagua mausia atara laki-laki da perempua. Keseaga geder dapat dilihat dari selisih atara IPM da IPG. UNDP dalam [7] telah megelompokka tigkata pembagua mausia berdasarka geder (IPG) ke dalam empat kategori, yaitu: kelompok tiggi, ika IPG 80, kelompok meegah atas, ika IPG 66 x < 80, kelompok meegah bawah, ika IPG 50 x < 66, da kelompok redah, ika IPG < 50. Seperti yag telah dielaska sebelumya bahwa IPG megukur tigkat pecapaia kemampua dasar pembagua mausia yag sama seperti IPM, yaitu kesehata, tigkat pedidika, da pedapata. Oleh karea itu, variabel yag diguaka dalam peelitia ii adalah variabel yag dapat mewakili idikator-idikator tersebut.
2 2 Pada bidag pedidika megguaka variabel APS (Agka Partisipasi Sekolah) SD/sederaat, APS SMP/sederaat, da SMA/sederaat, serta persetase peduduk dega pedidika terakhir yag ditamatka adalah SMP. Pada bidag kesehata megguaka variabel persetase peduduk memiliki masalah kesehata da FR. Utuk idikator pedapata megguaka variabel PPP da PAK (igkat Partisipasi Agkata Kera). Selai itu ditambah dega variabel yag dapat meelaska orietasi geder yaitu rasio eis kelami da rasio eis kelami saat lahir. B. Metode Regresi Probit Regresi probit adalah salah satu metode regresi yag diguaka utuk meelaska hubuga atara variabel respo yag merupaka variabel diskrit dega variabel bebas yag berupa variabel diskrit, kotiyu, maupu campura atara keduaya. Regresi probit merupaka sigkata dari Probability Uit, sehigga regresi probit merupaka sebuah metode regresi yag berkaita dega uit-uit probabilitas. Regresi probit uga dikeal sebagai model Normit yag merupaka sigkata dari Normal Probability Uit karea berdasarka fugsi sebara peluag ormal kumulatif baku [8]. Pemodela pada regresi probit diawali seperti pada persamaa berikut: y β X (1) dega β merupaka vektor koefisie parameter [9] dimaa 0 β1 βp β β dega ukura ( p 1) 1, X merupaka vektor variabel bebas dega X 1 x 1 x p dega ukura ( p 1) 1, dimaa p merupaka bayakya variabel prediktor, da ε merupaka error atau kesalaha yag diasumsika berdistribusi ormal stadar, serta y merupaka variabel respo. Fugsi kepadata peluag dari y adalah sebagai berikut: y β X 2 f y e (2) 2 Selautya, dilakuka pegkategoria terhadap y dega memberika treshold tertetu misalya γ. Misalka Y merupaka variabel repo kualitatif yag memiliki 2 kategori. Jika y dikategorika dega Y 0, da ika y maka dikategorika dega Y 1. Sehigga aka diperoleh probabilitas utuk Y 0 da Y 1 sebagai berikut: P ( Y 0) ( β X) (3) P ( Y 1) 1 ( β X) (4) dega β X (.) merupaka fugsi distribusi kumulatif distribusi ormal. Efek margial diguaka utuk megetahui seberapa besar pegaruh dari variabel-variabel idepede yag diduga mempegaruhi variabel respo terhadap probabilitas dari variabel respo dalam peelitia. Rumus yag diguaka adalah sebagai berikut: P ( Y 0) β X (5) x P ( Y 1) - β X (6) x dega. merupaka fugsi distribusi probabilitas dari distribusi ormal stadar. C. Peaksira Parameter Regresi Probit Parameter pada model regresi probit dapat ditaksir dega megguaka metode MLE (Maximum Likelihood Estimatio) da metode Newto-Raphso. Lagkah-lagkah yag diguaka utuk memperoleh peaksir parameter model regresi probit dega megguaka MLE adalah sebagai berikut: 1. Meetuka sampel radom 2. Membetuk fugsi likelihood dari sampel radom. Fugsi likelihoodya adalah sebagai berikut: 1 Y i β X 1 β L( β) X (7) i1 3. Melakuka trasformasi l terhadap fugsi likelihood. Secara matematis dapat ditulis sebagai berikut: β X l L β Y i l l 1 β X (8) i1 1 β X i1 4. Medapatka peaksir utuk β dega memaksimumka fugsi l likelihood, yaitu dega mecari turua pertama fugsi l likelihood pada persamaa (8) Yi β Xβ X Yi i1 1 β X β X l L (9) β Berdasarka hasil peaksira utuk parameter β dega megguaka metode MLE teryata diperoleh fugsi yag implisit sehigga peaksir utuk β tidak dapat lagsug diperoleh. Oleh karea itu, diguaka metode Newto Raphso utuk medapatka peaksir maksimum likelihood utuk β. D. Peguia Parameter Model Regresi Probit Peguia parameter dilakuka utuk megetahui apakah variabel pradiktor yag terdapat dalam model memiliki hubuga yag yata dega variabel respo. 1. Ui Seretak Hipotesis yag diguaka dalam peguia secara seretak adalah sebagai berikut: H 0 : β 1 = β 2 = = β p = 0 H 1 : Palig sedikit ada satu β 0 Statistik ui: G 2l L u l L R dega L u = [P l P + (1 P) l(1 P)], dimaa adalah bayakya sampel, P merupaka proporsi pegamata yag memiliki variabel respo (Y) sama dega 1, L R merupaka fugsi log-likelihood tapa variabel prediktor, da L u merupaka fugsi likelihood dega variabel prediktor. Daerah kritis: olak H 0 apabila ilai P value < α atau ilai 2 G > χ α,b. 2. Ui Parsial Hipotesis yag diguaka adalah sebagai berikut: H 0 : β = 0 H 1 : β 0 dega = 1, 2,, p. Statistik ui: W ~ N(0,1) SE( ) dega adalah peduga da ( ) SE adalah peduga simpaga baku dari. Daerah kritis: olak H 0 apabila W > Z α/2 atau P value < α pada tigkat kepercayaa α.
3 3 E. Ui Kesesuaia Model Regresi Probit Ui kesesuaia model (Goodess of Fit est) diguaka utuk megetahui apakah terdapat perbedaa atara hasil observasi dega kemugkia hasil prediksi [10]. Ui yag diguaka adalah ui Deviace dega hipotesis sebagai berikut: H 0 : idak ada perbedaa atara hasil observasi dega kemugkia hasil prediksi model (model sesuai) H 1 : Ada perbedaa atara hasil observasi dega kemugkia hasil prediksi model (model tidak sesuai) Statistik ui: P i 1 Pi D 2 y i l (1 y i) l i1 yi 1 yi dega P i = P (x i ) merupaka peluag observasi ke-i pada 2 kategori ke-. olak H 0 apabila D > χ db,α. F. Prosedur Klasifikasi Model Regresi Probit Evaluasi prosedur klasifikasi adalah suatu evaluasi yag melihat peluag kesalaha klasifikasi yag dilakuka oleh suatu fugsi klasifikasi [11]. Ukura yag dipakai adalah apparet error rate (APER), utuk meyataka ilai proporsi sampel yag salah diklasifikasika oleh fugsi klasifikasi. Misalka terdapat 2 kelompok, maka: Kelompok yag Seharusya P1 P2 abel 1. abel Klasifikasi Perhituga APER Kelompok yag Diprediksi P1 P2 1 C 1 M = 1 1 C 2 M = 2 2C 2 C Rumus yag diguaka adalah sebagai berikut: 1 M 2M APER(%) (10) 1 2 dega ilai 1 M da 2 M adalah umlah observasi yag tidak tepat diklasifikasika dalam kelompok. Nilai 1 C da 2 C adalah umlah observasi yag tepat diklasifikasika dalam kelompok. G. Aalisis Kelompok Aalisis kelompok (Cluster aalysis) merupaka suatu metode aalisis yag bertuua utuk megelompokka obek-obek pegamata meadi beberapa kelompok sehigga aka diperoleh kelompok dimaa obek-obek dalam satu kelompok mempuyai persamaa sedagka dega aggota kelompok yag lai mempuyai perbedaa [11]. Pada peelitia ii ukura kedekata atar obek yag diguaka adalah arak euclidea. Rumus utuk meghitug arak euclidea atara obek i da pada k variabel yaitu: p d(x i, x ) = k=1 (x ki x k ) 2 (11) dega i = 1, 2,..., = 1, 2,..., da i d(x i, x ) = arak atara dua obek i da x ik = ilai obek i pada variabel k = ilai obek pada variabel k x k Metode pegelompokka yag diguaka adalah metode hirarki karea bayakya kelompok yag mucul belum ditetuka atau tidak diketahui sebelumya. Metode perhituga yag diguaka adalah metode Ward karea metode Ward mecoba utuk memperkecil total umlah kuadrat dalam kelompok. Masig-masig kelompok dibetuk sedemikia higga meghasilka kelompok dega umlah kuadrat yag terkecil da dikeal dega Error Sums of Squares (ESS). Rumus yag diguaka yaitu: dega, k N k K k=1 J =1 N k i=1 ESS = (X ik X.k ) = umlah kelompok = umlah variabel = observasi pada kelompok k III. MEODOLOGI PENELIIAN 2 (12) A. Sumber Data Data yag diguaka dalam peelitia ii merupaka data sekuder. Data yag diambil merupaka data publikasi dari Bada Pusat Statistik (BPS) Republik Idoesia (RI) pada tahu Uit observasi yag diguaka dalam peelitia ii adalah 33 provisi yag ada di Idoesia. B. Variabel Peelitia Variabel respo (Y) dalam peelitia ii adalah variabel IPG. Namu variabel ii dikelompokka terlebih dahulu dega megguaka aalisis cluster. Hasil dari pegelompokka diguaka sebagai variabel respo. Sehigga variabel respo yag diguaka dalam peelitia ii berdasarka kodisi IPG yag ada di Idoesia saat ii. Utuk lebih elasya dapat dilihat pada bab IV. Selai itu, peelitia dilakuka terhadap masig-masig data laki-laki da perempua dega variabel prediktor yag diguaka adalah 9 variabel utuk data laki-laki da 10 variabel utuk data perempua. Variabel prediktor yag diguaka dapat dilihat pada abel 2. Utuk data perempua variabel yag diguaka ditambah dega variabel otal Fertility Rate (FR) sebagai variabel X 10. abel 2. Variabel Prediktor utuk Data Laki-Laki Variabel Keteraga ipe Variabel X1 APS SD/Sederaat Kotiyu X2 APS SMP/Sederaat Kotiyu X3 APS SMA/Sederaat Kotiyu X4 Persetase peduduk pedidika Kotiyu terakhir yag ditamatka adalah SMP X5 PAK Kotiyu X6 Persetase Peduduk Mempuyai Keluha Kesehata Kotiyu X7 Purchasig Power Parity Diskrit (PPP)/Daya Beli X8 Rasio Jeis Kelami Kotiyu X9 Rasio Jeis Kelami Saat Lahir Kotiyu C. Lagkah Peelitia Lagkah-lagkah aalisis data dalam peelitia ii yaitu: 1. Meetuka variabel da medapatka data. 2. Melakuka aalisis cluster terhadap variabel IPG utuk medapatka variabel respo yag diguaka dalam peelitia. 3. Megecek multikoliieritas data. Apabila teradi multikoliieritas maka harus diatasi terlebih dahulu, salah satuya dega meghilagka variabel yag meyebabka multikoliieritas teradi.
4 4 4. Melakuka pemodela dega megguaka regresi probit terhadap faktor-faktor yag mempegaruhi IPG di Idoesia dega lagkah-lagkah sebagai berikut: a. Meetuka model regresi probit dega variabel respo da variabel prediktor yag diguaka dalam peelitia. b. Melakuka ui sigifikasi parameter regresi probit secara seretak da parsial utuk megetahui variabel prediktor yag berpegaruh sigifika terhadap variabel respo. c. Megiterpretasika model regresi probit terbaik yag diperoleh. d. Melakuka ui kesesuaia model. e. Meghitug ketepata klasifikasi model regresi probit. 5. Mearik kesimpula. IV. HASIL DAN PEMBAHASAN A. Karakteristik Pembagua Geder di Idoesia Perkembaga IPG di Idoesia secara keseluruha dari tahu selalu megalami peigkata. Hal ii meelaska bahwa pecapaia pembagua geder di Idoesia dari waktu ke waktu semaki membaik. Namu perlu diperhatika bahwa peigkata IPG selama kuru waktu tahu tersebut belum dapat memberika gambara yag baik apabila dilihat dari keragka pecapaia persamaa status da keduduka meuu kesetaraa da keadila geder. Hal ii dikareaka pecapaia IPG selama kuru waktu tersebut masih belum mampu meguragi arak secara yata dalam pecapaia kapabilitas dasar atara peduduk laki-laki da perempua. 68,69 63,94 69,57 70,08 70,59 71,17 71,76 72,27 72,77 73,29 65,13 65,27 65,81 66,38 66,77 67,2 67,8 68, IPM IPG Gambar 1. Perkembaga IPM &IPG di Idoesia h Dari 33 provisi yag ada di Idoesia, 17 provisi termasuk kelompok meegah atas dalam pecapaia pembagua mausia berdasarka geder da 16 provisi termasuk dalam kelompok meegah bawah. Hal ii berdasarka pembagia kelompok dari UNDP. Pada tahu 2012, masih teradi keseaga geder di seluruh provisi yag ada di Idoesia. Seperti yag telah dielaska sebelumya bahwa secara kasaraya hal ii dapat dilihat dari IPG yag masih berada di bawah IPM. Secara keseluruha, provisi yag memiliki selisih terbesar adalah provisi Kalimata imur sebesar 14,85, sedagka provisi yag memiliki selisih terkecil adalah provisi Nusa eggara imur sebesar 2,29. Walaupu begitu, ilai tersebut tidak dapat diiterpretasika secara lagsug bahwa provisi yag memiliki selisih terbesar memiliki keseaga geder yag besar da begitu pula sebalikya. Perlu dilakuka aalisis yag lebih medalam utuk medefiisika hal tersebut. Berdasarka hasil perhituga diketahui bahwa rata-rata IPG pada tahu 2012 secara keseluruha adalah sebesar 66,02. Nilai varias sebesar 15,31 da deviasi stadar sebesar 3,91 meelaska megeai keragama data. Berdasarka ilai tersebut dapat dikataka bahwa pecapaia pembagua geder atau IPG atar provisi di Idoesia tidak terlalu auh atara satu provisi dega provisi yag laiya. IPG terkecil adalah di provisi Nusa eggara Barat sebesar 57,58 da IPG terbesar adalah sebesar 74,66 di provisi DKI Jakarta. B. Pegelompokka IPG di Idoesia ahu 2012 dega Megguaka Aalisis Cluster Berdasarka perhituga, didapatka bahwa umlah cluster yag optimum adalah sebayak 2 cluster. Sehigga didapatka iformasi bahwa pegelompokka IPG meurut provisi berdasarka batasa yag diberika oleh UNDP sama dega hasil cluster dimaa terbetuk 2 kelompok. Namu, dalam hasil aalisis cluster, aggota kelompokya berbeda, dihitug berdasarka kedekata karakteristik setiap provisi. Utuk mempermudah melihat pegelompokka yag terbetuk, maka dilakuka pemetaa secara visual utuk kedua kelompok yag dapat dilihat pada Gambar 2. Wara oraye utuk provisi yag termasuk kelompok IPG redah sedagka wara krim utuk provisi yag termasuk kelompok IPG tiggi. Gambar 2.Pegelompokka Provisi Berdasarka Aalisis Cluster Berdasarka hasil pegelompokka tersebut teryata dapat diketahui bahwa teradi perbedaa yag sigifika atara pegelompokka yag didasarka pada keluara UNDP da aalisis cluster. Kelompok 1 memuat provisiprovisi yag memiliki IPG lebih tiggi dari rata-rata Nasioal dega selag iterval atara 68,54 74,66. Sedagka kelompok 2 memiliki IPG lebih redah dari ratarata IPG secara Nasioal dega selag iterval 57,58 66,80. Pada pegelompokka dari hasil cluster, dapat dilihat bahwa batasa atara kelompok 1 da kelompok 2 sagat elas. Sehigga tidak aka meimbulka keragua dalam pegelompokka. Oleh karea itu dalam peelitia ii aka diguaka variabel respo dega megguaka hasil pegelompokka dari aalisis cluster, agar lebih sesuai dega keadaa di Idoesia yag sebearya. abel 3. Variabel Respo Variabel Keteraga Y=0 Kelompok IPG tiggi Y=1 Kelompok IPG redah C. Peguia Multikoliieritas pada Variabel Prediktor Multikoliieritas atarvariabel prediktor dapat dilihat dari ilai VIF. Nilai VIF>5 megidikasika bahwa teradi korelasi atar variabel prediktor. abel 4 meuukka ilai VIF dari variabel prediktor utuk data laki-laki da perempua. abel 4. Nilai VIF utuk Setiap Variabel pada Data Laki-Laki da Perempua Variabel (L) VIF Variabel (P) VIF X1 4,07 X1 6,82 X2 5,10 X2 10,07 X3 3,13 X3 3,19 X4 1,72 X4 2,24 X5 1,71 X5 2,14 X6 1,83 X6 1,68
5 5 abel 4. Nilai VIF utuk Setiap Variabel pada Data Laki-Laki da Perempua (Lauta) X7 1,41 X7 1,74 X8 1,59 X8 1,51 X9 2,06 X9 1,59 X10 2,09 Berdasarka abel 4 dapat diketahui bahwa teradi multikoliieritas pada data laki-laki da perempua karea ilai VIF > 5. Lagkah selautya adalah megatasi multikoliieritas tersebut, salah satuya dega meghilagka variabel yag meyebabka multikoliieritas teradi. Pada data laki-laki, variabel yag meyebabka teradiya multikoliieritas adalah variabel X 2, sedagka pada data perempua adalah variabel X 1 da X 2. Maka, utuk aalisis selautya, variabel X 1 da X 2 tidak diikutsertaka. D. Pemodela Regresi Probit utuk Data Laki-Laki Peguia parameter dalam model regresi probit dilakuka utuk megetahui apakah variabel prediktor yag terdapat dalam model memiliki hubuga yag yata dega variabel respo. erdapat dua peguia yag dilakuka, yaitu peguia secara peguia secara seretak da peguia secara parsial. Berdasarka hasil peguia secara seretak, didapatka iformasi bahwa ilai P-value (0,125) kurag dari ilai α(20%) sehigga keputusa yag diperoleh adalah tolak H 0. Jadi, dapat disimpulka bahwa terdapat palig sedikit satu variabel prediktor yag berpegaruh terhadap IPG. Berdasarka hasil ui parsial didapatka bahwa parameter yag sigifika terhadap adalah variabel X 9 (rasio eis kelami saat lahir. Parameter pada variabel tersebut sigifika pada taraf α = 20%. abel 5. Nilai Koefisie da P-value pada Masig-masig Parameter Model Probit utuk Data Laki-Laki X1-0,452 0,325 X3-0,053 0,401 X4-0,066 0,660 X5 0,062 0,669 X6-0,059 0,491 X7-0, ,401 X8-0,071 0,346 X9 0,425 0,130 = sigifika pada taraf α = 20% Setelah melakuka peguia secara seretak da parsial, lagkah selautya adalah memilih model terbaik. Pemiliha model terbaik dilakuka dega megguaka metode Backward. Pemiliha model dega metode ii dilakuka dega terlebih dahulu membuat model secara legkap dari seluruh variabel prediktor. Kemudia model tersebut dievaluasi kembali dega megeluarka variabel yag tidak sigifika satu per satu sampai memperoleh seluruh variabel prediktor yag sigifika. Berdasarka metode Backward, didapatka bahwa model regresi probit terbaik adalah model dega variabel prediktor X 1 yaitu APS SD/sederaat da X 9 yaitu rasio eis kelami saat lahir. Nilai koefisie da P-value utuk masig-masig variabel dapat dilihat pada abel 6. abel 6. Nilai Koefisie da P-value pada Masig-masig Parameter Model Probit erbaik X1-0,775 0,022 X9 0,324 0,103 = sigifika pada taraf α = 20% Sehigga, persamaa model regresi probit terbaik utuk data laki-laki adalah sebagai berikut: y = 42,269 0,775X 1 + 0,324X 9 Setelah medapatka model regresi probit terbaik, kemudia dilakuka peguia secara seretak da parsial kembali. Berdasarka hasil peguia secara seretak, didapatka iformasi bahwa ilai P-value (0,005) kurag dari ilai α (20%) sehigga keputusa yag diperoleh adalah tolak H 0. Jadi, dapat disimpulka bahwa terdapat palig sedikit satu variabel prediktor yag berpegaruh terhadap IPG. Berdasarka abel 4.6, didapatka iformasi bahwa dega α = 20%, seluruh parameter pada variabel X 1 da X 9 masig-masig berpegaruh sigifika terhadap variabel respo. Iterpretasi utuk model regresi probit yag didapatka, yaitu misalka diambil data dari salah satu provisi, yaitu provisi Papua Barat, dega dega X 1 = 95,31; da X 9 = 105,72; maka aka didapatka P(Y = 1) = 0,996. Jadi, probabilitas provisi Papua Barat masuk ke dalam kelompok IPG redah dega ilai-ilai tersebut adalah sebesar 0,996. Sedagka probabilitas provisi Papua Barat masuk ke dalam kelompok IPG tiggi P(Y = 0) adalah sebesar 0, Efek margial diguaka utuk megetahui seberapa besar pegaruh perubaha variabel prediktor terhadap probabilitas suatu provisi termasuk dalam kelompok IPG redah atau tiggi. Misalka suatu provisi dega X 1 = 95,31; da X 9 = 105,72; maka efek margial dari variabel APS SD/sederaat adalah sebagai berikut: X 1 = 0,00906 Artiya bahwa setiap perubaha APS SD/sederaat sebesar 1% maka aka meuruka probabilitas suatu provisi masuk ke dalam kategori IPG kelompok redah sebesar 0, Selautya, utuk megetahui efek margial dari variabel rasio eis kelami saat lahir adalah sebagai berikut: X 9 = 0,00379 Artiya bahwa setiap perubaha rasio eis kelami saat lahir sebesar 1% maka aka meigkatka probabilitas suatu provisi masuk ke dalam kategori IPG kelompok redah sebesar 0, Ui kesesuaia model diguaka utuk megetahui apakah terdapat perbedaa atara hasil observasi dega kemugkia hasil prediksi. Berdasarka hasil peguia didapatka ilai P-value sebesar 0,463 yag berarti P-value > 0,20 sehigga keputusa yag diambil adalah gagal tolak H 0. Jadi, dapat disimpulka bahwa tidak ada perbedaa atara hasil observasi dega kemugkia hasil prediksi model. Atau dega kata lai model telah sesuai. Ketepata klasifikasi yag diprediksi dari model regresi probit yaitu sebesar 80%. Artiya, variabel respo yag dapat dielaska oleh variabel prediktor pada model ii adalah sebesar 80%. E. Pemodela Regresi Probit utuk Data Perempua Peguia parameter dalam model regresi probit dilakuka utuk megetahui apakah variabel prediktor yag terdapat dalam model memiliki hubuga yag yata dega variabel respo. erdapat dua peguia yag dilakuka, yaitu peguia secara peguia secara seretak da peguia secara parsial. Berdasarka hasil peguia secara seretak, didapatka iformasi bahwa ilai P-value sebesar 0,005 yag kurag dari ilai α (20%) sehigga keputusa yag diperoleh adalah tolak H 0. Jadi, dapat disimpulka bahwa terdapat palig sedikit satu variabel prediktor yag
6 6 berpegaruh terhadap IPG. Berdasarka hasil ui parsial didapatka bahwa parameter variabel yag sigifika terhadap variabel respo adalah variabel X 3 (APS SMA/sederaat), X 4 (persetase peduduk dega pedidika terakhir yag ditamatka adalah SMP), X 5 (PAK), X 8 (rasio eis kelami) da variabel X 9 (rasio eis kelami saat lahir). abel 4.7 Nilai Koefisie da P-value pada Masig-masig Parameter Model Probit utuk Data Perempua X3-0,102 0,070 X4-0,313 0,193 X5-0,246 0,016 X6-0,062 0,611 X7-0, ,317 X8-0,233 0,189 X9 0,954 0,116 X10 1,305 0,419 = sigifika pada taraf α = 20% Setelah melakuka peguia secara seretak da parsial, lagkah selautya adalah memilih model terbaik. Pemiliha model terbaik dilakuka dega megguaka metode Backward. Pemiliha model dega metode ii dilakuka dega terlebih dahulu membuat model secara legkap dari seluruh variabel prediktor. Kemudia model tersebut dievaluasi kembali dega megeluarka variabel yag tidak sigifika satu per satu sampai memperoleh seluruh variabel prediktor yag sigifika. Berdasarka metode Backward, didapatka bahwa model regresi probit terbaik adalah model dega variabel prediktor X 3 yaitu APS SMA/sederaat, X 5 yaitu PAK, X 7 yaitu PPP, da X 9 yaitu rasio eis kelami saat lahir. abel 4.8 Nilai Koefisie da P-value pada Masigmasig Parameter Model Probit erbaik X3-0,101 0,033 X5-0,121 0,016 X7-0, ,081 X9 0,462 0,059 = sigifika pada taraf α = 20% Sehigga, persamaa model regresi probit terbaik utuk data perempua adalah sebagai berikut: y = 6,459 0,101X 3 0,121X 5 0,00005X 7 + 0,462X 9 Setelah medapatka model regresi probit terbaik, kemudia dilakuka peguia secara seretak da parsial kembali. Berdasarka hasil peguia secara seretak, didapatka iformasi bahwa ilai P-value (0,004) yag kurag dari ilai α (20%) sehigga keputusa yag diperoleh adalah tolak H 0. Jadi, dapat disimpulka bahwa terdapat palig sedikit satu variabel prediktor yag berpegaruh terhadap IPG. Berdasarka abel 4.11 didapatka iformasi bahwa dega α = 20%, seluruh parameter pada variabel X 3, X 5, X 7, da X 9 masig-masig berpegaruh sigifika terhadap variabel respo. Iterpretasi utuk model regresi probit yag didapatka, yaitu misalka diambil data dari salah satu provisi, yaitu provisi Papua, dega X 3 = 48,23; X 5 = 68,36; X 7 = ; da X 9=110,13 maka aka didapatka P(Y = 1) = 0,751. Jadi, probabilitas provisi Papua Barat masuk ke dalam kelompok IPG redah dega ilai-ilai tersebut adalah sebesar 0,751. Sedagka Jadi, probabilitas provisi Papua masuk ke dalam kelompok IPG redah dega ilai-ilai tersebut adalah sebesar 0,751. Sedagka probabilitas provisi Papua masuk ke dalam kelompok IPG tiggi (P(Y=0)) adalah sebesar 0,249. Efek margial diguaka utuk megetahui seberapa besar pegaruh perubaha variabel prediktor terhadap probabilitas suatu provisi termasuk dalam kelompok IPG redah atau tiggi. Pada hasil aalisis dega regresi probit sebelumya, didapatka bahwa variabel yag sigifika berpegaruh terhadap variabel respo adalah variabel X 3, X 5, X 7, da X 9. Misalka suatu provisi dega X 3 = 48,23; X 5 = 68,36; X 7 = ; da X 9=110,13; maka efek margial dari variabel APS SMA/sederaat adalah sebagai berikut: X 3 = 0,032 Artiya bahwa setiap perubaha variabel APS SMA/sederaat sebesar 1% maka aka meuruka probabilitas suatu provisi masuk ke dalam kategori IPG kelompok redah sebesar 0,032. Selautya utuk medapatka ilai efek margial dari variabel PAK adalah sebagai berikut: X 5 = 0,038 Efek margial dari variabel PAK adalah sebesar -0,032. Artiya bahwa setiap perubaha variabel PAK sebesar 1% maka aka meuruka probabilitas suatu provisi masuk ke dalam kategori IPG kelompok redah sebesar 0,038. Efek margial dari variabel PPP adalah sebagai berikut: X 7 = 0, Artiya bahwa setiap perubaha variabel PPP sebesar 1% maka aka meuruka probabilitas suatu provisi masuk ke dalam kategori IPG kelompok redah sebesar 0, Sedagka utuk medapatka ilai efek margial dari variabel rasio eis kelami saat lahir adalah sebagai berikut: X 9 = 0,146 Artiya bahwa setiap perubaha variabel rasio eis kelami saat lahir sebesar 1% maka aka meigkatka probabilitas suatu provisi masuk ke dalam kategori IPG kelompok redah sebesar 0,146. Ui kesesuaia model diguaka utuk megetahui apakah terdapat perbedaa atara hasil observasi dega kemugkia hasil prediksi. Berdasarka hasil peguia, didapatka ilai P-value sebesar 0,630 yag berarti P-value > 0,20. Sehigga keputusa yag diambil adalah gagal tolak H 0. Jadi, dapat disimpulka bahwa tidak ada perbedaa atara hasil observasi dega kemugkia hasil prediksi model. Atau dega kata lai model telah sesuai. Ketepata klasifikasi yag diprediksi dari model regresi probit terbaik utuk data perempua yaitu sebesar 86,1%. Artiya, variabel respo yag dapat dielaska oleh variabel prediktor pada model ii adalah sebesar 86,1%. V. KESIMPULAN DAN SARAN Berdasarka hasil da pembahasa pada bagia IV, maka diperoleh kesimpula sebagai berikut: 1. Perkembaga IPG di Idoesia secara keseluruha dari tahu selalu megalami peigkata. Hal ii meelaska bahwa pecapaia pembagua geder di Idoesia dari waktu ke waktu semaki membaik. Namu, masih terdapat keseaga atau gap atara peduduk laki-laki da perempua di seluruh provisi di Idoesia. Keseaga tersebut dapat dilihat diberbagai bidag seperti pedidika, kesehata, da sumbaga pedapata.
7 7 2. Faktor-faktor yag mempegaruhi IPG pada peduduk laki-laki ataralai APS SD/sederaat da rasio eis kelami saat lahir, dega model regresi probit yag didapatka yaitu: y = 42,269 0,775X 1 + 0,324X 9 Persamaa diatas dapat diiterpretasika bahwa APS SD/sederaat berpearuh egatif terhadap probabilitas suatu provisi termasuk dalam kelompok IPG redah. Sedagka rasio eis kelami saat lahir berpegaruh positif terhadap probabilitas suatu provisi termasuk dalam kelompok IPG redah. Sedagka faktor yag mempegaruhi IPG pada peduduk perempua yaitu yaitu APS SMA/sederaat, PAK, PPP, da rasio eis kelami saat lahir, dega model regresi probit yag didapatka adalah sebagai berikut: y = 6,459 0,101X 3 0,121X 5 0,00005X 7 + 0,462X 9 Persamaa diatas dapat diiterpretasika bahwa APS SMA/sederaat, PAK, da PPP berpegaruh egatif terhadap probabilitas suatu provisi termasuk dalam kelompok IPG redah. Sedagka rasio eis kelami saat lahir berpegaruh positif terhadap probabilitas suatu provisi termasuk dalam kelompok IPG redah Sara yag diberika oleh peulis utuk pemeritah agar lebih memperhatika pecapaia kapabilitas dasar peduduk laki-laki da perempua agar keseaga atara keduaya tidak meadi besar. DAFAR PUSAKA [1] Kemetria Pemberdayaa Perempua da Perliduga Aak Pembagua Mausia Berbasis Geder Jakarta: Kemetria Pemberdayaa Perempua da Perliduga Aak. [2] empo Lida Gumelar: Pembagua Geder Masih ertiggal. ersedia di Gumelar-Pembagua-Geder-Masih-ertiggal, diakses pada 28 Jauari [3] Hafizh, Q. U Pemodela Disparitas Geder di Jawa imur dega Pedekata Model Regresi Probit Ordial. ugas Akhir S1 yag tidak dipublikasika. Jurusa Statistika FMIPA Istitut ekologi Sepuluh Nopember Surabaya. [4] Yuliati, R.A & Ratasari, Vita Pemetaa da Pemodela igkat Partisipasi Agkata Kera Perempua Di Provisi Jawa imur dega Pedekata Model Probit. Jural Sais da Sei POMIS. Vol 2, hal [5] Hakim, L. J Aalisis Kompoe Ideks Pembagua Geder dega Geographically Weighted Multivariate Regressio Model di Provisi Kalimata imur da Kalimata Selata ahu esis S2 yag tidak dipublikasika. Jurusa Statistika FMIPA Istitut ekologi Sepuluh Nopember Surabaya. [6] Asmato, Priadi Evaluasi Milleium Developmet Goals (MDGs) Idoesia: Kesetaraa Geder da Pemberdayaa Perempua. ersedia di SSRN: diakses pada 30 Jauari [7] Kemetria Pemberdayaa Perempua da Perliduga Aak Pembagua Mausia Berbasis Geder Jakarta: Kemetria Pemberdayaa Perempua da Perliduga Aak. [8] Guarati, D. N Basic Ecoometrics, Fourth Editio. New York: McGraw-Hill. [9] Greee, W. H Ecoometric Aalysis. USA: Pearso Pretice Hall. [10] Hosmer, D.W & Lemeshow, Staley Applied Logistic Regressio Secod Editio.USA: Joh Wiley & Sos. [11] Johso, R. A & Wicher, D. W Applied Multivariate Statistical Aalysis, Sixth Editio. New Jersey: Pearso Pretice Hall.
Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciAnalisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino
Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciKata Kunci : CHAID, IPM, regresi logistik ordinal.
ANALISIS CHAID DAN REGRESI LOGISTIK ORDINAL PADA INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Liaa Yuita Sari, Sri Sulistijowati Hadajai, da Satoso Budiwiyoo Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciMETODE PENELITIAN. 3.1 Kerangka Pemikiran
24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinci1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465)
= DATA DAN METODE PENELITIAN Data Peelitia Data yag diguaka dalam peelitia ii adalah data primer hasil yag diperoleh melalui peyebara kuisioer da metode wawacara sebagai data pelegkap. Pegumpula data dilaksaaka
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciJurnal Gradien Vol. 11 No. 2 Juli 2015 :
Jural Gradie Vol. 11 No. 2 Juli 2015 : 1096-1100 Aalisis Tigkat Uag Kuliah Tuggal dega Megguaka Regresi Logistik Ordial (Studi Kasus Jurusa Matematika FMIPA Uiversitas Begkulu Tahu Ajara 2013-2015) Etis
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciPemodelan Ketahanan Pangan di Indonesia dengan Pendekatan Regresi Probit Ordinal
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Prit) D-151 Pemodela Ketahaa Paga di Idoesia dega Pedekata Regresi Probit Ordial Deby Lolita Permatasari 1 da Vita Ratasari 2 Jurusa Statistika,
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciANALISIS REGRESI LOGISTIK ORDINAL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PREDIKAT KELULUSAN MAHASISWA S1 DI ITS SURABAYA
ANALISIS REGRESI LOGISTIK ORDINAL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PREDIKAT KELULUSAN MAHASISWA S DI ITS SURABAYA Sitti Imaslihkah, Madu Rata, da Vita Ratasari Jurusa Statistika, Fakultas MIPA,
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciPendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciPEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk
Lebih terperinciMETODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa
III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciMODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR
1 MODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR Fui Rahayu Wilueg, Dra. Nuri Wahyuigsih [1] Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciPENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai
1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinci