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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa Statsta, Faultas MIPA, Isttut Teolog Seuluh Noember (ITS) Jl. Aref Rahma Ham, Surabaya 60 Idoesa e-mal: wahyu_w@statsta.ts.ac.d Abstra Tujua dar eelta adalah membuat model utu asus egaggura terbua d Jawa Tmur. Pemodela megguaa dua reso yag berorelas, yatu egaggura erah beerja da egaggura belum erah beerja. Predtor berasal dar Sembla varabel, amu atar varabel deedet terdaat orelas, sehgga dredus mejad tga fator baru, atara la fator edda dasar da tgg, fator ereooma jawa tmur, da fator edda SMP. Estmas arameter regres multvarat terhada edua reso dega redtor setelah dlaua aalss fator meujua terdaat elaggara asums resdual IIDN, sehgga datas dega trasformas varabel deede. Pemodela dar aalss fator meujua mash terdaat fator yag tda sgfa, sehgga terretas model dlaua dega megguaa emlha model terba. Hasl emodela meujua reso egaggura erah beerja da egaggura belum erah beerja degaruh oleh ertambaha jumlah agata erja d Provs Jawa Tmur. Kata Kuc Aalss Fator,, Regres Multvarat. P I. PENDAHULUAN egaggura meruaa masalah yag melut dmes sosal hgga ereooma d Jawa Tmur. Kods terjad dsebaba terutama area Jawa Tmur meml ertumbuha edudu usa rodutf yag esat []. Pedudu usa muda sedag meghada tataga berat d masa medatag. Derraa lma hgga seuluh tahu e dea, jumlah agata erja sema besar, amu elomo usa tahu yag meggala agata erja relatf ecl []. Tgat egaggura terbua d Jawa Tmur ada Februar 05 mecaa 89 rbu orag atau setara 4,3 erse dar total agata erja. Aga tersebut belum termasu ategor setegah egaggur da eerja aruh watu yag jumlahya mecaa 6,4 juta orag [3]. Sayagya, ertumbuha eoom teryata tda cuu mamu megurag jumlah egaggura d Idoesa [4]. Oleh sebab tu, salah satu uaya yag daat dlaua utu megurag egaggura adalah dega melaua egedala terhada fator-fator yag memegaruhya. Peelta terdahulu seert yag dtuls oleh Dharmayat (0) [5] megaalss la PDRB, uah da flas terhada TPT d Provs Jawa Tegah tahu Haslya varabel PDRB, uah da flas beregaruh sgfa terhada egaggura. D la temat, Mulyat (009) [6], melaua aalss hubuga flas da egaggura d Idoesa erode megguaa edeata urva Phls utu mejelasa hubuga flas da tgat egaggura dega metode regres bergada Ordary Least Square (OLS) da grager causalty test. Teryata tgat flas tda beregaruh sgfa terhada tgat egaggura, semetara Jumlah agata erja sgfa beregaruh terhada tgat egaggura. Peelta d Jawa Tmur dlaua oleh Sar (0) [7] dega memodela egaggura megguaa metode regres Sle. Haslya ersetase edudu agata erja, APK, da tgat vestas beregaruh sgfa terhada egaggura. Peelta teaga erja d Sulawes Utara dlaua oleh Pratw da Za (04) [8] megguaa metode Classfcato ad Regresso Tree (CART). Hasl eelta meujua fator yag memegaruh egaggura terbua d rovs Sulawes Utara yatu Jes Kelam, Pedda terahr, Usa, Status dalam Rumah Tagga, da Status Perawa. Peelta al dlaua utu membuat sebuah model asus egaggura terbua yag dlhat berdasara ategor egaggura belum erah beerja, da egaggura erah beerja. Metode yag dguaa adalah regres lear multvarat. Metode tersebut bergua utu emodela asus yag meml reso lebh dar satu serta berorelas. Predtor yag aa dtelt adalah dar ss edda terahr edudu Jawa Tmur d seta Kabuate da Kota ada tgat SD, SMP, SMA, SMK, da ergurua tgg. Sela tu dguaa ula varabel redtor dar sudut adag maro eoom, seert jumlah agata erja, Uah Mmum Regoal (UMR), Produ Domest Regoal Bruto (PDRB) da la realsas aaama modal dalam eger. Tujua utama dar eelta adalah melhat araterst eteagaerjaa yag dhubuga dega edda terahr agata erja d Jawa Tmur tahu 04, serta membuat sebuah model regres multvarat utu asus egaggura terbua. Batasa masalah eelta megambl data eteagaerjaa da ereooma Jawa Tmur tahu 04 dar 38 Kabuate da Kota.

2 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) D-39 II. TINJAUAN PUSTAKA Aalss Regres Multvarat Pemodela dega metode aalss regres multvarat, dguaa utu asus dega q reso Y, Y,..., Y q yag berorelas terhada satu ragaa redtor X,X,...,X. [9]. Seta reso dasumsa megut model regresya sedr, sehgga y X... X y y q 0 X 0q q X... X 0 q... q X Dega y q meruaa varabel reso e-q da X meruaa varabel redtor e-. Semetara arameter β,β,,β q meruaa arameter regres da ε q adalah error. Model regres multvarat yag terdr dar q model lear secara stmula daat dtujua betu matrs ersamaa berut Y X β ε () ( xq) ( ) ( ) q ( q) q () Dmaa E(ε () ) = 0 da Cov(ε (), ε () ) = σ j da,j =,,...,q. Pemersaa Korelas Atar Varabel Reso Utu memersa besarya orelas bvarat atara varabel reso Y da Y dlaua megguaa Pearso s correlato. Berut adalah rumus utu mecar la oefse orelas Pearso s [0]. Dmaa: ( y y )( y ( ) s y y y y = samel rata-rata utu varabel y S y = stadar devas utu varabel y y = samel rata-rata utu varabel y S y = stadar devas utu varabel y = jumlah data ρ = oefse orelas atar varabel Peasra Parameter Regres Multvarat Betu ersamaa model regres Bˆ multvarat dega Y da ε adalah matrs beruura x q. X adalah matrs beruura x(+) yag memuyaa X T X full ra, serta B adalah suatu matrs arameter beruura (+)xq. Berut adalah estmas uadrat terecl utu Bˆ [9]. Bˆ XX XY (4) XX X y, y, y q X X Xy, XX X y,, XX Xy q βˆ,βˆ,,βˆ q Sedaga utu estmas arameter ta bas dtujua dega cov(y ) = Σ yag dyataa dalam ersamaa sebaga berut. E Y Xβˆ Y Xβˆ S e (5) YY βˆ XY ) (3) Peguja Sgfas Parameter Model Regres Multvarat Peguja arameter model regres dlaua utu megetahu aaah arameter sgfa dalam model. Hotess yag dguaa ada eguja arameter model regres secara sereta adalah sebaga berut. H 0 : β = β = = β q = 0 H : mmal ada satu arameter β q 0 Statst uj : E YY Bˆ XY (6) Λ E H YY yy Λ adalah la wl s lambda, dmaa y adalah vetor rata-rata dar matrs Y. Krtera egujaya adalah tola H 0 ja Λ Λ α,q,, maa secara eseluruha arameter tda sama dega ol, sehgga model sgfa. Nla Λ α,q,, adalah tabel utu Wl s Lambda []. Koefse Determas Uura yag dguaa utu melhat suatu hubuga atara varabel reso da redtor adalah wls lamda. Rumus yag dguaa sebaga berut (7) Dega Λ adalah wls s lamda. Semetara la η meml la terval 0 hgga, artya ja sema deat dega maa hubuga atara varabel reso da redtor sema erat []. Peguja Asumsu resdual Idet Asums resdual det yag harus deuh adalah matrs vara ovara yag homoge. Peguja asums tersebut megguaa statst uj Box s M [9]. Hotess: H : H :Mmal ada satu Statst uj: χ = u= - (-c ) l M d maa: S ool v S v utu l M v l S v l S ool 3 (8) c v 6( )( ) v v Keteraga: = bayaya elomo = baya egamata ada elomo e- S = matrs vara ovara dar elomo e- Daerah eolaa: Gagal tola H 0 ja u χ α; maa matrs ( )z(z+) vara ovara resdual bersfat homoge. Ja terjad elaggara asums det, yatu adaya ods varas yag tda homoge. Pemersaa Asums Ideede Pemersaa ebebasa atar resdual daat dlaua dega megguaa Barlett test [3]. Hotess yag dguaa adalah. H 0 : Atar resdual salg eedet H : Atar resdual deedet Statst uj:

3 D-39 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) 5 l R (9) htug 6 Jumlah varabel redtor dotasa sebaga, semetara l R meruaa la determa matrs orelas. Ja la χ htug > χ /(-) maa atar resdual bersfat deede Pemersaa Asums resdual Normal Bvarat Peguja resdual bvarat ormal, Meurut Marda (974) dalam Recher (995) [0] salah satuya megguaa rosedur utu measr eormala data adalah dega geeralsas dar eguja uvarat berdasara ada uura sewess da urtoss. Ja y da x adalah varabel deede da deede da det berdstrbus dega rata-rata vetor µ damatrs ovara Σ. Maa sewess da urtoss utu oulas multvarat adalah T 3, E[( y ) ( x )], (0), E[( y ) T ( x )] Ja β, = 0 eta y adalah N(µ,Σ) maa β, = (+) () utu megestmas β, megguaa samel y,y, y, dega T ˆ g ( y y) ( y y), () j Dmaa Σ = = (y y ) (y y ) T adalah estmas masmum lelhood. Estmas dar β, da β, deroleh dar a b, g j j (3) b, g Hotess yag dguaa utu meguj dstrbus ormal bvarat adalah sebaga berut H 0 : Data berdstrbus ormal bvarat H : Data tda berdstrbus ormal bvarat Statst uj: ( )( )( 3) z b (4), 69( )( ) 6] Daerah eolaaya adalah Tola H 0 ja z χ 0,05;db, atau la value < α(0,05), dega rumus memeroleh derajat bebasya adalah ( + )( + ). 6 Aalss Fator Aalss fator dguaa utu megaalsa orelas atara varabel multvarat dega cara meggabuga varabel-varabel yag meml orelas uat, yag selajutya dsebut dega fator-fator. Kelomo dar varabel tersebut (fator), dasumsa mereresetasa dmes d dalam data. Asums ertama yag harus deuh dalam aalss fator adalah ecuua data, yag duj dega uj Kaser Meyer Ol (KMO). Asums berutya yatu adaya orelas atar varabel secara multvarat. Peguja orelas multvarat dega mgguaa uj Barlett []. Hotess eguja KMO: H 0 : Jumlah data cuu utu dfatora. H : Jumlah data tda cuu utu dfatora. Statst uj : r (5) j KMO j rj a j j j Aabla la KMO lebh besar dar alfa yag telah dtetua, maa terma Ho sehgga daat dsmula jumlah data telah cuu dfatora. Hotess uj Barlett. H 0 : Atar varabel egamata salg berorelas H : Atar varabel egamata tda berorelas Statst uj: 5 l R (6) htug 6 Ja la χ htug > χ /(-) maa atar resdual bersfat deede [3] Istlah dalam Agata Kerja Pedudu daat dbag dalam dua elomo, yatu edudu yag termasu dalam elomo agata erja da edudu bua agata erja. Pedudu elomo ertama adalah merea yag beerja, yag semetara tda beerja, da yag mecar eerjaa [4]. Sedaga elomo edua adalah merea yag seolah, megurus rumah tagga da laya. Yag dmasud dega teaga erja (Ma Power) alah besarya baga da edudu yag daat dutsertaa dalam roses eoom. a. Pegaggur terbua, terdr dar: ) Merea yag ta uya eerjaa da mecar eerjaa. ) Merea yag ta uya eerjaa da memersaa usaha. 3) Merea yag ta uya eerjaa da tda mecar eerjaa, area merasa tda mug medaata eerjaa. 4) Merea yag sudah uya eerjaa, teta belum mula beerja. b. Mecar eerjaa Usaha mecar eerjaa tda terbatas ada semggu sebelum ecacaha, jad merea yag sedag berusaha medaata eerjaa da yag ermohoaya telah drm lebh dar satu mggu yag lalu teta dagga sebaga mecar eerjaa asala semggu yag lalu mash megharaa eerjaa yag dcar. Merea yag sedag beerja da berusaha utu medaata eerjaa yag la tda daat dsebut sebaga egaggur terbua. Mecar eerjaa adalah egata seseorag yag ada saat surve orag tersebut sedag mecar eerjaa, seert merea: ) Yag belum erah beerja da sedag berusaha medaata eerjaa. ) Yag sudah erah beerja, area sesuatu hal berhet atau dberheta da sedag berusaha utu medaata eerjaa. 3) Yag beerja atau memuya eerjaa, teta area sesuatu hal mash berusaha utu medaata eerjaa la. Sumber Data I. METODOLOGI PENELITIAN Sumber data ada eelta megguaa data seuder tetag eteagaerjaa, edda da ereooma. Data tersebut deroleh dar ublas Bada Pusat Statst (BPS) Provs Jawa Tmur tahu 04. Ut egamata yag dguaa adalah 38 abuate/ota d Provs Jawa Tmur.

4 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) D-393 Varabel eelta Peelta megguaa dua varabel reso atara la egaggura erah beerja (Y ) da egaggura belum erah beerja (Y ). Varabel redtor yag dguaa berasal dar dator ereooma da edda d jawa Tmur, atara la jumlah edudu usa agata erja (X ), Uah Mmum Regoal (X ), Peaama Modal Dalam Neger (PMDN) (X 3 ), da Produ Domest Bruto (PDRB) (X 4 ). Varabel yag terat edda megguaa ersetase edda terahr yag dtemuh d jejag seolah dasar (X 5 ), seolah meegah ertama (X 6 ), seolah meegah atas (X 7 ), seolah meegah ejurua (X 8 ), da ergurua tgg (X 9 ). Metode Aalss Data Lagah-lagah aalss data ada eelta adalah sebaga berut. a. Megumula data seuder tetag eteagaerjaa, edda, da ereooma d 38 abuate/ota d Provs Jawa Tmur dar BPS Jawa Tmur. b. Melaua emersaa oefse orelas. Ja terdaat orelas maa aa dlajuta dega metode multvarat. c. Meguj orelas atar varabel redtor, ja terdaat orelas, maa dlajuta dega aalss fator. d. Melaua estmas model regres multvarat. e. Meguj sgfas arameter model regres multvarat. f. Pemersaa asums IIDN ada resdual data. g. Megatas elaggara asums ja terdaat elaggara asums IIDN dega trasformas, emuda melaua estmas ulag arameter model. h. Megterretasa model da meyusu esmula. III. HASIL DAN PEMBAHASAN Karaterst Agata Kerja d Jawa Tmur Aga egaggura terbua d Jawa Tmur hgga Agustus 04 mecaa jwa. Artya, setar 4,9 erse edudu Jawa Tmur termasu dalam ategor egaggura terbua. Kategor egaggura terbag mejad egaggura erah beerja da egaggura belum erah beerja Kota Malag; Kota Mojoerto.8 Bagala; Kabuate Malag Bayuwag Jombag; 7.48 Bayuwag; Madu; Probolggo; 4.75 Kota Surabaya; Jember; Kabuate Malag;.484 Sdoarjo;.96 Jember; Agata Kerja Perah Beerja Tda Perah Beerja Gambar. Karaterst Agata Kerja Jawa Tmur Kota Surabaya meemat uruta ertama jumlah agata erja tertgg sealgus aga egaggura erah beerja da egaggura belum erah beerja tertgg. Hal meujua bahwa masyaraat Kota Surabaya mash baya yag belum medaata esemata erja. Salah satu eyebabya adalah ersaga yag tgg Kota Surabaya. Berbeda dega Kota Surabaya, d Kabuate Bagala aga egaggura yag tda erah beerja relatf tgg, sebesar Aga tersebut cuu besar ja dbadga dega agata erja yag berjumlah agata erja. D Kabuate Jember, aga egaggura belum erah beerja lebh besar dbadga egaggura erah beerja. Perbadga atar eduaya yatu sebesar egaggura belum erah beerja da 7.33 egaggura erah beerja. belum erah beerja umumya adalah lulusa baru da belum uya egalama erja. Sela dar seg jumlah agata erja da erbadgaya dega aga egaggura, araterst teaga erja d suatu wlayah daat dla salah satuya dar tgat edda tertgg yag dcaa oleh masyaraatya. Data statst edda Jawa Tmur tahu 04 meujua domas edda tertgg yag dtemuh masyaraat mash ddomas oleh lulusa SD hgga yag belum meyelesaa edda dasar, yatu sebesar 5,96 erse. Lulusa edda SMA, SMK da ergurua tgg d tegah agata erja haya sebesar 30,7erse. Artya teaga erja lulusa edda tgg mash lebh sedt dsera dua erja, dega ata la agata erja d Jawa Tmur mash ddomas oleh eerjaa yag berasal dar setor formal. Pemersaa Koefse Korelas Reso Pemodela asus egaggura d Jawa Tmur megguaa dua varabel reso, atara la egaggura erah beerja (Y ) da egaggura belum erah beerja (Y ). Varabel egaggura erah beerja da egaggura belum erah beerja meml oefse orelas sebesar 0,783. Korelas atar edua varabel reso tersebut juga sgfa ada -value 0,000. P emodela Aga Terbua d Jawa Tmur dega Fator-fator yag memegaruhya. Sebelum melaua aalss fator ada asums yag harus deuh yatu syarat ecuua data da ada orelas atar varabel. Hasl eguja tersaj ada Tabel. TABEL. UJI KMO DAN BARLETT KMO,637 Barlett's Test ch-square 84,06 df 36 -value,000 Hasl eguja KMO da Barlett ada tabel meujua la KMO lebh dar 0,5 da hasl Uj Bartlett deroleh la χ htug sebesar 84,06 lebh dar χ tabel sebesar 50,943, sedaga la -value sebesar 0,00. yag artya terdaat orelas yag sgfa atar varabel redtor. Asums yag tereuh berart data laya utu dfatora. Aalss fator meghasla tga fator baru. Fator, dega otrbus la loadg fator terbesar dar varabel X 5, X 7, X 8, da X 9. Selajutya fator damaa fator edda dasar da tgg. Kotrbus la loadg fator tertgg ada fator terdr dar X, X, X 3, da X 4. Fator terdr dar varabel yag berhubuga dega eoom maro Jawa Tmur,

5 D-394 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) selajutya fator damaa Fator Pereooma Jawa Tmur. Semetara tu, fator 3 haya terdr dar satu varabel yag berotrbus tertgg yatu X 6, selajutya fator 3 damaa fator edda meegah. Setelah melaua redus varabel deedet megguaa aalss fator, selajutya adalah melaua estmas arameter regres multvarat. Hasl estmas dtamla ada tabel. TABEL. ESTIMASI PARAMETER REGRESI MULTIVARIAT varabel reso Perah Beerja (Y) Tda Perah Beerja (Y) varabel redtor estmas arameter -value eteraga Itercet 087,974,000 Gagal tola H0 F -764,090,506 Tola H0 F 743,37,000 Gagal tola H0 F3 03,46,073 Tola H0 Itercet 09,3,000 Gagal tola H0 F -8,768,9 Tola H0 F 7,44,000 Gagal tola H0 F3-79,594,78 Gagal tola H0 Hasl estmas arameter regres multvarat ada etga fator tersebut meujua, fator ereooma jawa tmur (F ) sgfa terhada egaggura erah beerja (Y ) da egaggura tda erah beerja (Y ). Sebelum melaua terretas model, terlebh dahulu elu dlaua emersaa asums resdual det, deede, da dstrbus ormal multvarat. Pemersaa resdual det utu data multvarat megguaa statst uj Box s M (8). Sebelumya resdual data dbag mejad dua elomo berdasara status admstratf abuate da ota. Hasl eguja deroleh aga statst uj Box s M sebesar 8,745 lebh dar tabel χ 0,05;3 (7,85), dega -value sebesar 0,00 urag dar α(0,05) artya matrs vara-ovara resdual tda det. Peguja asums resdual ada asus multvarat meguaa metode eguja Barlett s Test. Peguja Barlett s test deroleh la χ htug sebesar,49 lebh dar χ tabel sebesar 3,84, sedaga la -value sebesar 0,00. Artya terjad elaggara asums resdual deede. Pemersaa resdual berdstrbus bvarat ormal meujua berdasara eguja sewess da urtoss, deroleh la z sebesar 49,986 lebh dar χ 0,05;4(9,488), sehgga dutusa tola H 0 yag berart data tda berdstrbus ormal bvarat.. Peaggulaga Pelaggara Asums IIDN Berdasara eguja asums resdual IIDN, resdual terdas melaggar asums det, deede da tda berdstrbus ormal bvarat. Sehgga erlu dlaua trasformas ada varabel deede. Setelah dlaua trasformas, estmas arameter dlaua embal atara varabel deede hasl traformas yatu Z da Z sebaga reso da varabel deede F, F, da F 3. Hasl estmas ulag dtamla ada tabel 3. varabel reso Perah Beerja (Z ) TABEL 3. ESTIMASI PARAMETER PADA Z DAN Z varabel redtor estmas arameter -value eteraga Itercet 8,939,000 Gagal tola H0 F -0,58,60 Tola H0 F 0,566,000 Gagal tola H0 F 3 0,66,0 Gagal tola H0 Itercet 8,964,000 Gagal tola H0 Tda Perah Beerja (Z ) F -0,38,004 Gagal Tola H0 F 0,6,000 Gagal tola H0 F 3 0,03,758 Tola H0 Hasl estmas ulag arameter regres multvarat setelah trasformas meujua terdaat erbedaa fator yag sgfa terhada reso. Fator ereooma jawa tmur (F ) da fator edda meegah (F 3 ) sgfa terhada egaggura erah beerja (Z ). Pada reso egaggura tda erah beerja (Z ), fator yag sgfa atara la fator edda dasar da atas (F ) da fator ereooma Jawa Tmur (F ). Setelah deroleh embal hasl estmas arameter, taha selajutya adalah meguj sgfas arameter multvarat dega wl s lambda. H 0 : β = β = = β 3 = 0 H : mmal ada satu arameter β q 0 Statst uj : E YY Bˆ XY Λ E H YY yy 5, , Λ 3066,790 9, , , , , ,346 Hasl erhtuga la wl s lambda deroleh sebesar 0,0087. Aga tersebut emuda dbadga dega la wl s lamda tabel meujua Λ 0,05;;3,38-3- (0,6784) lebh dar wl s lambda htug Λ (0,0087). Artya terdaat mmal satu arameter regres multvarat yag beregaruh sgfa terhada varabel reso Z da Z. Peguja secara arsal multvarat dtujua ada tabel 4. TABEL 4. SIGNIFIKANSI PARAMETER PARSIAL MULTIVARIAT wl's Lambda PValue Itercet,004,000 F,76,0 F,475,000 F3,783,08 Tabel 4 member formas bahwa F, F da F 3 sgfa secara asral multvarat terhada reso. Besar la eerata hubuga deroleh dar η = 0,0087 = 0,997, artya varabel deede daat mejelasa varas ada model sebesar 99,7 erse. Semetara,3 erse djelasa oleh varabel la d luar eelta. Pemersaa asums resdual IIDN dlaua embal utu megetahu aaah elaggara asums telah teratas. Hasl uj Box s M, deroleh aga statst uj Box s M sebesar,63 urag dar χ 0,05;3 (7,85), dega -value sebesar 0,498, artya matrs vara-ovara resdual telah memeuh asums resdual det. Pemersaa asums resdual deede megguaa eguja Barlett s test deroleh la χ htug sebesar,49 lebh dar χ tabel sebesar 3,84, sedaga la - value sebesar 0,000. Artya mash terjad elaggara asums resdual deede mesu telah dlaua trasformas. Hasl emersaa asums resdual ormal bvarat megguaa metode marda, deroleh la Z = 4,7305 urag dar χ 0,05;4(9,488), sehgga dutusa gagal tola H 0 yag berart data berdstrbus ormal bvarat..

6 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98X Prt) D-395 Iterretas Model Hasl estmas arameter model regres setelah trasformas member formas bahwa mash terdaat fator yag tda sgfa. Karea mash terdaat fator yag tda sgfa mesu telah dlaua eagaa terhada elaggara asums resdual IIDN, oleh sebab tu terretas model aa dlaua dega megguaa hasl emlha model terba megguaa stewse. TABEL 5. ESTIMASI PARAMETER SETELAH STEPWISE Var. Deede Var. Ideede Koefse P-value Z tercet 7,848 0,000 X 0, ,000 Z tercet 7,7375 0,000 X 0, ,000 Tabel 5 meruaa hasl estmas arameter hasl dar emlha model terba. Tabel tersebut membera formas tetag oefse regres da varabel yag sgfa terhada reso Z da Z. Dar sembla varabel deedet, haya terdaat satu varabel deedet yag sgfa beregaruh terhada edua reso Z da Z. Varabel yag sgfa beregaruh adalah jumlah agata erja (X ) d Jawa Tmur, artya jumlah agata erja (X ) telah dagga mewal delaa varabel la yag tda masu d dalam model. Iterretas model regres multvarat yag terbetu berdasara hasl estmas arameter ada tabel 5 adalah sebaga berut. Z = 7, , X Z = 7, , X Model tersebut member art bahwa, ja terdaat ertambaha jumlah agata erja d Jawa Tmur, maa jumlah egaggura erah beerja d Jawa Tmur aa megat sebesar 0, satua. Kods yag sama juga terjad ada asus egaggura belum erah beerja. Ja terdaat ertambaha julag agata erja d Jawa Tmur, maa jumlah belum erah beerja aa megat sebesar 0, satua. IV. KESIMPULAN Kota Surabaya meemat uruta ertama dega aga rgaggura beregalama da belum beregalama tertgg d Jawa Tmur. Pedda terahr agata erja mash ddomas oleh lulusa SD. Semetara lulusa SMA, SMK da Pergurua tgg haya 30,7 erse. Artya teaga erja Jawa Tmur mash baya yag beerja d setor o formal. Pemodela regres multvarat dlaua setelah redus varabel megguaa aalss fator. Namu hasl emodela setelah aalss fator meujua mash terdaat fator yag tda sgfa terhada reso. Iterretas model dar hasl emlha model terba adalah, ja terdaat eambaha jumlah agata erja, maa jumlah emgaggura erah beerja aa megat sebesar 0, satua. Semetara egaggura belum erah beerja aa megat sebesar 0, satua. DAFTAR PUSTAKA [] Baeas, Proyes Pedudu Idoesa , Jaarta: Bada Pusat statst, (03). [] ILO, Aalss Dagost Keteagaerjaa d Jawa Tmur, ILO, Surabaya, (0). [3] BPS Jatm, Statst Daerah Provs Jawa Tmur 05, Surabaya: BPS Provs Jawa Tmur, (05). [4] S. Dhaa, "Uemloymet ad Uderemloymet Idoesa : Paradoxes ad Issues," Iteratoal Labour Orgazato, Geeva, (004). [5] Y. Dharmayat, "Aalss Pegaruh PDRB, Uah, da Iflas Terhada Terbua d Provs jawa Tegah Tahu ," Ud, Semarag, (0). [6] S. Mulyat, "Aalss Hubuga Iflas da d Idoesa Perode : Pedeata Kurva Phls," IPB, Bogor, (009). [7] R. S. Sar, "Pemodela Terbua d Provs Jawa Tmur dega Megguaa Pedeata Regres Sle," ITS Surabaya, Surabaya, (0). [8] F. E. Pratw da I. Za, Klasfas Terbua Megguaa CART (Classfcato ad Regresso Tree) d Provs Sulawes Utara, Jural Sas da Se POMITS, vol. 3, o.,. D-54-D-59, (04). [9] N. Johso ad D. Wcher, Aled Multvarate Statstcal Aalyss, vol. 5th edto, New Jersey: Pretce Hall, Eglewood Clffs, (00). [0] A. C. Recer, Methods of Multvarate Aalyss, d Edto. eyut., Joh Wley & Sos, Ic, (00). [] F. J. Har, B. J. Bab ad R. E. Aderso, Multvarate Data Aalyss, vol.7, (009). [] D. F. Morrso, Multvarate Statstcal Methods, 3rd Edto ed., New Yor: McGraw-Hll, Ic, (005). [3] BPS Jatm, Laora Eseutf Keadaa Agata Kerja d jawa Tmur 03-04, S. Wtard, Ed., Surabaya: Bada Pusat Statst Jawa Tmur, (05) -..

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

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

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

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

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

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan 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 terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

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

Lebih terperinci

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

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

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

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

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311 JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

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

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

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Regresi Logistik pada Data Rare Event

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

Lebih terperinci

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

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

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

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

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 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 terperinci

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

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

Lebih terperinci

X a, TINJAUAN PUSTAKA

X 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 terperinci

titik tengah kelas ke i k = banyaknya kelas

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

Lebih terperinci

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

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

Lebih terperinci

PENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D6 Aalss Regres Logst Ordal utu Megetahu Tgat Gaggua Tuagrahta d Kabuate Poorogo Berdasara Fator-Fator Iteral Peebab Tuagrahta Eva Arum Setar

Lebih terperinci

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 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 terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

9. SOAL-SOAL STATISTIKA

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

Lebih terperinci

9. SOAL-SOAL STATISTIKA

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

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

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN 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 terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB 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 terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

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

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

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

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah 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

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b] Jural Sas da Matemata Vol (3): 58-63 () Fuctoally Small Rema Sums Fugs Tertegral Hestoc-uford ada [a,b] Solh, Sumato, St Khabbah 3,,3 Program Stud Matemata, FSM UNIP Jl Prof Soedarto, SH Semarag, 575 E-mal:

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

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

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

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji 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 terperinci

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE Aalss Losses Jarga Dstrbus Prmer 0 v Area Lhoseumawe....Zamzam ANALSS LOSSES JARNGAN DSTRBUS PRMER 0 AREA LHOSEUMAWE Zamzam 1 1 Dose Jurusa Te Eletro Polte Neger Lhoseumawe ABSTRA Peelta bertujua utu megetahu

Lebih terperinci

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

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

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

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

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

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci