4 SIFAT-SIFAT STATISTIK DARI REGRESI KONTINUM
|
|
- Hamdani Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 4 SIFA-SIFA SAISIK DAI EGESI KONINUM Abstrak Matriks pembobot W pada egresi Kontinum diperole dengan memaksimumkan fungsi kriteria umum ternata menimbulkan masala dari aspek statistika. Prinsip dari fungsi kriteria umum adala memaksimumkan koragam antara X dengan Y dan pada saat ang bersamaan juga memaksimumkan ragam dari X. Dengan demikian, pada matriks pembobot W mengandung peuba Y ang bersifat acak. Bila matriks W diasumsikan ditentukan (fixed variable) maka penduga koefisien regresi bersifat tak bias dengan ragam minimum, sedangkan untuk mendapatkan selang si digunakan aproksimasi. 11Kata kunci : fungsi kriteria umum, matriks pembobot, aproksimasi selang si Abstract Weigted matrix W in te continuum regression obtained from maximizing te generalized criterion function as generated statistical problems. e principle of te generalized criterion function is to maximize covariance XY and variance of X. erefore, Y variable in te weigted matrix W as random caracter. If te matrix W can be determined (fixed variable), te estimator of regression parameters are unbiased wit minimum variance and wile te prediction interval of can be used approximation. Keword: generalized criterion function, weigted matrix, prediction interval approximation
2 55 Pendauluan egresi kuadrat terkecil parsial (KP), regresi komponen utama (KU) dan regresi kontinum (K) dikembangkan dari model regresi linear ganda = Xβ + ε dengan X adala matriks peuba bebas berukuran nxp, adala vektor peuba respon berukuran nx1, β adala parameter regresi berukuran px1, dan ε adala vektor galat berukuran nx1. Sejumla asumsi ang melekat pada metode kuadrat terkecil juga masi diperlukan. Prinsip ang membedakan ketiga metode tersebut terletak pada matriks pembobot W ang besarna dicari dengan cara memaksimumkan fungsi kriteria umum. Matriks pembobot W dalam K mengandung peuba Y ang bersifat acak, seingga untuk mencari sifat-sifat statistik dari asil dugaan K sulit dilakukan secara analitik. Penelitian ini bertujuan untuk mengkaji sifat-sifat statistik dari K, kususna sifat-sifat dari asil pendugaan K, dan menerapkanna pada data simulasi. Bab ini merupakan pengembangan dari artikel ang ditulis Setiawan dan Notodiputro (6b). Metode Metode ang digunakan dalam penelitian ini mencakup kajian teoritis dan empirik. Untuk mendapatkan formula sifat-sifat statistik dari K digunakan kajian teoritis, selanjutna formula tersebut diterapkan untuk kajian empirik dengan menggunakan data asil simulasi. aapan simulasi disajikan pada Lampiran 1. Analisis data dengan menggunakan metode K-WD terbagi dalam dua taap aitu membangun model dan validasi model. aap 1 Membangun model dengan langka-langka sebagai berikut : a. Data asil simulasi berupa matriks peuba bebas X berukuran nxp M ( p = q = ; M = 1,,... ang merupakan sarat dalam WD), pada kajian ini 3x3, dan peuba respon berukuran nx1 (3x1) dibagi menjadi dua kelompok secara acak, kelompok pertama n 1 (5) pengamatan digunakan untuk membangun model dan kelompok kedua n (5) pengamatan untuk validasi model.
3 56 b. Dapatkan matriks WD B berukuran pxp. c. Dapatkan matriks D dengan rumus D = X B, kemudian pili ( n 1xp) ( n1xp) ( pxp) level-level resolusi tertentu sedemikian ingga banakna koefisien wavelet ang terpili sebesar diperole ( n xp') X ( n xp) B 1 1 ( pxp') p ' dengan p ' < ( n1 1) < p. Selanjutna D = ang mereduksi pengamatan dari p titik tiap-tiap conto menjadi p ' titik koefisien wavelet ang terpili. Dalam software wavetres 3 (Nason 1998) terdapat 1 level moter wavelet Daubecies (D-1 sampai D-1) seingga akan diperole 1 matriks D berukuran ( n 1 xp' ). d. Meregresikan peuba respon teradap matriks peuba bebas ( n 1 x1) D ( n 1 xp') (D-1 sampai D-1) dengan menggunakan metode regresi kontinum. Sedangkan dalam mencari matriks pembobot digunakan dua pendekatan aitu pendekatan 1 dan pendekatan. Pada pendekatan 1, langka ini diulang pada δ tertentu ang terletak antara δ 1 sampai mendapatkan model terbaik, seingga mendapatkan model : = D β + ε. Karena pada matriks D masi terdapat masala kolinearitas ganda, maka dilakukan transformasi = D W seingga model menjadi = ξ + ε. Selanjutna dilakukan pendugaan parameter regresi dengan metode kuadrat terkecil sebagai berikut : ˆ ξ δ, = 1 ( ) ˆ = ξ = D W ˆ ξ = D ˆ δ, δ, ˆ β aap Validasi model dengan langka-langka sebagai berikut : a. Melakukan si nilai pada kelompok data validasi dengan menggunakan model ang diasilkan pada taap 1, dengan langkalangka sebagai berikut : Perkalian antara vektor pengamatan ke-i x i ) ( berukuran (1xp) dengan matriks transformasi wavelet B seingga diperole vektor d dengan rumus d x B ( pxp') =.
4 57 Selanjutna dapatkan t = d ( ) W. Memsi nilai dengan rumus : ˆ ξ ˆ ˆ ξ ˆ = = t = d W = d β ; i = 1,,..., n. b. Selanjutna dilakukan validasi model dengan kriteria : i MSEP ang merupakan sala satu ukuran kebaikan asil si koefisien determinasi asil si ( ) sifat-sifat statistik dari asil dugaan regresi kontinum. Untuk mengevalusi kinerja K-WD ada beberapa kriteria ang dibandingkan, antara lain :,, s,, MSEP, plot antara dengan ŷ, plot antara dengan,,, serta lebar selang si. Model dikatakan lebi baik jika lebi tinggi, s dan MSEP lebi kecil, asil pengepasan lebi dekat ke garis lurus dengan gradien 45 melalui pusat, serta lebar selang si ang sempit. Sifat-sifat Statistik dari egresi Kontinum Sifat-sifat statistik ang dikaji meliputi : bias, ragam dari penduga parameter regresi dan si, serta selang si. Ketakbiasan dalam Pendugaan Parameter Model umum regresi ganda = Χβ + ε. Karena pada matriks X terdapat masala singularitas dan atau ill conditioned, maka dilakukan transformasi peuba dengan formula sebagai berikut : = XW dan W = ( w 1, w,..., w ) matriks berukuran (px) dengan { < p < ( n 1)} dan disebut matriks pembobot, adala matriks peuba baru berukuran (nx). matriks Dengan demikian model dapat diuba menjadi = ξ + ε. Karena pada suda tidak ada masala singularitas atau ill conditioned, maka pendugaan parameter ξ dapat dilakukan dengan menggunakan metode kuadrat terkecil ang diformulasikan sebagai berikut : δ, 1 ( ) ˆ ξ =. (78)
5 58 Nilia arapan dari ξˆ dengan sarat W ditentukan (fixed variable) adala : E ξ W = E [( ) W] ˆ 1 δ, 1 = E [( ) ( ξ + ε ) W] 1 = ξ + E[( ) ε W] 1 = ξ + E[( W X XW ) W X ε W] 1 = ξ + [( W X XW ) W X E( ε )] = ξ. (79) Jadi ˆ ξ merupakan penduga takbias bagi ξ bila matriks W bersifat fixed δ, variable (bukan peuba acak). Prisnsip dari matriks pembobot W pada K sama dengan peranan matriks pembobot pada regresi kuadrat terkecil tertimbang (weigted least squares). Pada regresi kuadrat terkecil tertimbang, bila matriks pembobot diketaui (fixed variable), maka penduga ang diasilkan bersifat takbias dengan ragam minimum. Dalam praktekna al tersebut sulit dipenui, seingga matriks pembobot diperole dari asil pendugaan. Pada keadaan ini arus ati-ati, karena bagaimanapun penggunaan penduga sebagai pengganti tidak mungkin sesuai jika didasarkan pada informasi ang terbatas (Mers 199). Logika inila ang digunakan untuk mempelajari sifat-sifat statistik dari K, kususna dalam menikapi matriks pembobot W. agam dan Simpangan Baku untuk ˆ ξ δ, Untuk mendapatkan ragam dari ξˆ dengan sarat W diketaui digunakan formula sebagai berikut : Var( ˆ ξ δ, W) = Var[( ) 1 Τ W] 1 = Var[( W X XW ) W X W] 1 1 = ( W X XW ) W X Var( ) XW ( W X XW ) = ( σ 1 W X XW ). (8)
6 59 Pendugaan untuk data rata-rata Sala satu tujuan dari pemodelan adala menduga (meramal) nilai peuba respon Y berdasarkan nilai peuba bebas X ang dimiliki. Misalkan terdapat nilai pengamatan x untuk menduga nilai digunakan formula sebagai berikut : ˆ = t ˆ ξ = x W ˆ ξ. (81) δ, δ, Sedangkan untuk mencari ragam dan simpangan baku digunakan formula : Var( ˆ = Var ( t ˆ ξ W) δ, = Var ( x W ˆ ξ ) W) W ) ) x δ, Var = W ( ξ W) W ˆ Sedangkan untuk simpangan baku digunakan formula : x s ˆ ) = Var( ˆ ). (8) ( Prediksi nilai untuk Pengamatan Baru Untuk memsi nilai peuba respon pengamatan baru digunakan formula sebagai berikut : = ˆ = t ˆ ξ = x Wξˆ. (83) δ, Untuk mendapatkan selang si dari digunakan formula : δ, x(sep) ˆ x(msep) (84) ˆ ± ± ang merupakan aproksimasi selang si 95%. egresi Kontinum dengan prapemrosesan transformasi wavelet diskret (K-WD) pada dasarna adala regresi kontinum teradap koefisien wavelet. Seingga matriks peuba bebas X pada regresi kontinum diganti dengan matriks koefisien wavelet D. Dengan demikian sifat-sifat statistik dari K-WD sama dengan pada K dengan mengganti matriks peuba bebas X dengan matriks koefisien wavelet D.
7 6 Hasil Simulasi Pemodelan antara peuba respon Y teradap matriks koefisien wavelet diskret (D) dilakukan dengan menggunakan data kelompok-1. Model terbaik terbentuk dengan mengambil 16 koefisien wavelet pada resolusi, 1,, 3 serta 1 koefisien untuk fungsi skala untuk moter wavelet Daubecies-1. ingkasan ukuran kebaikan model disajikan pada abel 7. abel 7 ingkasan ukuran kebaikan model δ s MSEP Pendekatan (KP) (KU) Pendekatan Dari abel 7 tersebut dapat diliat bawa model terbaikna adala asil metode K pada δ =. 15, karena pada kondisi tersebut diperole, serta MSEP terbaik. Selanjutna model ang dianalisis adala model K pada δ =.15. abel 8 menajikan dugaan dari serta ragam dari ŷ, sedangkan abel 9 menajikan si dan selang si untuk ang diperole dari aproksimasi. Dari abel 8 dapat diliat bawa selang si untuk relative sempit dan semua nilai μ maupun nilai pengamatan berada dalam selang si.
8 61 abel 8 Nilai dugaan untuk data kelompok 1 μ = asli ŷ s (ˆ ) abel 9 Hasil si nilai untuk data kelompok validasi Selang si 95% μ = asli Batas Batas Lebar bawa atas selang
9 6 Simpulan Pada K dengan model = Χβ + ε kemudian dilakukan transformasi peuba baru = XW seingga model menjadi = ξ + ε. ξˆ merupakan penduga takbias bagi ξ dan mempunai ragam minimum bila W diasumsikan diketaui (fixed variable). Sedangkan untuk mendapatkan selang si digunakan aproksimasi. K-WD pada dasarna merupakan kombinasi antara K dengan WD, ole karena itu sifat-sifat statistik pada K juga berlaku pada K- WD. Dari formula ang digunakan untuk mencari selang si, ternata secara empirik didapatkan lebar selang ang relatif sempit. Seingga dapat disimpulkan bawa pendugaan dengan metode K-WD akan diperole model dengan tingkat akurasi ang tinggi
BAB I PENDAHULUAN. Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan sebuah alat statistik yang memberi penjelasan tentang pola hubungan (model) antara dua peubah atau lebih (Draper dan Smith, 1992).
Lebih terperinciBAB III METODE STRATIFIED RANDOM SAMPLING
BAB III METODE STRATIFIED RADOM SAMPIG 3.1 Pengertian Stratified Random Sampling Dalam bukunya Elementary Sampling Teory, Taro Yamane menuliskan Te process of breaking down te population into rata, selecting
Lebih terperinciPERKEMBANGAN PEMODELAN KALIBRASI UNTUK MENDUGA KANDUNGAN SENYAWA AKTIF DALAM SUATU TANAMAN ABSTRAK
Seminar Nasional Statistika I Institut eknologi Sepulu Nopember, 7 November 009 PERKEMBANGAN PEMODELAN KALIBRASI UNUK MENDUGA KANDUNGAN SENYAWA AKIF DALAM SUAU ANAMAN Nurwiani, Sony S, Setiawan, Bambang
Lebih terperinciMODEL REGRESI PARTIAL LEAST SQUARES (PLS) (Studi Kasus : Kinerja Satuan Kerja Sekretariat Daerah Kabupaten Tegal)
(Studi Kasus : Kinerja Sekretariat Daera Kabupaten Tegal MODEL REGRESI PARTIAL LEAST SQUARES (PLS) (Studi Kasus : Kinerja Satuan Kerja Sekretariat Daera Kabupaten Tegal) Ole Imam Tayudin Dosen STMIK Amikom
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda
Analisis Regresi Pokok Bahasan Pengujian pada Regresi Ganda Model Regresi Linier Berganda Model Regresi Linier Berganda, dengan k peubah penjelas : Y β β X β X β X k k Parameter regresi sebanyak k+ diduga
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adala penelitian komparasi. Kata komparasi dalam baasa inggris comparation yaitu perbandingan. Makna dari
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciBAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n<<p DAN TERDAPAT KEKOLINEARAN-GANDA
BAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n
Lebih terperinciHubungan Antara Turunan Parsial dan Kekontinuan Pada Fungsi Dua Peubah
Jurnal EKSPONENSIAL Volue Noor Mei ISSN 85-789 Hubungan Antara Turunan Parsial dan Kekontinuan Pada Fungsi Dua Peuba Relationsip Between Partial Derivatives and Continuit on te Function o Two Variables
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinci4. TURUNAN. MA1114 Kalkulus I 1
4. TURUNAN MA4 Kalkulus I 4. Konsep Turunan 4.. Turunan di satu titik Pendauluan dua masala dalam satu tema a. Garis Singgung Kemiringan tali busur PQ adala : m PQ Jika, maka tali busur PQ akan beruba
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciTurunan Fungsi. Penggunaan Konsep dan Aturan Turunan ; Penggunaan Turunan untuk Menentukan Karakteristik Suatu Fungsi
8 Penggunaan Konsep dan Aturan Turunan ; Penggunaan Turunan untuk Menentukan Karakteristik Suatu Fungsi ; Model Matematika dari Masala yang Berkaitan dengan ; Ekstrim Fungsi Model Matematika dari Masala
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA101 MATEMATIKA A Hendra Gunawan Semester II 016/017 4 Maret 017 Kulia ang Lalu 1.1 Fungsi dua atau lebi peuba 1. Turunan Parsial 1.3 Limit dan Kekontinuan 1.4 Turunan ungsi dua peuba 1.5 Turunan berara
Lebih terperinciBAB III STRATIFIED CLUSTER SAMPLING
BAB III STRATIFIED CUSTER SAMPING 3.1 Pengertian Stratified Cluster Sampling Proses memprediksi asil quick count sangat dipengarui ole pemilian sampel yang dilakukan dengan metode sampling tertentu. Sampel
Lebih terperinciBAB 2 LANDASAN TEORI. Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada
19 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel-variabel lain yang mempengaruhinya.misalnya pada seorang
Lebih terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinciuntuk i = 0, 1, 2,..., n
RANGKUMAN KULIAH-2 ANALISIS NUMERIK INTERPOLASI POLINOMIAL DAN TURUNAN NUMERIK 1. Interpolasi linear a. Interpolasi Polinomial Lagrange Suatu fungsi f dapat di interpolasikan ke dalam bentuk interpolasi
Lebih terperinciESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK
Jurnal Matematika Vol. 2 No. 1, Juni 2012. ISSN : 1693-1394 ESTIMATOR KERNEL DALAM MODEL REGRESI NONPARAMETRIK I Komang Gede Sukarsa e-mail: sukarsakomang@yaoo.com I Gusti Ayu Made Srinadi e-mail: srinadiigustiayumade@yaoo.co.id
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi merupakan suatu teknik statistika untuk menyelidiki dan
TINJAUAN PUSTAKA Analisis Regresi Linier Berganda Analisis regresi merupakan suatu teknik statistika untuk menyelidiki dan memodelkan hubungan diantara peubah-peubah, yaitu peubah tak bebas (respon) dan
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciSTATISTICS WEEK 8. By : Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 8 By : Hanung N. Prasetyo BAHASAN Pengertian Hypotesisdan Hypotesis Testing Tipe Kesalaan dalam Pengujian Hipotesis Lima Langka Pengujian Hipotesis Pengujian: Dua Sisi dan Satu Sisi Uji
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinci4.1 Konsep Turunan. lim. m PQ Turunan di satu titik. Pendahuluan ( dua masalah dalam satu tema )
4. TURUNAN 4. Konsep Turunan 4.. Turunan di satu titik Pendauluan dua masala dalam satu tema a. Garis Singgung Kemiringan tali busur PQ adala : m PQ Jika, maka tali busur PQ akan beruba menjadi garis ggung
Lebih terperinciBAB 2 LANDASAN TEORI
9 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel - variabel lain yang mempengaruhinya. Misalnya pada kinerja
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
Lebih terperinciTINJAUAN PUSTAKA. Menurut Usman dan Warsono (2000) bentuk model linear umum adalah :
II. TINJAUAN PUSTAKA. Model Linear Umum Menurut Usman dan Warsono () bentuk model linear umum adalah : Y = Xβ + ε dengan : Y n x adalah vektor peubah acak yang teramati. X n x p adalah matriks nxp dengan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun
Lebih terperinciVI. PEMBAHASAN. dengan metode kemungkinan maksimum, tetapi terhadap
89 VI. PEMBAHASAN Pada analisis yang menggunakan pendekatan model acak satu faktor (model persamaan 4.1), metode kuadrat terkecil secara umum memberikan hasil dugaan yang berbeda dengan metode kemungkinan
Lebih terperinciMENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA)
MENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) Laporan Praktikum ke-2 Disusun untuk Memenuhi Laporan Praktikum Analisis Regresi Lanjutan Oleh Nama : Faisyal Nim : 125090507111001
Lebih terperinciLEMBAR KERJA SISWA 1. : Menggunakan Konsep Limit Fungsi Dan Turunan Dalam Pemecahan Masalah
BAB V T U R U N A N 1. Menentukan Laju Perubaan Nilai Fungsi. Menggunakan Aturan Turunan Fungsi Aljabar 3. Menggunakan Rumus Turunan Fungsi Aljabar 4. Menentukan Persamaan Garis Singgung Kurva 5. Fungsi
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Deskripsi Data Simulasi Plot pencaran titik data antara peubah respon dengan peubah penjelas dapat dilihat pada Gambar 5. Gambar tersebut mengungkapkan bahwa secara keseluruhan pola
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada landasan teori berikut akan dibaas tentang variabel, skala data, varians kovarians, analisis multivariat, analisis kovarians (ANCOVA), dan gizi untuk menunjang pembaasan MANCOVA
Lebih terperinciTINJAUAN PUSTAKA Kalibrasi Ganda Regresi Kuadrat Terkecil Parsial ( Partial Least Squares/PLS) 1. Model PLS
TINJAUAN PUSTAKA Kalibrasi Ganda Kalibrasi adalah suatu fungsi matematik dengan data empirik dan pengetahuan untuk menduga informasi pada Y yang tidak diketahui berdasarkan informasi pada X yang tersedia
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciTINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen
4 TINJAUAN PUSTAKA Spesifikasi Model Berbagai model dalam pemodelan persamaan struktural telah dikembangkan oleh banyak peneliti diantaranya Bollen (1989). Namun demikian sebagian besar penerapannya menggunakan
Lebih terperinciBAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan
BAB II LANDASAN TEORI 21 Konsep Dasar Analisis Regresi Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Plot jenis pengamatan pencilan.
TINJAUAN PUSTAKA Pencilan Aunuddin (1989) mendefinisikan pencilan sebagai nilai ektstrim yang menyimpang agak jauh dari kumpulan pengamatan lainnya, yang secara kasar berada pada jarak sejauh tiga atau
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Statistika Statistika merupakan cara-cara tertentu yang digunakan dalam megumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan mmberi interpretasi terhadap
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciIII. METODE PENELITIAN. topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode
III. METODE PENELITIAN Metode penelitian merupakan pendekatan umum untuk membangun topik penelitian secara keseluruhan. Dalam kaitannya dengan hal ini, metode penelitian merupakan sistem atas peraturan-peraturan
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciHASIL DAN PEMBAHASAN
Konsentrasi lemak ikan (%) Kandungan zat aktif (absorban) HASIL DAN PEMBAHASAN Deskripsi Data Berdasarkan data yang digunakan dalam penelitian ini, akan dilakukan pengidentifikasian multikolinieritas.
Lebih terperinci(Σλ i ) METODE. Data
8 mengevaluasi kesesuaian model dugaan dan memeriksa kekuatan pendugaan dari inner model dan outer model. Evaluasi model dugaan menggunakan metode KTP dilakukan dengan menghitung indeks-indeks kecocokan
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciStatus Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1
UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciRegresi Linier Sederhana dan Korelasi. Pertemuan ke 4
Regresi Linier Sederhana dan Korelasi Pertemuan ke 4 Pengertian Regresi merupakan teknik statistika yang digunakan untuk mempelajari hubungan fungsional dari satu atau beberapa variabel bebas (variabel
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder tingkat kabupaten/kota tahun 2010, yang bersumber dari Badan Pusat Statistik (BPS), Kementerian
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciPENDEKATAN REGRESI KONTINUM DALAM MODEL KALIBRASI SETIAWAN
PENDEKATAN REGRESI KONTINUM DALAM MODEL KALIBRASI SETIAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI DISERTASI DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa disertasi
Lebih terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciJudul : Perbandingan Metode MCD Bootstrap dan. Analisis Regresi Linear Berganda. Pembimbing : 1. Dra. Ni Luh Putu Suciptawati,M.Si
Judul : Perbandingan Metode MCD Bootstrap dan LAD Bootstrap Dalam Mengatasi Pengaruh Pencilan Pada Analisis Regresi Linear Berganda Nama : Ni Luh Putu Ratna Kumalasari Pembimbing : 1. Dra. Ni Luh Putu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 21 Regresi 211 Pengertian Persamaan Regresi Menurut Sir Francis Galton (1822-1911), persamaan regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai atau
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)
II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah
Lebih terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciSetelah mempelajari materi ini, mahasiswa diharapkan mampu:
Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setela mempelajari materi ini, maasisa diarapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan
Lebih terperinciIII. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan
29 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : (1)
Lebih terperinciPengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215 2337-352 (231-928X Print A-25 Pengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa Singgi Tawin Muammad, Erna Apriliani,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciSUATU CONTOH INVERSE PROBLEMS YANG BERKAITAN DENGAN HUKUM TORRICELLI
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 009 SUATU CONTOH INVERSE PROBLEMS YANG BERKAITAN DENGAN HUKUM TORRICELLI Suciati
Lebih terperincidapat dihampiri oleh:
BAB V PENGGUNAAN TURUNAN Setela pada bab sebelumnya kita membaas pengertian, sifat-sifat, dan rumus-rumus dasar turunan, pada bab ini kita akan membaas tentang aplikasi turunan, diantaranya untuk mengitung
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciSTATISTIKA 2 IT
STATISTIKA 2 IT-021259 UMMU KALSUM UNIVERSITAS GUNADARMA 2016 Regresi & Korelasi Linier Regresi? Korelasi? 1. Regresi Linier Sederhana Model regresi adalah persamaan matematik yang memungkinkan dalam peramalan
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian Penelitian ini menggunakan metode eksperimen kuantitati dengan desain posttest control group design yakni menempatkan subyek penelitian kedalam
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciBAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)
BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) 3.1 Data Spasial Data spasial memuat informasi tentang atribut dan informasi lokasi. Sedangkan data bukan spasial (aspatial data) hanya memuat informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciAnalisa Regresi Dua Variabel: Estimasi
Analisa Regresi Dua Variabel: Estimasi Tjipto Juwono, Ph.D. April 22, 2016 TJ (SU) Analisa Regresi Dua Variabel: Estimasi April 2016 1 / 26 PRF vs SRF Apa Perbedaan PRF dan SRF Population Regression Function
Lebih terperinciEstimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama
Estimasi Interval Kepercayaan Bootstrap pada Parameter Regresi Komponen Utama Shinta Anisa Putri Y 1, Raupong 2, Sri Astuti Thamrin 3 1 Program Studi Statistika, Jurusan Matematika, Fakultas Matematika
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Analisis regresi berguna dalam menelaah hubungan antara sepasang peubah atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui sempurna sehingga
Lebih terperinciPEMODELAN PRODUKSI TANAMAN PANGAN BERDASARKAN KARAKTERISTIK TENAGA KERJA MENGGUNAKAN REGRESI AKAR CIRI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 86 95 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN PRODUKSI TANAMAN PANGAN BERDASARKAN KARAKTERISTIK TENAGA KERJA MENGGUNAKAN REGRESI AKAR CIRI
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciRegularitas Operator Potensial Layer Tunggal
JMS Vol. No., al. 8-5, April 997 egularitas Operator Potensial Layer Tunggal Wono Setya Budi Jurusan Matematika, FMIPA Institut Teknologi Bandung Jl. Ganesa 0 Bandunng, 403 Abstrak egulitas operator =
Lebih terperinci