AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR

Ukuran: px
Mulai penontonan dengan halaman:

Download "AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR"

Transkripsi

1 AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR Rokhaa Dw Bekt Mathematcs & Statstcs Departmet, School of Computer Scece, Bus Uversty Jl. K.H. Syahda No. 9, Palmerah, Jakarta Barat 48 ABSTRACT Spatal autocorrelato s a spatal aalyss to determe the relatoshp patter or correlato amog some locatos (observato). O the poverty case of East Java, ths method wll provde mportat formato for aalyze the relatoshp of poverty characterstcs each dstrct or ctes. Therefore, ths research performed spatal autocorrelato aalyss o the data of East Java s poverty. The method used s mora's I test ad Local Idcator of Spatal Autocorrelato (LISA). The aalyss showed that by the mora's I test, there s spatal autocorrelato foud the percetage of poor people amout East Java, both 6 ad 7. Whle by LISA, obtaed the cocluso that there s a sgfcat groupg of dstrct or ctes. Keywords: spatal autocorrelato, mora's I, LISA, poverty ABSTRAK Autokorelas spasal merupaka salah satu aalss spasal utuk megetahu pola hubuga atau korelas atar lokas (amata). Pada kasus kemska d Jawa Tmur, metode aka memberka formas petg dalam megaalss hubuga karakterstk kemska atar wlayah. Oleh karea tu, dalam peelta dlakuka aalss autokorelas spasal pada data kemska d Jawa Tmur. Metode yag dguaka adalah uj mora s I da Local Idcator of Spatal Autocorrelato (LISA). Hasl aalss meujukka bahwa melalu uj mora s I terdapat autokorelas spasal pada persetase jumlah peduduk msk d Jawa Tmur, bak tahu 6 maupu 7. Semetara tu melalu LISA, dsmpulka bahwa terdapat pegelompoka kabupate/kota yag sgfka. Kata kuc: Autokorelas Spasal, mora s I, LISA, kemska Autokorelas Spasal utuk (Rokhaa Dw Bekt) 7

2 PENDAHULUAN Aalss data spasal merupaka aalss yag berhubuga dega pegaruh lokas. Hal ddasarka pada hukum pertama tetag geograf dkemukaka oleh Tobler dalam Asel da Rey (:7) yag meyataka bahwa segala sesuatu salg berhubuga satu dega yag laya, tetap sesuatu yag dekat lebh mempuya pegaruh darpada sesuatu yag jauh. Pada data spasal, sergkal pegamata d suatu lokas bergatug pada pegamata d lokas la yag berdekata (eghborg). Autokorelas spasal merupaka salah satu aalss spasal utuk megetahu pola hubuga atau korelas atar lokas (amata). Beberapa peguja dalam spasal autokorelas spasal adalah Mora s I, Raso Geary s, da Local Idcator of Spatal Autocorrelato (LISA). Metode sagat petg utuk medapatka formas megea pola peyebara karakterstk suatu wlayah da keterkata atar lokas ddalamya. Sela tu, metode juga dguaka utuk detfkas pemodela spasal. Beberapa peelta yag telah megguaka metode autokorelas spasal adalah Ksslg da Carl (7:5) d bdag pemodela ekolog, Okw, et al. (7:6), serta Bekt da Sutko (:4) dalam aalss autokorelas data kemska. Kemska mash mejad salah satu permasalaha utama d egara Idoesa, sehgga perlu terus dkaj pola peyebaraya da dlakuka upaya utuk meyelesakaya. Berbaga upaya telah dlakuka melalu pembera program-program pegetasa kemska. Dalam tujua Mlleum Developmet Goals (MDGs), dsebutka juga salah satu tujuaya adalah megurag kemska ekstrm sejumlah 5% hgga tahu 5. BPS Props Jawa Tmur () meyebutka bahwa peduduk msk Jawa Tmur pada bula September sebayak 5,7 juta (3,85 perse) atau turu,4 perse dbadgka dega jumlah peduduk msk pada bula Maret yag sebesar 5,356 juta (4,3 perse). D beberapa lokas d Jawa Tmur, sepert beberapa kabupate d kepulaua Madura memlk jumlah peduduk msk relatf sama da lebh tgg dbadgka dega kabupate/kota laya. Berdasarka hal tersebut, dapat dkataka bahwa peyebara agka kemska d beberapa lokas meujukka pembetuka pola-pola tertetu. Adaya pola-pola juga meujukka adaya hubuga atar lokas. Karakterstk sosal, ekoom, sumberdaya alam, peduduk, da peddka yag berbeda d setap lokas yag berbeda membulka permasalaha kemska yag berbeda pula. Lokas yag memlk karakterstk yag sama aka memlk permasalaha kemska yag hampr sama. Sela tu, lokas yag berdekata juga aka memlk permasalaha kemska yag hampr sama. Berdasarka kaja teor da permasalaha yag ada, pada peelta dlakuka aalss autokorelas spasal utuk megetahu hubuga karakterstk kemska atar lokas d Jawa Tmur. Iformas sagat petg utuk membatu megaalss hubuga karakterstk kemska atar wlayah, faktor-faktor yag mempegaruhya serta dapat drekomedaska utuk meetuka suatu kebjaka yag terpadu atar wlayah. METODE Data yag dguaka dalam peelta adalah jumlah peduduk msk Jawa Tmur 6-7 yag dperoleh dar data Bada Pusat Statstka (BPS). Peta lokas da kode kabupate/kota dsajka pada Gambar da Tabel. 8 ComTech Vol.3 No. Ju : 7-7

3 W N S E Mles Gambar. Lokas peelta. Tabel Kode Kabupate/Kota d Jawa Tmur No Kab/Kota No Kab/Kota No Kab/Kota No Kab/Kota Kab. Pacta Kab. Bodowoso Kab. Ngaw 7 Kota Bltar Kab. Poorogo Kab. Stubodo Kab. Bojoegoro 73 Kota Malag 3 Kab. Treggalek 3 Kab. Probolggo 3 Kab. Tuba 74 Kota Probolggo 4 Kab. Tulugagug 4 Kab. Pasurua 4 Kab. Lamoga 75 Kota Pasurua 5 Kab. Bltar 5 Kab. Sdoarjo 5 Kab. Gresk 76 Kota Mojokerto 6 Kab. Kedr 6 Kab. Mojokerto 6 Kab. Bagkala 77 Kota Madu 7 Kab. Malag 7 Kab. Jombag 7 Kab. Sampag 78 Kota Surabaya 8 Kab. Lumajag 8 Kab. Ngajuk 8 Kab. Pamekasa 79 Kota Batu 9 Kab. Jember 9 Kab. Madu 9 Kab. Sumeep Kab. Bayuwag Kab. Mageta 7 Kota Kedr Semetara tu, metode aalss melalu tahapa eksploras data melalu peta tematk dlajutka dega aalss autokorelas spasal, yatu Mora s I da LISA. Pembobot yag dguaka adalah kode ber da persgguga ss (Rook Cotguty). Mora s I Koefse Mora's I merupaka pegembaga dar korelas pearso pada data uvarate seres. Koefse Mora s I dguaka utuk uj depedes spasal atau autokorelas atar amata atau lokas. Hpotess yag dguaka adalah: H o: I (tdak ada autokorelas atar lokas) H : I (ada autokorelas atar lokas) Autokorelas Spasal utuk (Rokhaa Dw Bekt) 9

4 Statstk uj (Lee da Wog, ): I I Z - o ~ (,) var(i) N htug () d maa la mora s I: Keteraga: x data varabel lokas ke- (,,..., ) x j data varabel lokas ke-j ( j,,..., ) x rata-rata data w matrx pembobot var (I) varas Mora s I E(I) expected value Mora s I I w ( x x)( x j j j wj ( x x) j E( I ) Io S S + 3S var( I) ( ) So S ( w + w ) j j S ( wo + w j S o w j j o w j j o o ) w w o w j j x) () Pegambla keputusa Ho dtolak atau ada autokorelas atar lokas jka Z htug > Z α /. Nla dar deks I adalah atara - da. Apabla I > I o, data memlk autokorelas postf. Jka I < I o, data memlk autokorelas egatf. Pola pegelompoka da peyebara atar lokas dapat dsajka dega Mora s Scatterplot (lhat Gambar ), yag meujukka hubuga atara la amata pada suatu lokas (dstadarsas) dega rata-rata la amata dar lokas-lokas yag bertetaggaa dega lokas yag bersagkuta (Lee da Wog, ). Scatterplot tersebut terdr atas empat kuadra (Perobell da Haddad, 3), yatu: Kuadra I (Hgh-Hgh), meujukka lokas yag mempuya la amata tgg dkellg oleh lokas yag mempuya la amata tgg. Kuadra II (Low-Hgh), meujukka lokas yag mempuya la amata redah dkellg oleh lokas yag mempuya la amata tgg. Kuadra III (Low-Low), meujukka lokas yag mempuya la amata redah dkellg oleh lokas yag mempuya la amata redah. Kuadra IV (Hgh-Low), meujukka lokas yag mempuya la amata tgg dkellg oleh lokas yag mempuya la amata redah. ComTech Vol.3 No. Ju : 7-7

5 .5 Kuadra II Kuadra I.5 Wx. -.5 Kuadra III Kuadra IV x.5.5 Gambar. Mora s Scatterplot. Local Idcator of Spatal Autocorrelato (LISA) Mora s I juga dapat dguaka utuk pegdetfkasa koefse autocorrelato secara lokal (local autocorrelato) atau korelas spasal pada setap daerah. Semak tgg la lokal Mora s, memberka formas bahwa wlayah yag berdekata memlk la yag hampr sama atau membetuk suatu peyebara yag megelompok. Idetfkas Mora s I tersebut adalah Local Idcator of Spatal Autocorrelato (LISA), yag deksya dyataka dalam (Lee & Wog, ) sepert pada persamaa (3). z da I z z j adalah w j z j z ( x x) σ x z j ( x x) σ x adalah la stadar devas dar varabel x. Peguja terhadap parameter dapat dlakuka sebaga berkut: H o: I (tdak ada autokorelas atar lokas) H : I (ada autokorelas atar lokas) j σ x (3) Statstk uj: Keteraga: w matrx pembobot var (I) varas Mora s I E(I) expected value Mora s I Z htug I ( I ) - E var( I ) (4) Autokorelas Spasal utuk (Rokhaa Dw Bekt)

6 var( I w (). ) w j (). w, j m m 4 j w ( kh) ( m / m ) 4 w, ( )( ) ( ). j w w j ( kh wk wh E( I ) w ) k h w. Peguja aka meolak Ho jka Z htug > Z α / atau P value< α5%. Postf autokorelas spasal megdkaska bahwa atar lokas pegamata memlk keerata hubuga. Pembobot Hubuga kedekata (eghbourg) atar lokas dyataka dalam matrk pembobot W. Eleme-eleme matrk tersebut adalah w j yag meujukka ukura hubuga lokas ke- da ke-j. Lokas yag dekat dega lokas yag damat dber pembobot besar, sedagka yag jauh dber pembobot kecl. Pembera kodg pembobota meurut Bvad (6) dalam Ksslg da Carl (8:3) d ataraya adalah kode ber:, utuk da j yag berdekata wj (5) utuk laya Semetara tu jes pembobota area adalah persgguga tep (Lear Cotguty), persgguga ss (Rook Cotguty), persgguga sudut (Bhsop Cotguty), da la-la HASIL DAN PEMBAHASAN Jumlah peduduk msk d Jawa Tmur tahu 6 da 7 adalah,9 perse (7.678, juta jwa) da 9,7 perse (7.55,3 juta jwa). Pada tahu 6, Kabupate Sampag memlk persetase tertgg, yatu 4,3 perse. Selajutya Kabupate Sumeep (34,86 perse) da Pamekasa (34,4 perse). Dapat dketahu bahwa kabupate-kabupate tersebut salg berdekata da berlokas d Pulau Madura. Sepert halya d beberapa kabupate laya sepert Kabupate Bojoegoro, Lamoga, Gresk, Jombag, Ngajuk, Madu, da Ngaw yag memlk persetase atara,-3, perse. Kabupate-kabupate tersebut berlokas d Jawa Tmur baga utara. Kemuda Kabupate Kedr, Malag, Bltar, da Tulugagug yag berlokas d Jawa tmur baga selatag, memlk persetase,-, perse. Pada tahu berkutya, persetase peduduk msk juga membetuk pola-pola megelompok pada lokas-lokas tertetu. Pegelompoka kabupate/kota yag ada juga hampr sama. Kabupate Sampag mash memlk persetase yag tgg, yatu 39,4 perse. Selajutya Kabupate Bagkala, Sumeep, da Pamekasa d Pulau Madura memlk persetase 3,-4,. Detal persetase peduduk msk d setap kabupate/kota d Jawa Tmur dsajka pada Gambar 3. Berdasarka lokas da persetase yag hampr sama tersebut dapat dkataka bahwa agka ComTech Vol.3 No. Ju : 7-7

7 kemska membetuk suatu pola peyebara yag megelompok pada beberapa lokas. Utuk membuktka hal perlu d uj melalu autokorelas spasal Mora s I da LISA. (a) TUBAN LAMONGAN GRESIK BANGKALAN SAM PANG PAMEKASAN SUMENEP BOJONEGORO SURABAYA (KOTA) NGAWI MOJOKERTO (KOTA) SIDOARJO JOMBANG NGANJUK MADIUN MOJOKERTO MAGETAN PASURUAN (KOTA) PASURUAN PROBOLINGGO (KOTA) KEDIRI (KOTA) BATU (KOTA) KEDIRI PROBOLINGGO PONOROGO MALANG (KOTA) BLITAR (KOTA) PACITAN TULUNGAGUNG BLI TAR MALANG LUMAJANG TRENGGALEK SITUBONDO BONDOWOSO JEMBER BANYUW ANGI Persetase Table3.shp (b) TUBAN LAMONGAN GRESIK BANGKALAN SAMPANG PAMEKASAN SUMENEP BOJONEGORO SURABAYA (KOTA) NGAWI MOJOKERTO (KOTA) SIDOARJO NGANJUK JOMBANG MADIUN MOJOKERTO MAGETAN PASURUAN (KOTA) PASURUAN KEDIRI (KOTA) PROBOLINGGO (KOTA) SITUBONDO KEDIRI BATU (KOTA) PROBOLINGGO BONDOWOSO PONOROGO MALANG (KOTA) BLITAR (KOTA) PACITAN TULUNGAGUNG BLITAR MALANG LUMAJANG TRENGGALEK JEMBER BANYUWANGI Persetase Table3.shp Gambar 3. Pola Persebara Presetase Peduduk Msk Jawa Tmur (a) Tahu 6, (b) Tahu 7 (Sumber: Dolah dar BPS) Nla Mora s I Berdasarka hasl peguja autokorelas spasal dega Mora s I (Tabel ) dega tgkat sgfkas 5 perse, dketahu bahwa terdapat autokorelas spasal pada persetase peduduk msk d Jawa Tmur, bak tahu 6 maupu 7. Hal dtujukka oleh la Z htug >. 96. Autokorelas spasal meujukka bahwa ada keterkata atau hubuga la persetase peduduk msk atar kabupate/kota d Jawa Tmur. Sepert pada detfkas sebelumya, ada pegelompoka pada beberapa lokas. Agka Mora s I pada tahu 6 da 7 adalah,56 da.5434 yag lebh besar dar I o -,7. Hal meujukka ada autokorelas postf atau pola yag megelompok da memlk kesamaa karakterstk pada lokas yag berdekata. Autokorelas Spasal utuk (Rokhaa Dw Bekt) 3

8 Tabel Peguja Mora s I Tahu Mora s I Z htug Gambar 4 merupaka Mora s scatterplot yag meujukka pola hubuga atara persetase peduduk msk pada suatu kabupate/kota dega kabupate/kota la. Kabupate/Kota yag berada masg-masg kuadra tahu 6 d ataraya: Kuadra : Bagkala, Sampag, Pamekasa, Sumeep, Tuba, Bojoegoro, Lamoga, Ngaw, Pacta, Treggalek, Jombag, da Ngajuk. Kabupate memlk la persetase peduduk msk tgg da berdekata dega kabupate la yag memlk la persetase peduduk msk tgg pula. Kuadra : Poorogo, Tulugagug, Jember, Bayuwag, Stubodo, Kota Probolggo, Kota Pasurua, da Kota Madu. Kabupate/Kota memlk la persetase peduduk msk redah aka berdekata dega kabupate/kota la yag memlk la persetase peduduk msk tgg. Kuadra 3: Bltar, Kedr, Malag, Sdoarjo, Mojokerto, Mageta, Kota Kedr, Kota Malag, Kota Mojokerto, Kota Madu, Kota Surabaya, da Kota Bltar. Kabupate memlk la persetase peduduk msk redah berdekata dega kabupate la yag memlk la persetase peduduk msk redah pula. Kuadra 4: Bodowoso, Probolggo, Pasurua, Madu, da Gresk. Kabupate memlk la persetase peduduk msk tgg aka berdekata dega kabupate la yag memlk la persetase peduduk msk redah (a) (b) Wy y 3 Wy y 3 Gambar 4. Mora s Scatterplot Persetase Peduduk Msk Jawa Tmur (a) Tahu 6, (b) Tahu 7. Nla Local Idcator of Spatal Autocorrelato (LISA) Hasl peguja Mora s I meujukka bahwa terdapat autokerelas atau hubuga spasal persetase kemska d Jawa Tmur. Selajutya pada Mora s scatterplot juga dgambarka bagamaa pola hubuga atar kabupate/kota yag ada. Utuk megetahu sgfkas autokorelas 4 ComTech Vol.3 No. Ju : 7-7

9 spasal secara lokal adalah melalu LISA. Dar peguja aka ddapatka sgfkas hubuga secara lokal pada masg-masg kabupate/kota. Tabel 3 meujukka la Mora s I lokal da Pvalue peguja LISA. Dapat dketahu bahwa bak pada tahu 6 maupu 7, terdapat pegelompoka kabupate/kota yag sgfka memlk autokorelas dega kabupate/kota laya. Sepert pada Kabupate Bagkala, Sampag, da Pamekasa memlk mora s I sagat tgg da sgfka pada α5 perse, yatu 4,68; 4,68; da 3,57. Semetara tu, Sumeep memlk mora s I tgg pula da sgfka pada α%, yatu,886. Kabupate yag memlk mora s I relatvf tgg dega kabupate la da sgfka pada α perse adalah Tuba, Lamoga, Gresk, Sdoarjo, Mojokerto, da Bltar. Kabupate-kabupatekabupate juga berlokas salg berdekata. Pola tgkat sgfkas mora s lokal dsajka pada Gambar 5. Tabel 3 Peguja LISA Kab/Kota I Pvalue I Pvalue Kab/Kota I Pvalue I Pvalue Pacta Kota Malag Poorogo Kota Probolggo Treggalek Kota Pasurua Tulugagug Kota Mojokerto Lumajag Kota Madu Bodowoso Kota Surabaya Pasurua Kota Batu Jombag Bltar Ngajuk Kedr Madu Mojokerto Mageta Bayuwag Ngaw Gresk Bojoegoro Jember Tuba Malag Lamoga Probolggo Bagkala Sampag Pamekasa Sdoarjo Kota Kedr Stubodo Kota Bltar Sumeep Kota Malag Autokorelas Spasal utuk (Rokhaa Dw Bekt) 5

10 (a) Keteraga Sgfkas: Table3.shp Tdak sgfka α 5% α % α % 3 (b) Keteraga Table3.shp Sgfkas: α 5% α % α % 3 Tdak sgfka Gambar 5. Pola sgfkas peguja LISA persetase peduduk msk Jawa Tmur (a) tahu 6, (b) tahu 7. PENUTUP Berdasarka hasl aalss da pembahasa melalu mora s I ddapat kesmpula bahwa terdapat autokorelas spasal pada persetase jumlah peduduk msk d Jawa Tmur, bak tahu 6 maupu 7. Agka Mora s I pada tahu 6 da 7 adalah,56 da.5434 yag meujukka ada autokorelas postf atau pola yag megelompok da memlk kesamaa karakterstk pada lokas yag berdekata. Semetara tu melalu LISA, ddapat kesmpula bahwa ada pegelompoka kabupate/kota yag sgfka. 6 ComTech Vol.3 No. Ju : 7-7

11 DAFTAR PUSTAKA Asel, Luc & Rey, Sergo J. (). Perspectves o Spatal Data Aalyss. New york: Sprger. Bada Pusat Statstk Jawa Tmur. (). Profl Kemska d Jawa Tmur September. Surabaya: BPS Provs Jawa Tmur Bekt, R. B. & Sutko. (). Permodela spasal pada hubuga atara aset kehdupa masyarakat jawa tmur dalam memeuh kebutuha paga terhadap kemska. Semar Nasoal Pasca Sarjaa X. Surabaya: Pasca Sarjaa Isttut Tekolog Sepuluh Nopember. hal. VI-38. Ksslg, W. D. da Carl, G. (8). Spatal autocorrelato ad the selecto of smultaeous autoregressve models. Global Ecology ad Bogeography, 7, Lee, J. da Wog, D. W. S. (). Statstcal Aalyss wth Arcvew GIS. New York: Joh Wley ad Sos. Okw, P.O., Ndeg e G, Krstjaso, P., Aruga, M., Notebaert, A., Omolo, A., Heger, N., Beso, T., Karuk, P., & Owor, J. (7). Spatal determats of poverty rural Keya. Dakses November dar Perobell, F. S., da Haddad, E. (3). Brazla Iterregoal Trade ( ): A Exploratory Spatal Data Aalyss. Dakses Jauar dar Autokorelas Spasal utuk (Rokhaa Dw Bekt) 7

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK J u r a l E K B I S / V o l. X III/ N o. 1 / e d s M a r e t 0 1 5 69 SPATIAL PATTERN ANALYSIS DAN SPATIAL AUTOCORRELATION PRODUK DOMESTIK REGIONAL BRUTO (PDRB) SEKTOR INDUSTRI UNTUK MENGGAMBARKAN PEREKONOMIAN

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

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA)

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA) Jural EKSPONENSIAL Volume 8, Nomor, Me 7 ISSN 85-789 Aalss Autokorelas Spasalttk Paas D Kalmata Tmur Megguaka Ideks Mora da Local Idcator Of Spatal Autocorrelato (LISA) Aalyss Spatal Autocorrelato Hotspot

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

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih 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

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

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska

Lebih terperinci

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2.

PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2. Pemetaa Peyakt (Hasb Yas) PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN Hasb Yas 1, Ragl Saputra 1 Jurusa Statstka FSM UNDIP Jurusa Iformatka FSM UNDIP Abstract

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD) PENDAHULUAN Latar Belakag Kods suatu daerah secara umum berkata dega kods d daerah la, terutama daerah yag berdekata. Pola sepert dkeal dega hubuga spasal. Besara autokorelas spasal dapat dguaka utuk megdetfkas

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. 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

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

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih 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

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

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

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih 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

EVALUASI/FEEDBACK KOMDAT PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN

EVALUASI/FEEDBACK KOMDAT PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN EVALUASI/FEEDBACK PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN MALANG, 1 JUNI 2016 APLIKASI KOMUNIKASI DATA PRIORITAS FEEDBACK KETERISIAN DATA PADA APLIKASI PRIORITAS 3 OVERVIEW KOMUNIKASI DATA

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih 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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

Oleh: Rendra Erdkhadifa Pembimbing Dr. Purhadi, M.Sc. Seminar Hasil Tugas Akhir Statistika ITS Rabu, 12 Desember 2011

Oleh: Rendra Erdkhadifa Pembimbing Dr. Purhadi, M.Sc. Seminar Hasil Tugas Akhir Statistika ITS Rabu, 12 Desember 2011 Perbadga Geographcally Weghted Posso Regresso Geographcally Weghted Posso Regresso Semparametrc Stud Kasus : Kemata DBD d Jawa Tmur Oleh: Redra Erdkhadfa 308 00 09 Semar Hasl Tugas Akhr Statstka ITS Rabu

Lebih terperinci

Jumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota

Jumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota Jumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota TAHUN LAKI-LAKI KOMPOSISI PENDUDUK PEREMPUAN JML TOTAL JIWA % 1 2005 17,639,401

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

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

ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 2013 DENGAN AUTOKORELASI SPASIAL

ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 2013 DENGAN AUTOKORELASI SPASIAL Statstka, Vol., No., Me 4 ANALISIS KEMENANGAN PEMILIHAN GUBERNUR (PILGUB) JAWA TENGAH 3 DENGAN AUTOKORELASI SPASIAL Ala Prahutama Jurusa Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Uverstas Dpoegoro,

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih 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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

BAB II GAMBARAN UMUM INSTANSI. 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur

BAB II GAMBARAN UMUM INSTANSI. 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur BAB II GAMBARAN UMUM INSTANSI 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur PT PLN (Persero) Distribusi Jawa Timur merupakan salah satu unit pelaksana induk dibawah PT PLN (Persero) yang merupakan

Lebih terperinci

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat

Lebih terperinci

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2.

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2. p-issn 979 3693 e-issn 477 0647 MEDIA STATISTIKA 0() 07: 95-05 http://ejoural.udp.ac.d/dex.php/meda_statstka ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI

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

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010 GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010 GUBERNUR JAWA TIMUR, Menimbang Mengingat : a. bahwa dalam upaya meningkatkan

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017 \ PERATURAN NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017 DENGAN RAHMAT TUHAN YANG MAHA ESA. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan masyarakat khususnya

Lebih terperinci

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014 GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang. Indonesia merupakan salah satu negara berkembang yang memiliki

BAB I PENDAHULUAN. A. Latar Belakang. Indonesia merupakan salah satu negara berkembang yang memiliki BAB I PENDAHULUAN A. Latar Belakang Indonesia merupakan salah satu negara berkembang yang memiliki pertumbuhan ekonomi yang terus meningkat dari tahun ketahun. Pertumbuhan ekonomi dapat didefinisikan sebagai

Lebih terperinci

P E N U T U P P E N U T U P

P E N U T U P P E N U T U P P E N U T U P 160 Masterplan Pengembangan Kawasan Tanaman Pangan dan Hortikultura P E N U T U P 4.1. Kesimpulan Dasar pengembangan kawasan di Jawa Timur adalah besarnya potensi sumberdaya alam dan potensi

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015 GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

PEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012

PEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012 PEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012 OLEH : Drs. MUDJIB AFAN, MARS KEPALA BADAN PERPUSTAKAAN DAN KEARSIPAN PROVINSI JAWA TIMUR DEFINISI : Dalam sistem pemerintahan di Indonesia

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

Analisis Spasial pada Aglomerasi Industri Manufaktur

Analisis Spasial pada Aglomerasi Industri Manufaktur UGAS MAA KULIAH ANALISIS SPASIAL Aalss Spasal pada Aglomeras Idustr Maufaktur d Pulau Jawa Dose: Dr. Sutko Dr. Setawa Dsusu Oleh: RINDANG BANGUN PRASEYO NRP. 33 30 70 PROGRAM SUDI DOKOR JURUSAN SAISIKA

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

Lampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000)

Lampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000) Lampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000) Kabupaten/Kota DAU 2010 PAD 2010 Belanja Daerah 2010 Kab Bangkalan 497.594.900

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (3) 337-35 (3-98X Prt) D-4 Estmas Parameter Geeralzed Pareto Dstrbuto Pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Yustka Des Wula Sar da Sutko

Lebih terperinci

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur

Estimasi Parameter Generalized Pareto Distribution Pada Kasus Identifikasi Perubahan Iklim di Sentra Produksi Padi Jawa Timur YUSTIKA DESI WULAN SARI 39 4 Estmas Parameter Geeralzed Pareto Dstrbuto Pada Kasus Idetfkas Perubaha Iklm d Setra Produks Pad Jawa Tmur Yustka Des Wula Sar da Sutko Jurusa Statstka, Fakultas Matematka

Lebih terperinci

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR

ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR ANALISIS FAKTOR YANG MEMPENGARUHI ANGKA BUTA HURUF MELALUI GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS PROPINSI JAWA TIMUR Andyono; Rokhana Dw Bekt; Edy Irwansyah Computer Scence Department, School

Lebih terperinci

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG

GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG PERKIRAAN ALOKASI DANA BAGI HASIL CUKAI HASIL TEMBAKAU KEPADA PROVINSI JAWA TIMUR DAN KABUPATEN/KOTA DI JAWA TIMUR TAHUN ANGGARAN

Lebih terperinci

KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016

KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016 KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam rangka tercapainya kondisi

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN 009 03 S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

2. JUMLAH USAHA PERTANIAN

2. JUMLAH USAHA PERTANIAN BPS PROVINSI JAWA TIMUR No. 61/09/35/Tahun XI, 2 September 2013 HASIL SENSUS PERTANIAN 2013 PROVINSI JAWA TIMUR (ANGKA SEMENTARA) JUMLAH RUMAH TANGGA USAHA PERTANIAN DI PROVINSI JAWA TIMUR TAHUN 2013 SEBANYAK

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci