BAB II LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II LANDASAN TEORI"

Transkripsi

1 BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang, dmana panjang dan lebarnya dtunjuan oleh banyanya olom dan bars serta dbatas tanda [ ] atau. Sebuah matrs dnotasan dengan smbol huruf besar sepert A,, atau Z dan sebaganya. Sebuah matrs A yang beruuran m bars dan n olom dapat dtuls sebaga berut : Atau juga dapat dtuls : A = [ ] =,,, m ; j =,,, n Unverstas Sumatera Utara

2 Determnan Matrs Determnan adalah semua hasl peralan elementer yang bertanda dar suatu matrs A dan dnyataan dengan det A. Msalan A = [ ] adalah matrs nxn. Fungs determnan dar A dtuls dengan det A atau A. Secara matematnya dtuls : Dengan merupaan hmpunan S = {,,, n}. eorema Ja A = [ ] adalah matrs nxn yang mengandung sebars blangan nol, maa deta = 0. eorema Ja A adalah matrs segtga nxn, maa deta adalah hasl al elemen elemen pada dagonal utama, yatu eorema Ja A adalah sebarang matrs uadrat, maa. Invers Matrs Msalan A matrs nxn dsebut non sngular nvertble ja terdapat matrs B maa AB = BA = I Matrs B dsebut nvers dar A ja tda terdapat matrs B maa matrs A dsebut sngular non-nvertble. Secara umum nvers matrs A adalah : Unverstas Sumatera Utara

3 Adjont matrs A adalah suatu matrs yang elemen-elemennya terdr dar semua elemen-elemen ofator matrs A, dengan adalah ofator elemen-elemen Sehngga dapat dtuls dalam bentu matrs sebaga berut : dengan : Sfat sfat nvers : a. Ja A adalah matrs non sngular, maa adalah non sngular dan b. Ja A dan B adalah matrs non sngular, maa AB adalah non sngular dan. Regres Lner Berganda Dalam menentuan nla varabel tda bebas Y, perlu dperhatan varabel varabel bebas yang mempengaruhnya terlebh dahulu, dengan deman harus detahu hubungan antara satu varabel tda bebas Dependent Varable dengan beberapa varabel lan yang bebas Independent Varable. Untu meramalan Y, apabla semua varabel bebas detahu, maa dapat dpergunaan model persamaan regres lner berganda sebaga berut: dmana: Y Y = varabel tda bebas,,, = varabel bebas Unverstas Sumatera Utara

4 ,,, = parameter oefsen regres varabel bebas 0 = ntersep yatu tt potong antara regres dengan sumbu tega y bla x= 0 = Jumlah varabel bebas pada observas e- = Banya pengamatan = Varabel esalahan e- Apabla dnyataan dalam bentu matrs Y Y Y 3 Y n 3 n 3 n n 3 n 0 3 n Dengan < n yang berart banya observas harus lebh banya dar pada banya varabel bebas, aan dperoleh:. atau Salah satu metode estmas parameter untu regres lner berganda adalah Ordnary Least Square OLS. Konsep dar metode OLS adalah menasr parameter regres dengan memnmuman jumlah uadrat dar error. ujuan OLS adalah memnmuman jumlah uadrat error yatu: S n = = n Unverstas Sumatera Utara

5 = = n n = y y = y y = y y = y y y y Karena y adalah scalar, maa matrs transpose nya adalah Jad y y S = y.3 y y.4 Untu mengestmas parameter regres maa jumlah uadrat error harus dmnmuman Supranto, 009: 4-4, hal tersebut bsa dperoleh dengan melauan turunan pertama terhadap, dengan aturan penurunan salar berut: Msalan z dan w adalah vetor vetor berordo mx, sehngga y =z w adalah salar, maa, dy w dy, w dy dy, z,dan z dz dz dw dw Sehngga ddapatan hasl turunan jumlah uadrat error sebaga berut: S = 0 y = y = y.5 dan hasl estmas parameter ddapatan dengan menyamaan hasl turunan jumlah uadrat error dengan nol, sehngga pada saat hasl turunan jumlah uadrat error dsamaan dengan nol parameter menjad, dan dperoleh: y 0 y Unverstas Sumatera Utara

6 = y.6 Aan dtunjuan bahwa adalah estmas lner ta bas dar y y dar sn terbut bahwa adalah estmas lner ta bas dar. Dengan mensubttus persamaan. e dalam persamaan.5 ddapat: = y.7 Untu dapat menunjuan bahwa adalah penasr OLS yang palng ba Best stmator dalam art tasran varans parameter Var adalah yang terendah, maa bsa dperlhatan sebaga berut: Unverstas Sumatera Utara

7 ,,,,,, Var Var Var Jelas terlhat bahwa varans adalah anggota dar dagonal utama, sedangan ovaran adalah unsur unsur dluar dagonal utama. Kovarans tersebut bsa dtulsan dalam notas matrs sebaga berut: V.8 Dengan V adalah matrs dagonal. Pada saat varans error bersfat homosedaststas, maa bsa dtuls I V dengan asums tersebut persamaan menjad: I Var Unverstas Sumatera Utara

8 I I.9 Apabla varans error tda detahu, maa harus ddapat tasrannya, dan untu tasran varans error dlauan dengan menasr onstanta varans error sebaga berut: n n.0 dengan varans tasran n dperoleh varans parameter regres sebaga berut: Var. Dalam regres lner berganda, ada beberapa asums yang harus dpenuh agar tahap estmas yang dperoleh benar dan efetf, bla memenuh teorema Gauss Marov sebaga berut Nachrow, 00:3:. Rata rata harapan varabel bernla nol atau =0. da terdapat orelas seral atau autoorelas antar varabel error untu setap observas atau, j =0 ; j. 3. Meml error yang bersfat homosedaststas atau Var. 4. Nla varabel tetap atau nlanya ndependen terhadap factor error atau, =0 5. Model regres dspesfas secara benar, dan 6. da ada hubungan lner olnertas antar varabel varabel bebas. Ada beberapa penympangan asums dalam regres lner berganda, yan:. Multolnertas Unverstas Sumatera Utara

9 Istlah n dcptaan oleh Ragner Frsh, yang berart ada hubungan lner yang sempurna atau esa dantara varabel-varabel bebas dalam model regres. Heterosedaststas Salah satu asums dasar yang harus dpenuh adalah varans error harus onstan Var, ja tda onstan, maa terdapat unsur heterosedaststas. Data cross-secton cenderung memuat unsur heterosedaststas arena pengamatan dlauan pada ndvdu yang berbeda pada saat yang sama. 3. Autoorelas Autoorelas merupaan gangguan pada fungs yang berupa orelas dantara varabel error, n berart tda terpenuhnya asums yang menyataan bahwa nla-nla varabel tda berorelas..3 Heterosedaststas Salah satu asums yang harus dpenuh agar model bersfat BLU Best Lnear Unbased stmator adalah harus terdapat varans yang sama dar setap error-nya atau homosedaststas, secara smbols, =,,,n apabla asums n tda terpenuh maa yang terjad adalah sebalnya, yan heterosedaststas. Heterosedaststas berart varans error berbeda dar suatu observas e observas lannya. Sehngga setap observas mempunya relabltas yang berbeda. Unsur heterosedaststas menyebaban hasl dar t-test dan F-test menyesatan, arena edua uj tersebut menggunaan besaran varans tasran, lebh besarnya varans tasran dbandng varans sebenarnya aan menyebaban standar tasran error juga lebh besar, sehngga nterval epercayaan sangat besar pula. Nachrow, 00: en Mendetes Heterosedaststas Metode pengujan yang bsa dgunaan untu menguj heterosedaststas adalah sebaga berut: Unverstas Sumatera Utara

10 . Melhat scatter plot nla preds dependen ZPRD dengan resdual SRSID Metode n yatu dengan cara melhat graf scatterplot antara standardzed predcted value ZPRD dengan studentzed resdual SRSID. Ada tdanya pola tertentu pada graf scatterplot antara SRSID dan ZPRD dmana sumbu Y adalah Y yang telah dpreds dan sumbu adalah resdual Y preds Y sesungguhnya. Dasar pengamblan eputusan yatu: Ja ada pola tertentu, sepert tt tt yang ada membentu suatu pola tertentu yang teratur bergelombang, melebar emudan menyempt, maa terjad heterosedaststas. Ja tda ada pola yang jelas, sepert tt tt menyebar datas dan dbawah anga 0 pada sumbu Y, maa tda terjad heterosedaststas.. Uj Goldfeld Quandt Adapun langah langah pada metode n adalah sebaga berut: a. Urutan data berdasaran nlanya b. Bag data menjad, satu bagan meml nla yang tngg, bagan lannya meml nla yang rendah, sshan data pada nla tengah c. Lauan regres pada masng masng data d. Buatlah raso RSSResdual Sum Square =error sum f square dar RSS regres edua terhadap regres pertama, sehngga ddapat RSS RSS F htung =. RSS e. Lauan uj F tabel dengan menggunaan derajat ebebasan degree of freedom sebesar n-d-/, dengan: n = banyanya observas d = banyanya data atau nla observas yang hlang =banyanya parameter yang dperraan. Dan bla F htung F tabel, maa ada heterosedaststas dalam hal lan tda ada heterosedaststas. Unverstas Sumatera Utara

11 Pada Uj Goldfeld Quant seandanya tda ada data yang dbuang d=0 tes mash berlau tetap emampuan untu mendetes adanya heterosedaststas aga berurang. 3. Uj Par Untu pengujan heterosedaststas melalu pengujan hpotess dapat dlauan dengan uj par.r.. Par pada tahun 966 mengemuaan eyanan bahwa terdapat suatu hubungan fungsonal antara ragam galat, yang bersfat heterosedaststas dan varabel penjelas,. Par merumusan bentu fungsonal tu sebaga berut: Atau: ln d mana adalah bentu gangguan yang bersfat stoast. Karena pada umumnya tda detahu, par mengunaan sebaga varabel proxy, emudan merumusan model reges sebaga berut: = Berdasaran uj par, ta melauan pengujan hpotess tentang parameter dalam model regresnya, apabla oefsen besfat nyata dalam statst, maa menujuan hetersoedaststas dalam data, sebalnya apabla uj terhadap oefsen bersfat tda nyata secara statst, maa menujuan bahwa asums homosedaststas dar model regres dapat dpenuh. Langah-langah pengujannya adalah sebaga berut: Unverstas Sumatera Utara

12 a. erapan ordnary least square estmaton 0LS untu menasr model: b. Menerapaan OLS untu menasr ln dengan menggunaan ln. 4. Uj Whte Dalam mplementasnya, model n relatve lebh mudah dbandngan dengan uj uj lannya. Perhatan persamaan berut: Y 0 x x Berdasaran regres yang mempunya tga varabel bebas datas, dapat dlauan uj whte dengan beberapa tahapan prosedur, yatu: a. Hasl estmas dar model datas aan menghaslan nla error, yatu : b. Buat persamaan regres: 0 x x 3x 4x 5x x Perhatan model datas, uj n mengasumsan bahwa varan error merupaan fungs yang mempunya hubungan dengan varabel bebas, uadrat masng v masng varabel bebas, dan nteras antar varabel bebas. c. Dengan hpotess: H 0 H : Homosedaststas / tda heterosedaststas : Heterosedaststas. Sampel beruuran n dan oefsen determnas R yang ddapat dar regres aan mengut dstrbus Ch- Square dengan derajat bebas jumlah varabel bebas atau jumlah oefsen formulas Uj Whte adalah sebaga berut : nr ~ d. Krtera uj whte adalah ja nr > nr < tabel, maa terma H 0. regres dluar ntercept. Dengan deman, tabel, maa tola H 0. Sebalnya ja Unverstas Sumatera Utara

13 .4 Metode Weght Least Square WLS Apabla varans error detahu atau dapat dperraan, cara yang palng mudah untu mengatas adanya heterosedaststas adalah dengan metode uadrat terecl terbobot Weghted Least Square yang memberan hasl bersfat BLU. Gujarat, 00: 493. Untu menggambaran metode n, aan dberan model sebaga berut: Y Untu mendapatan tasran varans parameter regres, dasumsan untu sementara bahwa varans error sebenarnya untu setap observas detahu, sehngga transformas persamaan yang dhaslan dar model regres lner berganda adalah: Y 0 ransformas n dlauan dengan membag ba ss r maupun ss anan regres dengan aar varans error. Searang anggaplah v dan v bsa dsebut fator error yang dtransformasan, apabla fator error tersebut bersfat homosedaststas, maa bsa detahu bahwa estmator OLS dar parameterparameter pada persamaan tersebut bersfat BLU. Untu melhat bahwa fator error v homosedaststas bsa dengan cara berut: v Sehngga v v Unverstas Sumatera Utara

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

III FUZZY GOAL LINEAR PROGRAMMING

III FUZZY GOAL LINEAR PROGRAMMING 7 Ilustras entu hmpunan fuzzy dan fungs eanggotaannya dapat dlhat pada Contoh 3. Contoh 3 Msalan seseorang dataan sudah dewasa ja erumur 7 tahun atau leh, maa dalam loga tegas, seseorang yang erumur urang

Lebih terperinci

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

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

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data

III. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data 9 III. METODE PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam peneltan adalah data prmer dan data sekunder. Data prmer berupa data prmer (cross secton) Surve Khusus Tabungan dan Investas

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

Lebih terperinci

BAB III METODE PENELITIAN. Metode dalam penelitian merupakan suatu cara yang digunakan oleh peneliti

BAB III METODE PENELITIAN. Metode dalam penelitian merupakan suatu cara yang digunakan oleh peneliti BAB III METODE PENELITIAN 3.1 Desan Peneltan Metode dalam peneltan merupakan suatu cara yang dgunakan oleh penelt dalam mencapa tujuan peneltan. Metode dapat memberkan gambaran kepada penelt mengena langkah-langkah

Lebih terperinci

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini

III. METODE PENELITIAN. Metode dalam penelitian ini adalah metode eksperimen. Penggunaan metode eksperimen ini III. METODE PENELITIAN A. Metode Peneltan Metode dalam peneltan n adalah metode ekspermen. Penggunaan metode ekspermen n bertujuan untuk mengetahu apakah suatu metode, prosedur, sstem, proses, alat, bahan

Lebih terperinci

Analisis Regresi Linear Sederhana

Analisis Regresi Linear Sederhana Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks

Lebih terperinci

BAB III METODOLOGI PENELITIAN. awal dengan pemberian latihan dan pemberikan tes akhir yang kemudian melihat

BAB III METODOLOGI PENELITIAN. awal dengan pemberian latihan dan pemberikan tes akhir yang kemudian melihat BAB III METODOLOGI PENELITIAN 1.1 Metode peneltan Metode peneltan yang dlakukan adalah metode ekspermen melakukan tes awal dengan pemberan lathan dan pemberkan tes akhr yang kemudan melhat penngkatan dan

Lebih terperinci

BAB III MODUL INJEKTIF

BAB III MODUL INJEKTIF BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous

Lebih terperinci

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 40 BAB III METODOLOGI PENELITIAN Dalam peneltan n penuls bermaksud untuk menelt bagamana pengaruh perubahan kebjakan moneter terhadap jumlah kredt yang dberkan oleh bank pada beberapa kelompok bank berdasarkan

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

BAB III METODE PENELITIAN. Objek penelitian ini adalah nilai tambah sektor pertanian untuk PDRB

BAB III METODE PENELITIAN. Objek penelitian ini adalah nilai tambah sektor pertanian untuk PDRB 73 BAB III METODE PENELITIAN 3.1 Objek Peneltan Objek peneltan n adalah nla tambah sektor pertanan untuk PDRB Jawa Barat berupa data tme seres perode 1985-005. selan tu penuls memlh varabel yang mempengaruhnya

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT Ngarap Im Man Jurusan Matemata FST BINUS Unversty, Jln.Kebon Jeru Raya no.27 Jaarta Barat 11480, Indonesa

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci