PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.
|
|
- Agus Hermanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to model the relatosh betwee resose varable wth some redctor varables. Geograhcally Weghted Regresso (GWR) s statstcal method used for aalyzed the satal data local form of regresso. Oe of the roblems GWR s how to choose the sgfcat varables. he umber of redctor varables wll allow the volato of assumtos about the absece of multcollearty the data. herefore, ths eeds a method to reduce some of the redctor varables whch ot sgfcat to the resose varable. hs aer wll dscuss how to select sgfcat varables by stewse method. hs method s a combato of forward selecto method ad the bacward elmato method. Keywords: Geograhcally Weghted Regresso, Bacward Elmato, Forward Selecto, Stewse Method. Pedahulua Sebuah data egamata bla melbata formas oordat loas egambla data dsamg data megea eubah-eubah yag sedag damat maa termasu dalam ategor data sasal. Aalss terhada data sasal memerlua erhata lebh dbadga dega aalss data osasal, hususya eta megguaa regres. Salah satu hal yag harus medaat erhata ada eagaa data sasal adalah emuga muculya heterogetas sasal []. Heterogetas sasal mucul area ods data d loas yag satu dega loas yag la tda sama, ba dar seg geografs, eadaa sosal-budaya mauu hal-hal la yag melatarbelaagya. Salah satu dama yag dtmbula dar muculya heterogetas sasal adalah arameter regres bervaras secara sasal atau dsebut juga terjad ostasoertas sasal ada arameter regres. Pada regres OLS (Ordary Least Square) dasumsa bahwa la duga arameter regres aa teta (osta), artya arameter regres berla sama utu seta tt d dalam wlayah eelta (arameter global). Bla terjad heterogetas sasal ada arameter regres, maa formas yag tda daat dtaga oleh metode regres OLS aa dtamug sebaga galat. Bla asus semacam tu terjad, regres OLS mejad urag mamu dalam mejelasa feomea data yag sebearya. Utu megatsas muculya heterogetas sasal ada arameter regres, regres OLS dembaga mejad Geograhcally Weghted Regresso (GWR). Pada GWR, arameter regres dasumsa bervaras secara sasal. Melalu egguaa GWR aa daat detahu varas sasal dalam la duga arameter, sehgga terretas yag berbeda da berharga daat deroleh utu seta tt loas yag dtelt. Bayaya varabel redtor memuga aa terjadya elaggara asums tetag tda adaya multolertas dalam data [4]. Oleh area tu derlua suatu metode utu meredus beberaa varabel yag tda sgfa terhada resoya. Salah satu metode yag daat dguaa adalah metode stewse GWR. Peelta 63
2 Meda Statsta, Vol. 4, No., Desember 0: 63-7 bertujua utu membahas bagamaa cara memlh varabel redtor yag sgfa dega megguaa metode stewse GWR.. Geograhcally Weghted Regresso (GWR) Model Geograhcally Weghted Regresso (GWR) adalah egembaga dar model regres dmaa seta arameter dhtug ada seta loas egamata, sehgga seta loas egamata memuya la arameter regres yag berbeda-beda. Model GWR meruaa egembaga dar model regres global dmaa de dasarya dambl dar regres o arametr [7]. Varabel reso y dalam model GWR dreds dega varabel redtor yag masg-masg oefse regresya bergatug ada loas dmaa data tersebut damat. Model GWR daat dtuls sebaga berut [3] : y u, v u, v x () 0 dega: y : Nla observas varabel reso utu loas e- u, v : Meyataa oordat leta geografs (logtude, lattude) dar loas egamata e- u, v : Koefse regres varabel redtor e- ada loas egamata e- x : Nla observas varabel redtor e- ada loas egamata e- : Error egamata e- yag dasumsa det, deede da berdstrbus ormal dega mea ol da vara osta 3. Estmas Parameter Model GWR Estmas arameter model GWR dlaua dega metode Weghted Least Squares (WLS) yatu dega membera embobot yag berbeda utu seta loas dmaa data damat. Pembera bobot sesua dega Huum I obler: Everythg s related to everythg else, but ear thg are more related tha dstat thgs yag berart Segala sesuatu salg berhubuga satu dega yag laya, teta sesuatu yag deat lebh memuya egaruh darada sesuatu yag jauh [8]. Sehgga ada model GWR dasumsa bahwa daerah yag deat dega loas egamata e- memuya egaruh yag besar terhada estmas arameterya dar ada daerah yag lebh jauh. Msala embobot utu seta loas u, v adalah w j u, v, j =,,, maa arameter ada loas egamata u, v destmas dega meambaha usur w u, v ada ersamaa () da emuda memmuma jumlah uadrat embobot resdual berut : j wj u, v j wj u, v y j 0 u, v u, v x j j j Atau dalam betu matrs jumlah uadrat resdualya adalah: ε W u, v ε y W u, v y β u, v X W u, v y dega: β u, v X Wu, v Xβ u, v () 64
3 Pemlha Varabel (Hasb Yas) 0 u, v u, v βu, v da u, v dag w u, v, w u, v,, w u, v u, v Ja ersamaa () dturua terhada u, v W. β da haslya dsamaa dega ol maa deroleh estmator arameter model GWR: ε Wu, vε 0 X Wu, v y X Wu, v Xβ u, v 0 β u, v u v u v u v X W, y X W, Xβ, 0 u, v u, v u, v u, v u, v X W X X W Xβ X W X X W y ˆ βu, v X Wu, v X X Wu, v y (3) x, x, x,, x adalah eleme bars e- dar matrs X. Maa Msala la reds utu y ada loas egamata u, v daat deroleh dega cara berut: ˆ ˆ y x β u, v x X W u, v X X W u, v y Sehgga utu seluruh egamata daat dtulsa sebaga berut: y, y,, y ˆ ˆ ˆ yˆ ˆ ˆ ˆ εˆ,,, Ly da y dega I adalah matrs dettas beruura x da x X Wu, v X X W u, v x X Wu, v X X Wu, v L (4) u, v u, v x X W X X W Estmator ˆ u, v utu β u, v. β ada ersamaa (3) meruaa estmator ta bas da osste 4. Pembobota Model GWR Pera embobot ada model GWR sagat etg area la embobot mewal leta data observas satu dega laya. Sema embobota ada GWR daat megguaa beberaa metode yag berbeda. Ada beberaa lteratur yag bsa dguaa utu meetua besarya embobot utu masg-masg loas yag berbeda ada model GWR, dataraya dega megguaa fugs erel (erel fucto). Fugs erel dguaa utu megestmas aramater dalam model GWR ja fugs jara w j adalah fugs yag otu da mooto turu []. Pembobot yag terbetu dega megguaa fugs erel adalah fugs jara Gaussa (Gaussa 65
4 Meda Statsta, Vol. 4, No., Desember 0: 63-7 Dstace Fucto), fugs Exoetal, fugs Bsquare, da fugs erel rcube. Masg-masg fugs embobot daat dtuls sebaga berut :. Gaussa [5] : w u, v d h j j dmaa adalah destas ormal stadar da σ meujua smaga bau dar vetor jara d j.. Exoetal [5] : 3. Bsquare [] : 4. rcube [] :, ex w u v d h w w j j u, v j u, v j dega d j u u j v v j j d h, utu dj h 0, utu dj h 3 3 j d h, utu dj h 0, utu dj h adalah jara euclde atara loas u, e loas u j, v j da h adalah arameter o egatf yag detahu da basaya dsebut arameter eghalus (badwdth). Ada beberaa metode yag dguaa utu memlh badwdth otmum, salah satu dataraya adalah metode Cross Valdato (CV) yag secara matemats ddefsa sebaga berut: ˆ ( ) CV h y y h dega y h adalah la easr y dmaa egamata d loas u, v dhlaga dar roses estmas. Utu medaata la h yag otmal maa deroleh dar h yag meghasla la CV yag mmum. v 5. Peguja Hotess Model GWR Peguja hotess ada model GWR terdr dar eguja esesuaa model GWR da eguja arameter model. Peguja esesuaa model GWR (goodess of ft) dlaua dega hotess sebaga berut: H : u, v utu seta 0,,,,, da,,, 0 (tda ada erbedaa yag sgfa atara model regres global da GWR) u, v, 0,,,, H : Palg sedt ada satu (ada erbedaa yag sgfa atara model regres global da GWR). Peetua statst uj berdasara ada la Jumlah Kuadrat Resdual (Resdual Sum of Square/RSS) yag deroleh masg-masg dbawah H 0 da H. Dbawah ods H 0, dega megguaa metode OLS deroleh la RSS berut: 66
5 Pemlha Varabel (Hasb Yas) ε ε y y y y y I Hy RSS H 0 ˆ ˆ ˆ ˆ H X X X X yag bersfat demotet. dega Dbawah ods H, oefse regres yag bervaras secara sasal ada ersamaa () dtetua dega metode GWR, sehgga deroleh la RSS berut: RSS H εˆ εˆ y yˆ y yˆ y I L I L y Dega megguaa selsh jumlah uadrat resdual dbawah H 0 da dbawah H deroleh [6] : RSS H0 RSS H F RSS H Dbawah H 0 F y I H I L I L y y I L I L y aa megut dstrbus F dega derajat bebas df, dega: tr,, I H I L I L. Ja dambl taraf sgfas maa tola H 0 ja F. F, df, df df da 6. Pemlha Varabel Predtor dalam Model GWR Pada beberaa asus sergal dhadaa ada masalah varabel redtor yag terlalu baya da dduga salg berorelas atara varabel satu dega yag laya. Utu megatas hal, salah satu metode yag dguaa adalah metode stewse. Metode meruaa ombas atara metode seles maju (forward selecto) da metode elmas mudur (bacward elmato) [6]. 6. Metode Seles Maju (Forward Selecto) Metode seles maju megagga bahwa model GWR ertama al haya megadug ostata. Kemuda satu er satu dar seluruh varabel redtor dseles tgat sgfasya. Varabel yag alg sgfa aa mejad varabel ertama yag dguaa dalam model GWR. Varabel yag tda sgfa tda aa dguaa dalam meyusu model GWR. Prosedur emlha varabel ada metode forward adalah:. Betu model GWR dega haya melbata arameter terse, yatu: y u v (5) 0, Sehgga estmas arameterya adalah: w j u, v y ˆ j j 0,,,,, u v w u, v j j 67
6 Meda Statsta, Vol. 4, No., Desember 0: 63-7 Da jumlah uadrat resdualya (RSS) adalah: dega: RSS y y w u, v w u, v w u, v w j u, v w j u, v w j u, v j j j w u, v w u, v w u, v L0 w,,, j j u v w j j u v w j j u v w u, v wu, v w u, v w,,, j j u v w j j u v w j j u v. Msala x, x,, x adalah semua addat varabel redtor. Utu seta x dbetu model GWR berut: y 0 u, v u, v x (6) dega estmas arameterya seert ada ersamaa () teta dega matrs X beruura x, dega eleme ada olom ertama da la observas x ada olom edua. Htug dega RSS : RSS y y L sama seert ada ersamaa (4) dega matrs X da vetor x x, x,, x yag dsesuaa. 3. Utu seta,,, htug statst R RSS R,,,, RSS dega: 0 0 tr da tr 0 0 0,,. Ja eambaha varabel x ada model (6) tda daat megurag jumlah uadrat resdual secara sgfa maa daat dasumsa bahwa model sama dega model (5). Dega asums maa 0 F,., 0 Msala adalah varabel radom berdstrbus,,, maa daat dhtug -value : P R,,,, R daat ddeat dega dstrbus 0 F,. Utu seta, 0 68
7 Pemlha Varabel (Hasb Yas) Agga bahwa: m. 0 Utu suatu level sgfas, ja 0, maa utu ertama al varabel dmasua dalam model area -value terecl yag meujua bahwa varabel x alg sgfa utu megurag RSS model. Ja maa tda ada satu 0 u varabel redtor yag aa dmasua dalam model GWR. 4. Pada ods x ada model: 0, maa tambaha seta varabel 0 y 0 u, v u,, 0 v x 0 u v x (7) Kemuda model dalbras da dhtug RSS model: RSS y 0, 0, 0, y, 0. Sehgga: RSS 0, 0, R 0,, 0 RSS dega 0, 0 0 L da det dega lagah sebelumya., 0, Kemuda dhtug -value model sebaga berut: P R,, 0 0 dega 0 berdstrbus Msala m 0 ada ersamaa (7). Ja 0, 0 F,. 0, 0, ja, maa varabel 0 x 0 x dmasua dalam model maa model ada ersamaa (7) adalah model GWR fal. 5. Ulag lagah 4 sama tda ada satu u varabel redtor yag daat dmasua dalam model sehgga ddaata model GWR fal. 6. Metode Elmas Mudur (Bacward Elmato) Metode elmas mudur awalya megagga bahwa seluruh varabel redtor dguaa dalam meyusu model GWR. Kemuda satu er satu dar seluruh varabel redtor dseles tgat sgfasya. Varabel yag egaruhya alg tda sgfa aa mejad varabel ertama yag deluara dar dalam model GWR. Varabel yag sgfa tda aa deluara dar model GWR. Prosedur emlha varabel ada metode bacward adalah:. Membetu model GWR dega memasua semua addat varabel redtor: y u, v u, v x (8) 0 m m m Sehgga jumlah uadrat resdualya (RSS) adalah: RSS,,,,,,,,, y y 69
8 Meda Statsta, Vol. 4, No., Desember 0: Msala x, x,, x adalah semua addat varabel redtor. Utu seta x,,, dbetu model GWR dega megelmas varabel redtor x berut: y u, v u, v x 0 m m m, m dega Jumlah uadrat resdualya (RSS) adalah: RSS,,,,,,,,,,,,,,, Sehgga deroleh R dega: y y RSS tr R : RSS,,,,,,,,,,,,,,,,,,,,,,,,, tr,,,,,,,,,,,,,,, da,. 3. Seert metode forward, htug -value dar R sebaga rtera emlha varabel. dega P R adalah varabel radom berdstrbus Msala max varabel 0 x deluara dar model (8). Ja 0,,,,,,,, F,.,,,,,,,,, utu suatu level sgfas, ja, maa 0 0 maa tda ada satu u varabel redtor yag aa deluara dar model GWR. 4. Ulag lagah (3) sama tda ada satu u varabel redtor yag daat deluara dar model sehgga ddaata model GWR fal. 6.3 Metode Stewse Kelemaha dar metode forward adalah ja suatu varabel redtor sudah masu e dalam model maa varabel tersebut tda aa deluara lag. Pada eyataaya ja varabel la dmasua e dalam model maa emuga varabel yag dmasua sebelumya aa mejad tda sgfa dalam megurag jumlah uadrat resdualya. Metode tda daat meguur erubaha tgat sgfas selama terjad eambaha varabel redtor yag la. Begtu u sebalya ada metode bacward, ja suatu varabel redtor sudah deluara dar model maa varabel tersebut tda dmasua lag. Oleh area tu dlaua ombas dar edua metode yag dsebut dega metode stewse. Prosedur emlha varabel ada metode stewse adalah:. Betu model (5) da lh varabel redtor satu er satu utu dmasua dalam model seert ada metode forward. 70
9 Pemlha Varabel (Hasb Yas). Laua emersaa seta varabel yag dmasua dalam model hasl metode forward ada lagah sebelumya dega megguaa metode bacward. Hal dlaua utu memersa tgat sgfas dar varabel terlh. Ja varabel yag dmasua ada lagah sebelumya mejad tda sgfa maa aa deluara dar model. Ulag lagah () da () sama tda ada lag varabel yag daat dmasua mauu deluara dar model. 7. Cotoh Alas Data yag dguaa adalah data sasal tetag tgat rmaltas (crme) d Columbus sebaga varabel reso emuda come (X ) da housg (X ) sebaga redtorya []. Komutas model dlaua dega megguaa GUI Matlab R008a. Pemodela GWR dega fugs embobot Gaussa meujua bahwa dega megguaa tgat sgfas sebesar 5% maa daat dsmula bahwa model GWR berbeda sgfa dega model regres ler global (abel ). abel. Uj Kesesuaa Model GWR dega Pembobot Gaussa Sumber Error Jumlah Kuadrat Derajat Bebas Rata-rata uadrat F -value Imrovemet ,0009* GWR Regres Ket: *) sgfa ada 5% Kemuda utu melaua emlha varabel dguaa metode seles forward. Pada taha ertama dbetu model GWR taa melbata varabel redtor sela ostata. Haslya meujua bahwa jumlah uadrat resdualya adalah dega la R adalah 85.63%. aha edua adalah memasua seta varabel redtor e dalam model GWR. Haslya adalah sebaga berut: Peambaha Varabel abel. Peambaha Varabel ada aha Kedua R RSS Derajat Bebas R P-Value ( ) come (X ) 5.79% housg (X ) 9.83% * Ket: *) sgfa ada 0.5 Berdasara abel, dega eambaha varabel housg (X ) dalam model GWR daat meurua jumlah uadrat resdual sebesar mejad da mamu meaa R mejad 9.83%. Ja dambl la rtera utu seles Alha to etered =0.5 daat dsmula bahwa varabel housg (X ) meruaa varabel yag alg sgfa. Sehgga varabel housg (X ) aa dmasua edalam model terlebh dulu dbadga dega varabel come (X ). 7
10 Meda Statsta, Vol. 4, No., Desember 0: 63-7 aha etga adalah megestmas model GWR dega memasua semua varabel redtor. Hasl estmas ada taha etga meujua bahwa eambaha varabel come (X ) haya mamu meurua jumlah uadrat resdual mejad 78.4 da meaa R mejad 94.8% dega -value Dega dema varabel come (X ) tda membera egaruh yag sgfa terhada model, sehgga model GWR terbaya adalah: y u, v u, v x (9) 0 Model (9) meujua bahwa besarya tgat rmaltas d seta wlayah secara sgfa degaruh oleh ods wlayah da besarya la housg (X ) dmaa seta wlayah memuya model yag sesf. 8. Peutu Pemlha varabel sgfa ada model GWR daat dlaua dega metode forward selecto, bacward elmato atauu dega ombas eduaya yatu dega megguaa metode stewse. Pemlha varabel daat dlaua utu megatas masalah multolertas ada varabel redtor. Besarya la rtera utu seles Alha to etered aa beregaruh ada roses emlha varabel ada model GWR. DAFAR PUSAKA. Asel, L., Satal Ecoometrcs: Method ad Models, Kluwer Academc Publshers, the Netherlads, Chasco, C., Garca, I., & Vces, J., Modelg Sastal Varatos Household Dsosble Icome wth Geograhcally Weghted Regresso, Much Persoal RePEc Arhve (MPRA), Worg Paer, 007, No Fothergham, A.S., Brusdo, C., & Charlto, M., Geograhcally Weghted Regresso, Jho Wley & Sos, Chchester, UK., Gujarat, D., Essetals of Ecoometrcs. Mc Graw-Hll, Ic, New Yor, LeSage, J.P., A Famly of Geograhcally Weghted Regresso, Deartemet of Ecoomcs Uversty of oledo, Leug, Y., Me, C.L., & Zhag, W.X., Statstc ests for Satal No-Statoarty Based o the Geograhcally Weghted Regresso Model, Evromet ad Plag A, 000, 3: Me, C.L., Wag, N., & Zhag, W.X., estg he Imortace of he Exlaatory Varables A Mxed Geograhcally Weghted Regresso Model, Evromet ad Plag A, 006, vol. 38: Mller, H.J., obler s Frst Law ad Satal Aalyss. Aals of the Assocato of Amerca Geograhers, 004, 94():
III. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinciANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciBAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam
BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu
Lebih terperinciPemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciRegresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja
Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).
Lebih terperinciII. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan
II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor
Lebih terperinciPemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR
Lebih terperinciPemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat
D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa
Lebih terperinciProsiding Statistika ISSN:
Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso
Lebih terperincititik tengah kelas ke i k = banyaknya kelas
STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e
Lebih terperinciHUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN
HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee
Lebih terperinciadalah nilai-nilai yang mungkin diambil oleh parameter jika H
Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272
JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal
Lebih terperinciANALISIS 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311
JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas
Lebih terperinciHIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1
HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON
Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion
Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma
Lebih terperinciKajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d
Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas
Lebih terperinciBAB I PANDAHULUAN. 1.1 Latar Belakang
BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciAnalisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)
Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number
Lebih terperinciPemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas
Lebih terperinciSTATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu
Lebih terperinciRegresi Logistik pada Data Rare Event
Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,
Lebih terperinciJurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN
Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato
Lebih terperinciANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)
ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP
Lebih terperinciPENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE
PENDETEKSIAN OUTLIER DENGAN METODE REGRESI RIDGE Sr Har Jurusa Matemata, Faultas Sas da Teolog Uverstas Islam Neger Maulaa Mal Ibram Malag e-mal: srar@aoo.co.d Abstra Dalam aalss regres ler bergada adaa
Lebih terperinciBAB 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 terperinciPenaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance
Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).
BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut
Lebih terperinciBAB 3 Interpolasi. 1. Beda Hingga
BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciBAB 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 terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b
ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa
Lebih terperinciRegresi 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 terperinciBAB 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 terperinciKAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT
Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan
BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu
Lebih terperinciBAB III ISI. x 2. 2πσ
BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)
Lebih terperinciBAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)
BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut
Lebih terperinciBAB 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 terperinciESTIMASI DAN PENGUJIAN HIPOTESIS GEOGRAPHICALLY WEIGHTED REGRESSION
eta -N: 85-5893 / e-n: 54-458 htt://ralbeta.ac.d Vol. 5 No. Me Hal. 4-56 eta MA DAN PNGUJAN HPO GOGRAPHCALLY GHD RGRON Alfra Mla Astt Abstra: alah sat aalss statsta ag meghbga arabel reso dega arabel bebas
Lebih terperinciH dinotasikan dengan B H
Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )
Lebih terperinciBAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai
BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga
Lebih terperinciPEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2.
Pemodela Data (Ilham Maggr) PEMODELAN DAA KEMISKINAN DI PROVINSI SUMAERA BARA DENGAN MEODE GEOGRAPHICALLY EIGHED REGRESSION (GR) Ilham Maggr Dw Israt Alm Jrsa Statsta FSM UNDIP Staf Pegaar Jrsa Statsta
Lebih terperinciProses inferensi pada model logit Agus Rusgiyono. Abstracts
Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods
Lebih terperinciPEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL
Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka
Lebih terperinciProsiding FMIPA Universitas Pattimura 2013 ISBN:
Prosdg FMIPA Uverstas Pattmura 03 ISBN: 978-60-975-0-5 PENDEKAAN MODEL GEOGRAPHICALLY WEIGHED REGRESSION UNUK MENGANALISIS JUMLAH PENDUDUK MISKIN: UPAYA PENURUNAN JUMLAH PENDUDUK MISKIN DI PROVINSI MALUKU
Lebih terperinciLANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )
LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa
Lebih terperinciBAB III ESTIMASI MODEL PROBIT TERURUT
BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode
Lebih terperinciMETODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap
III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII
Lebih terperinci11/10/2010 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 terperinciE ax by c ae X be Y c. 6.1 Pengertian Umum
6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga
Lebih terperinciANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD
Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD
Lebih terperinciBAB 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 terperinciPEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR)
PEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR) Supart, Taro da Yo Haryoo Staf urusa Matemata FMIPA UNDIP Alum urusa Matemata
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciIII. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah
3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa
Lebih terperinciUKURAN DASAR DATA STATISTIK
UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL
Lebih terperinciPENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA
PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus
Lebih terperinciPEMILIHAN THRESHOLD OPTIMAL PADA ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN METODE CROSS VALIDASI
Pemlha Threshold Optmal (Supart) PEMILIHAN THRESHOLD OPTIMAL PADA ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN METODE CROSS VALIDASI Supart, Taro, Paula Mela Dw Hapsar 3, Staf Pegaar Program Stud Statsta
Lebih terperinciDISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004
Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:
Lebih terperinciPEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR)
PEMILIHAN PARAMETER THRESHOLD OPTIMAL DALAM ESTIMATOR REGRESI WAVELET THRESHOLDING DENGAN PROSEDUR FALSE DISCOVERY RATE (FDR) Supart Taro da Yo Haryoo Staf urusa Matemata FMIPA UNDIP Alum urusa Matemata
Lebih terperinciSTATISTIKA ELEMENTER
STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala
Lebih terperinciKAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH. Elen Dwi Pradewi 1, Sudarno 2
Kaa Estmas-M (Ele) KAJIAN ESTIMASI-M IRLS MENGGUNAKAN FUNGSI PEMBOBOT HUBER DAN BISQUARE TUKEY PADA DATA KETAHANAN PANGAN DI JAWA TENGAH Ele Dw Pradew, Sudaro Alum Program Stud Statsta FSM Uverstas Dpoegoro
Lebih terperinciBAB 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 terperinciPERTEMUAN 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 terperinciPENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini
PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area
Lebih terperinciESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP
ESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP Hasb Yas Staf Pegaar Program Stud Statsta FMIPA UNDIP Abstract If X s a predctor varable ad Y s
Lebih terperinciBAB 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 terperinciPENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,
Lebih terperinciLOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE
LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford
Lebih terperinciParameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines
Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,
Lebih terperinciESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP. Staf Program Studi Statistika Jurusan Matematika FMIPA UNDIP 2
ESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP Supart Achmad Mustofa da Agus Rusgyoo 3 3 Staf Program Stud Statsta urusa Matemata FMIPA UNDIP Alum urusa Matemata FMIPA UNDIP l. Prof. H.
Lebih terperinciBAB 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 terperinciFunctionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]
Jural Sas da Matemata Vol (3): 58-63 () Fuctoally Small Rema Sums Fugs Tertegral Hestoc-uford ada [a,b] Solh, Sumato, St Khabbah 3,,3 Program Stud Matemata, FSM UNIP Jl Prof Soedarto, SH Semarag, 575 E-mal:
Lebih terperinciRangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data
Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga
Lebih terperinciESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP
Estmas Regres No Parametr (Hasb Yas) ESTIMASI REGRESI NON PARAMETRIK DENGAN METODE WAVELET SHRINKAGE NEURAL NETWORK PADA MODEL RANCANGAN TETAP Hasb Yas Staf Pegaar Program Stud Statsta FMIPA UNDIP Abstract
Lebih terperinciProsiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA
Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinciEstimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model
Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC
Lebih terperinciPENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)
PEELUSURA KARAKTERISTIK PERILAKU KOSUME DEGA METODE AUTOMATIC ITERACTIO DETECTIO AID Agus Rusgyoo Staf Pegajar Prod Statsta Jurusa Matemata FMIPA UDIP Abstract AID methods used to see relato betwee respos
Lebih terperinciIr. Tito Adi Dewanto
Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug
Lebih terperinci