PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
|
|
- Widya Kurnia
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt. Pnduga rsko rlat sdrhana atu standardzd mortalt rato (SMR ddasarkan asums bahwa banakna pngamatan suatu kasus mnbar Posson. Pnduga SMR n tdak lag dapat dandalkan apabla ukuran contohna kcl karna akan mnghaslkan galat baku ang bsar. Mtod altrnat untuk mnangan masalah trsbut adalah mprcal Bas dngan modl Posson-Gamma. Modl n slan mnangan kclna ukuran contoh juga mampu mnangan ovrdsprs pada modl Posson. Kata-kata kunc : rsko rlat pnduga mprcal Bas PENDAHULUAN Pnduga rsko rlat mrupakan statstk pada pmtaan pnakt ang dgunakan untuk mngtahu sbaran pnakt (Claton & Kaldor Pnduga rsko rlat sdrhana adalah standardzd mortalt rato (SMR ang dprolh dar asums bahwa banakna pngamatan suatu kasus mnbar Posson. Hal trsbut dkarnakan data pnakt brupa data cacahan. Pada pmtaan pnakt kclna ukuran contoh (jumlah kasus brpnakt mnjad suatu masalah ang srng dhadap akbat arana ang sangat kcl pnakt jarang trjad atau kduana (Law & Hanng Shngga pndugaan langsung atu standardzd mortalt rato (SMR mnjad tdak dapat dandalkan. Pndugaan ara kcl (small ara stmaton adalah suatu tknk statstka ang mampu mnangan prmasalahan trsbut tknk n brguna untuk mnduga paramtr subpopulas (ara ang brukuran contoh kcl (Rao Salah satu mtod altrnatna adalah mtod mprcal Bas (EB dngan modl ang srng dgunakan adalah modl Posson-Gamma (Butar Slan mnangan prmasalahan kclna ukuran contoh modl n juga mampu mnangan masalah ovrdsprs pada modl Posson (Gcschlößl & Czado Pmasukkan pubah pnrta pada modl Posson- Gamma dapat mmprbak hasl dugaan rsko rlat (Rao Pada makalah n akan 1 Makalah n dsampakan pada Smnar Nasonal Pnddkan Matmatka dan Matmatka Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta tanggal 24 Nopmbr
2 dbahas dua pnduga rsko rlat pada pndugaan ara kcl mnggunakan mtod mprcal Bas brdasarkan modl Posson-Gamma. STANDARDIZED MORTALITY RATIO Standardzd mortalt rato (SMR mrupakan pnduga sdrhana rsko rlat pada pmtaan pnakt (Wakld & Ellott 1999 ang slanjutna dsbut sbaga pnduga langsung dalam pndugaan ara kcl. SMR brguna dalam mngtahu sbaran gogras suatu pnakt. SMR n dprolh dar asums umum pmtaan pnakt bahwa banakna pngamatan suatu kasus atu Y Posson( nd ~ dngan mnatakan nla harapan banakna suatu kasus ara k- dan adalah rsko rlat ara k- ang tdak dktahu. Slanjutna dngan mmaksmumkan ungs pluangna dprolh ang mrupakan pnduga kmungknan maksmum ang brsat tak bas. ˆ PENDUGA EMPIRICAL BAYES 1 Pndugaan rsko rlat dngan mtod mprcal Bas pada modl posson-gamma dngan pubah pnrta dkmukakan olh Wakld (2006. Pada tahap prtama dasumskan bahwa Y Posson( µ shngga x ( x x T ( β T L 1 nd ~ dngan µ µ ( β p mnatakan modl rgrs x mrupakan vktor pubah pnrta ttap β K 1 β mrupakan vktor kosn rgrs dan p SMR adalah pnduga langsung standardzd mortalt rato. Tahap kdua dasumskan bahwa d ~ gamma( ang slanjutna sbaga pror dngan rata-rata 1 dan ragam 1. Fungs pluang dar Y Posson( µ ( nd µ ~ adalah ( µ! 01K (1 d ~ gamma adalah Fungs kpadatan pluang dar ( π ( ( 1 > 0 Shngga ungs brsamana dprolh ( µ ( µ! ( 1 (2 0 1 K ; > 0 (3 2
3 Slanjutna ungs marjnalna adalah m ( ( µ (!( µ 1 1 µ ( 1 µ (4 Fungs marjnal datas mrupakan ungs sbaran bnomal ngat dngan rata-rata dan ragam brkut : [ Y β ] E µ (5 dan Var ( Y β µ ( 1 µ (6 Shngga ragam mnngkat sbaga ungs kuadratk dar rata-rata dan paramtr skala dapat mngakomodas ovrdsprs. Dugaan paramtr pror atu βˆ dan ˆ dapat dprolh dar sbaran marjnal Y d β ~ bnomalngat mnggunakan pndugaan kmungknan maksmum ang mrupakan pnlsaan dar tknk rgrs bnomal ngat. brkut : Slanjutna brdasarkan torma Bas maka dprolh ungs postror sbaga π ( β ( m( ( µ ( µ ( µ! ( ( µ (!( µ ( µ Shngga β ~ gamma( µ 1 > 0 1 (. Dar ungs postror trsbut dprolh pnduga Bas bag dan ragam postror bag adalah ( β ( ( µ ˆ B ( β E (8 V β µ (9 g1 β dan ( ( ( ( 2 Pnduga mprcal Bas bag mnurut Wakld (2006 durakan mnjad brkut : EB B ( ˆ β ˆ ˆ ( w SMR w ˆ ˆ µ 1 (10 (7 3
4 dngan w ˆ ˆ µ ( ˆ ˆ µ T ˆ µ xp( ˆ β µˆ adalah nla harapan rsko rlat k- x ang mrupakan pnduga tak langsung SMR ˆ adalah pnduga langsung (standardzd mortalt rato dar pngamatan dan nla harapan banakna suatu kasus. dan masng-masng mnatakan banakna PENDUGA EMPIRICAL BAYES 2 Wakld (2006 mmbrkan altrnat pnduga mprcal Bas bag rsko rlat pada prsamaan (10. Langkah prtama dngan mngasumskan bahwa Y nd nd ~ ~ Posson( dan kdua adalah Gamma ( µ dngan rata-rata ( dan ragam ( µ E µ V. Dar modl dua tahap n slanjutna dapat dprolh sbaran marjnalna adalah sbaran bnomal ngat dngan rata-rata ( Y β ( Y β µ ( 1 E µ dan ragam V rata-rata trsbut sama dngan prsamaan (5 ttap ragamna brbda. Shngga untuk mnduga β dan dapat dlakukan dngan tknk rgrs bnomal ngat. Brdasarkan torma Bas dprolh ungs postror brkut : π ( β ( m( µ ( ( µ (! ( µ!( ( µ Maka β ~ gamma( µ µ 1 µ ( µ µ > 0 µ 1 ( µ (11. Dar ungs postror trsbut dprolh pnduga Bas bag dan ragam postror bag adalah ( β ( µ ( ˆ B ( β E dan ( β g ( β ( µ ( 2 V (12 1 Pnduga mprcal Bas bag mnurut Wakld (2006 dbrkan sbaga brkut : dngan EB B ( ˆ β ˆ ˆ ( 1 w SMR w ˆ µ (13 SMR w ( ˆ T ˆ dan µ xp( x β µˆ adalah nla harapan rsko rlat k- ang mrupakan pnduga tak langsung SMR ˆ adalah pnduga 4
5 langsung (standardzd mortalt rato dar dan banakna pngamatan dan nla harapan banakna suatu kasus. masng-masng mnatakan PENERAPAN PADA DATA DINAS KESEHATAN DAN PODES 2005 Pubah ang damat dan mnjad prhatan dalam lustras n adalah rsko rlat suatu wlaah trjangkt pnakt dmam brdarah dngu. Data ang dgunakan mngna data dmam brdarah dngu pada 52 klurahan (ara kcl d kota Bkas. Data n brupa banakna pndrta dmam brdarah dngu pada klurahan k- (dar data Dnas Kshatan kota Bkas tahun 2005 banakna pnduduk pada klurahan k- dan jumlah skolah pada klurahan k- (dar data PODES Pubah pnrta ang dasumskan mmpngaruh pubah prhatan adalah jumlah skolah (SD SLTP SMU SMK ngr dan swasta. Analss data mnggunakan SAS 9.1 mlput: PROC GENMOD untuk mndapatkan pnduga β dan dan PROC IML untuk mndapatkan pnduga SMR EB 1 dan EB 2 bsrta KTG untuk masng-masng pnduga. Brkut statstk dar data trsbut : Tabl 1. Pndugaan rsko rlat Statstk SMR Pnduga EB 1 Pnduga EB 2 RR KTG RR KTG RR KTG Rata-rata Smpangan baku Ktrangan : RR : Rsko Rlat; KTG: Kuadrat Tngah KTG SMR KTG Pnduga EB 1 Gambar 1 Plot SMR dngan KTG Gambar 2 Plot Pnduga EB 1 dngan KTG 5
6 KTG Pnduga EB 2 Gambar 3 Plot Pnduga EB 2 dngan KTG Brdasarkan Tabl 1 dan Gambar 3 dapat dprolh normas bahwa pnduga rsko rlat dngan mtod EB 2 mmbrkan prbakan pndugaan trhadap hasl pnduga EB 1 ang dtunjukkan dngan smakn kclna nla kuadrat tngah galat. Pnduga EB 2 juga mnghaslkan ktltan ang palng bak d antara ktga pnduga ang dprlhatkan dngan rata-rata nla kuadrat tngah ang palng kcl. Scara umum dar Gambar 1 2 dan 3 dapat dlhat bahwa smakn bsar nla pnduga rsko rlat maka smakn bsar pula nla kuadrat tngah galatna. SIMPULAN Pnduga rsko rlat dngan mtod mprcal Bas 2 brdasarkan modl Posson- Gamma mmbrkan ktltan ang mnngkat dbandng pnduga dngan mtod mprcal Bas 1 dan standardzd mortalt rato. DAFTAR PUSTAKA Butar FB Emprcal Bas stmaton o cancr mortalt. Txas: Sam Houston Stat Unvrst. Claton D Kaldor J Emprcal Bas stmats o ag-standardzd rlatv rsks or us n dsas mappng. Bomtrcs 43: Gschlößl S Czado C Modllng count data wth ovrdsprson and spatal cts. [trhubung brkala]. [6 Nopmbr 2007]. Law J Hanng R Spatal modlng wth dscrt rspons data. Unvrst o Cambrdg Marshall RJ Mappng dsas and mortalt rats usng mprcal Bas stmators. Appld Statstcs 40: Rao JNK Small Ara Estmaton. Nw York: John Wl and Sons. 6
7 Wakld J Ellott P Issus n th statstcal analss o small ara halth data. Statstcs n Mdcn 18: Wakld J Dsas mappng and spatal rgrsson wth count data. [trhubung brkala]. [17 Jun 2006]. 7
ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)
ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka
Lebih terperinciLOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS
Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla
Lebih terperinciFIXED EFFECT MODEL PADA REGRESI DATA PANEL
ta p-iss: 085-5893 -ISS: 54-0458 Vol. 3 o. opmbr 00, Hal. 34-45 ta 00 DOI: http://dx.do.org/0.044/btajtm.v9.7 FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan
Lebih terperinciBAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.
BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan
Lebih terperinciPendekatan Bayes Empirik Pada Pendugaan Statistik Area Kecil Berbasis Model Poisson-Gamma Dengan Peubah Penyerta
Pnkaan Bas mprk Paa Pnugaan Sask Ara Kcl Brbass Mol Posson-Gamma Dngan Pubah Pnra Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Absrak Bas mprk mrupakan salah sau mo paa pnugaan ara kcl ang apa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu
Lebih terperinciPENDEKATAN BAYES EMPIRIK PADA PENDUGAAN STATISTIK AREA KECIL BERBASIS MODEL POISSON-GAMMA DENGAN PEUBAH PENYERTA 1)
PNDKATAN BAS MPIRIK PADA PNDUGAAN STATISTIK ARA KCIL BRBASIS MODL POISSON-GAMMA DNGAN PUBAH PNRTA ) Ksmann Jurusan Pnkan Mamaka FMIPA Unvrsas Ngr ogakara Bas mprk mrupakan salah sau mo paa pnugaan ara
Lebih terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciTransformasi Peubah Acak (Lanjutan)
Dpt. Statistika IPB, 0 Transormasi Pubah Acak Lanjutan B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod ungsi sbaran. Misalkan diktahui kp bagi p.a. adalah x. Jika didinisikan p.a. lainna
Lebih terperinciESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN
ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM
Lebih terperinciAnalisis Variansi Multivariat
Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak
Lebih terperinciEFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV
Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.
Lebih terperinciBAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM
BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak
Lebih terperinciMODEL PILIHAN KUALITATIF. Oleh Bambang Juanda
MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt
Lebih terperinciBAB IV FUNGSI KOMPLEKS
47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas
Lebih terperinciKAJIAN ANALISIS REGRESI DENGAN DATA PANEL
Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta
Lebih terperinciII. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan
II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam
Lebih terperinciHubungan antara K dengan koefisien fugasitas:
Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciPEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE
PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka
Lebih terperinciTransformasi Satu Peubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
Transformasi Satu Pubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Dpartmn Statistika IPB, 06 Transformasi Pubah Acak (Lanjutan) B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod fungsi sbaran.
Lebih terperinciANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN
ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal
Lebih terperinciTransformasi Satu Peubah Acak (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017
Transformasi Satu Pubah Acak Bagian II) Dr. Kusman Sadik, M.Si Dpartmn Statistika IPB, 07 Transformasi Pubah Acak Lanjutan) B. Mtod Pnggantian Pubah Mtod ini mrupakan pngmbangan dari mtod fungsi sbaran.
Lebih terperinciBAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi
BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada
Lebih terperinciPENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI
Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,
Lebih terperinciPEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA
ESIS - SS450 PEMODELAN REGRESI HURDLE NEGAIVE BINOMIAL DENGAN VARIABEL DEPENDEN ERSENSOR KANAN PADA KASUS EANUS NEONAORUM DI INDONESIA Rza Yul Rusdana NRP 35 0 03 DOSEN PEMBIMBING Dr. Dra. Isman Zan, M.
Lebih terperinciBAB 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 terperinciPENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1
PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan
Lebih terperinciOPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)
OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciBab 6 Sumber dan Perambatan Galat
Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat
Lebih terperinciAplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan
Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]
BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan
Lebih terperinciPenduga Maksimum Likelihood untuk Parameter Dispersi Model Poisson-Gamma dalam Konteks Pendugaan Area Kecil
Penduga Maksmum Lkelhood untuk Parameter Dspers Model Posson-Gamma dalam Konteks Pendugaan Kecl The Maxmum Lkelhood of Estmatng Dsperson Parameter for Posson-Gamma Model n Small Estmaton Context Alfan
Lebih terperinciBAB 2 SISTEM MAKRO DAN MIKRO
BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB V Model Bayes Pendugaan Area Kecil untuk Respon Binomial dan Multinomial Berbasis Penarikan Contoh Berpeluang Tidak Sama
BAB V Model Bayes Pendugaan Area Kecl untuk Respon Bnomal dan Multnomal Berbass Penarkan Contoh Berpeluang Tdak Sama 5.1. Pendahuluan Pada umumnya pengembangan model SAE dan pendugaannya dlakukan dengan
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciPenduga Maksimum Likelihood untuk Parameter Dispersi Model Poisson-Gamma dalam Konteks Pendugaan Area Kecil
BIAStatstka (9) Vol. 3, No., hal. 4 6 Penduga Maksmum Lkelhood untuk Parameter Dspers Model Posson-Gamma dalam Konteks Pendugaan Kecl The Maxmum Lkelhood of Estmatng Dsperson Parameter for Posson-Gamma
Lebih terperinciKAJIAN BIAS METODE AREA-SPECIFIC JACKKNIFE DAN BIAS METODE WEIGHTED JACKKNIFE DALAM PENDUGAAN AREA KECIL UNTUK RESPON POISSON DENGAN PENDEKATAN BAYES
KAJIAN BIAS METODE AREA-SPECIFIC JACKKNIFE DAN BIAS METODE WEIGHTED JACKKNIFE DALAM PENDUGAAN AREA KECIL UNTUK RESPON POISSON DENGAN PENDEKATAN BAYES WIDIARTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian
Lebih terperinciANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA
ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciUJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan
UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns
Lebih terperinciUJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)
UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinciMETODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract
JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths
Lebih terperinciMODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa
Lebih terperinciBINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 2009 BINOMIAL NEGATIF VS GENERALIZED POISSON REGRESSION DALAM MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro
Lebih terperinciESTIMASI 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 terperinciPENGUAT FREKUENSI RENDAH (lanjutan)
EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum
Lebih terperinciPENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA
PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 211 PERNYATAAN
Lebih terperinciANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO
ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan
Lebih terperinciRingkasan Materi Kuliah METODE-METODE DASAR PERSAMAAN DIFERENSIAL ORDE SATU
Ringkasan atri Kuliah ETODE-ETODE DASAR PERSAAAN DIFERENSIAL ORDE SATU Pndahuluan Prsamaan dirnsial adalah prsamaan ang mmuat turunan satu atau bbrapa) ungsi ang takdiktahui skipun prsamaan sprti itu harusna
Lebih terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciPERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
PERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1 Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Dalam menganalss hubungan antara beberapa peubah, terdapat
Lebih terperinciGelombang Datar Lintas Medium
Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp
Lebih terperinciPENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA
PENENTUAN NILAI UMUM ASURANSI MENGGUNAKAN TEORI KONTROL OPTIMUM RAFIDHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 9 ABSTRACT RAFIDHA. Prcng of Gnral
Lebih terperinciJurnal Inovasi Pembelajaran Fisika (INPAFI)
Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN
Lebih terperinciBAB 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 terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinciAlgoritma AdaBoost. Dalam. Pengklasifikasian. Zulhanif. Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung.
Algorta AdaBoost Dala Pnglasfasan Zulhanf Staf Pngajar Jurusan Statsta FMIPA, Unpad Bandung Eal : dzulhanf@yahoo.co ABSTRAK Mtod AdaBoost rupaan salah satu algorta suprvsd pada data nng yang dtrapaan scara
Lebih terperinciII. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN
II. PERANAN TATITIK DALAM ANALII PERCOBAAN Hal-hal yang prl dplajar. 1. baran Normal dan sbaran t- stdnt. Mmbandngan da harga rata-rata sampl. a. Prbandngan da harga rata-rata sampl tda brpasangan npard
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl
Lebih terperinciPERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL
J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik
Lebih terperinci(DS.7) PEMETAAN KECAMATAN TERMISKIN MENGGUNAKAN EMPIRICAL BAYES SMALL AREA ESTIMATION UNTUK SPATIAL SCAN STATISTICS
Semnar Nasonal Statstka 12 Noember 2011 Vol 2, Noember 2011 (DS.7) PEMEAAN KECAMAAN ERMISKIN MENGGUNAKAN EMPIRICAL BAYES SMALL AREA ESIMAION UNUK SPAIAL SCAN SAISICS tn Sswantnng 1,2 ; Asep Saefuddn 1
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Data Katgor Data statst yang dprhatan dalam stap analss atau pnltan pada umumnya mmuat banya varabl numr maupun varabl atgor Shngga analss data uga dapat dlauan dngan mmaa dua macam
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.
6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciPalupi, et al, Pengaruh Teknik Talking Stick terhadap Pengetahuan dan Sikap...
Palu, t al, Pngaruh Tknk Talkng Stck trhada Pngtahuan dan Ska... Pngaruh Tknk Talkng Stck trhada Pngtahuan dan Ska dalam Pncgahan HIV/AIDS Pada Rmaja d SMP Ngr 1 Pugr Kabuatn Jmbr (Th ffct of Talkng Stck
Lebih terperinciAnalisis Rangkaian Listrik
Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan
Lebih terperinciMETODE PENDUGAAN AREA KECIL DENGAN TEKNIK EMPIRICAL BAYES PADA PENDUGAAN PROPORSI KELUARGA MISKIN DI KOTA BOGOR WAHYU DWI LAKSONO
METODE PENDUGAAN AREA KECIL DENGAN TEKNIK EMPIRICAL BAYES PADA PENDUGAAN PROPORSI KELUARGA MISKIN DI KOTA BOGOR WAHYU DWI LAKSONO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS
30 ISSN 06-38 Yoyok Dw Styo Pambud PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS Yoyok Dw Styo Pambud Pusat Tknolog Raktor dan Kslamatan Nuklr, BATAN Gd. 80 Kawasan
Lebih terperinciMODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI
MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI Evapotranspraton modl on vgtaton wth vard canopy layr Yanto yanto@unsod.ac.d, ynt@umch.du Program Stud Tknk Spl Fakultas Sans
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciBAB 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 terperinciPENDUGAAN RASIO, BEDA DAN REGRESI
TEKNIK SAMPLING PENDUGAAN RASIO, BEDA DAN REGRESI PENDAHULUAN Pendugaan parameter dar peubah Y seharusnya dlakukan dengan menggunakan nformas dar nla-nla peubah Y Bla nla-nla peubah Y sult ddapat, maka
Lebih terperinciAnalisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang
Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinci8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik
8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciAPLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE)
APLIKASI METODE STATED PREFERENCE PADA PEMILIHAN MODA ANGKUTAN UMUM PENUMPANG (RUTE MAKASSAR MAJENE) Abdul Gaus Program Studi Tknik Siil Fakultas Tknik Univrsitas Khairun Trnat Tl/Fax (091) 38049 Irnawaty
Lebih terperinciPERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR
Prodng Smnar Naonal Manajmn Tknolog XVIII Program Stud MMT-ITS, Surabaya 7 Jul 13 PERANCANGAN AN SIMULASI FEEFORWAR AUTOTUNING PI ECOUPLING TITO SYSTEM OLOM ISTILASI METANOL-AIR Ral Harudan 1), atjuk Atrowulan
Lebih terperinciPEMODELAN 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 terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciTINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER
TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU
H. Maman Suhrman,Drs.,M.Si BAB V BEBERAPA MODEL DISTRIBUSI PELUANG PEUBAH ACAK KONTINU Pada bab sblumnya, khususnya pada BAB II kita tlah mngnal distribusi pluang scara umum baik untuk pubah acak diskrit
Lebih terperinciBAB.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 terperinciSTK511 Analisis Statistika. Pertemuan 8 ANOVA (2)
STK5 Analss Statstka Pertemuan 8 ANOVA () 8. ANOVA () Dagnoss Model Hpotess Klasfkas satu arah : Y atau Y j j j j Klasfkas dua arah : Yj j j??? Pengaruh perlakuan: H 0 : = 0 H : palng sedkt ada satu dmana
Lebih terperinciBINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka
Lebih terperinciBAB 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 terperinciPENYELESAIAN PERSAMAAN REGRESI LINIER NON PARAMETRIK DENGAN METODE THEIL S
LPPM Polteknk Bengkals PENELESAIAN PERSAMAAN REGRESI LINIER NON PARAMERIK DENGAN MEODE HEIL S Darsono Staff pengaar Program Stud eknolog Informas Jl. Batn alam Sunga Alam Bengkals darsono@poleng.ac.d Astrak
Lebih terperinciADAPTIF NEUROFUZZY INFERENCE SYSTEM UNTUK PENGUKURAN ph
ADAPTIF EUROFUZZ IFERECE SSTEM UTUK PEGUKURA ph Totok R. Byanto Tknk Fska FTI, ITS Surabaya Kampus ITS Surabaya, Sukollo Surabaya Tlp: 597 Fax: 590 Emal: trb@p.ts.ac.d ABSTRAK: Srng dngan mnngkatnya kbutuhan
Lebih terperinci2. ANALISIS DATA LONGITUDINAL
. ANALISIS DATA LONGITUDINAL Data longtudnal merupakan salah satu bentuk data berkorelas. Pada data longtudnal, peubah respon dukur pada beberapa ttk waktu untuk setap subyek. Dalam stud longtudnal dmungknkan
Lebih terperinci