BAB III PEMBAHASAN. Dalam bab III ini, akan dibahas mengenai bentuk umum model
|
|
- Sri Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB III PEMBAASAN Dalam bab III n, akan dbahas mengena bentuk umum model Autoregressve Condtonal Duraton (ACD), model Autoregressve Condtonal Duraton dengan error berdstrbus Eksponensal (EACD), beserta langkah-langkah perumusan model dan penerapan model EACD pada data runtun waktu fnansal. A. Model Autoregressve Condtonal Duraton Berkembangnya pasar fnansal menyebabkan semakn banyak transaks yang terjad, sehngga data yang tercatat pun mempunya frekuens yang tngg. Model duras dkembangkan untuk menganalss data transaks yang mempunya nterval waktu yang sangat pendek atau data transaks yang dcatat dalam frekuens tngg (ultra hgh frequency data). Model ACD n dperkenalkan pertama kal oleh Robert F. Engle dan Jeffrey R. Russell pada tahun 998. Msalkan t, 0, t, t, t n menunjukkan saat terjadnya transaks dan n adalah banyaknya transaks, serta merupakan nterval antara dua waktu kedatangan (duras). Dengan demkan t t. Model ACD dtentukan oleh konds dmana ψ merupakan ekspektas bersyarat dar duras ke- dengan dberkannya waktu kedatangan sebelumnya, yang dnyatakan pada persamaan dbawah n: 8
2 9 ψ E ( ), (3.) Model umum ACD (Tsay, 005: 7) ddefnskan sebaga berkut: ψ ε (3.) dengan { ε } adalah barsan peubah acak yang berdstrbus sama dan salng bebas ( ) dan E ε. Dasumskan ψ (Tsay, 005: 7) berbentuk: r α s ψ ω j j β jψ j j j (3.3) Persamaan (3.3) menunjukan suatu ekspektas bersyarat dar duras ke- yang bergantung pada r langkah dar duras dan s langkah dar ekspektas duras. Oleh karena tulah model tersebut dnamakan model ACD(r,s). Apabla error dalam persamaan (3.) berdstrbus eksponensal maka model d atas dsebut model Exponental Autoregressve Condtonal Durtaon (EACD). Bentuk umum model EACD(r,s) (Tsay, 005: 8) dapat dnyatakan sebaga berkut: ψ ε r ψ ω β ψ dengan α j j j j j j s
3 30 ( ) dan ε ~ EP. Model palng sederhana dar model EACD(r,s) adalah EACD(,), dapat dnyatakan ψ ε ψ ψ ω α β. B. Nla arapan dan Varans dar Duras Model EACD Msalkan terdapat model EACD(r,s) sebaga berkut: ψ ε ( ) ; ε ~ EP (3.4) r α s ψ ω j j β jψ j j j dengan. (3.5) Nla harapan dar duras ( ) untuk model EACD(r,s) dapat dperoleh dengan mengambl ekspektas pada kedua ruas persamaan (3.4) dan (3.5) yatu E E E ( ) E( ψ ) E( ε ) E( ) E( ψ ) ( ψ ) E( ω ) E( α ) E( β ψ ) ( ψ ) ω α E( ) β E( ψ ) ( ) ( ) dengan menggunakan sfat stasoner yatu E E ( ) ( ) dan E ψ E ψ dperoleh:
4 3 E E ( ) ω α E( ) β E( ψ ) ψ ( ) ω α E( ψ ) β E( ψ ) ψ ( ψ ) α E( ψ ) β E( ψ ) ω E E ( ψ )( α β ) ω E ( ψ ) ω α β E ( ψ ) µ x ω α β (3.6) ( ) karena E ε ( ) ( ) maka: E E ψ ε ( ) ( ) dan E E ψ (3.7) Kuadratkan kedua ruas pada persamaan (3.5) dan dperoleh: ψ ( ω α βψ ) ψ ψ ( α ) α βψ ( β ψ ) ω ωα ω ( α ) ( β ψ ) ωα α βψ ωβ ψ ωβψ (3.8) Dengan mengambl ekspektas pada persamaaan (3.8) ddapat
5 3 E E ( ψ ) E( ω ) E E ( α ) β ψ ( ψ ) ω α E ( α ) E( β ψ ) E ωβ ψ ( [( ) ] ( ) β E ψ ) [ ] E ωα ( ( ) ωα E ) ( ) ( ) α βe E ψ ( ) ωβe ψ ( ) ( ) Menggunakan sfat stasonertas yatu E E (3.9) ( ) ( ) dan E ψ E ψ maka persamaan (3.9) menjad E E E ( ψ ) ω α E ( ) ωβ E ψ [( ) ] ( ) β E ψ [( ) ] ψ ) α E E ( ψ ) ( [ ] [ ] β [( ) ] ψ ) α E ψ E ( ψ ) ( [ ] ( ) ωα E ω ωα E( ) ( ) ( ) α β E E ψ β E( ) E( ψ ) ( ) α β ωα µ x α β µ x µ x ω ωβ E ψ ωβ µ x ( ψ ) [ α β ] ω ωα µ x α βµ x ωβ x E µ E ω ωα µ x α βµ x ( ψ ) α β ωβ µ x
6 33 E µ x[ωα α βµ x ( ψ ) α ωβ] ω β (3.0) Akan dtentukan Varans untuk dengan menggunakan persamaan (3.6) dan (3.0) yatu Var [ ] ( x ) E( ) E( ) ψ ( ) E( ) [ ] E ( ωα α β µ ωβ ) ϖ µ Var ( ) µ x x x α β (3.) ω µ x dengan α β. C. Langkah-langkah Perumusan Model ACD Untuk menganalss data runtun waktu fnansal yang mempunya waktu antar transaks yang pendek dengan menggunakan model ACD dlakukan langkahlangkah sebaga berkut:. Menghtung duras Tahap awal dalam pengujan model ACD adalah dengan menghtung
7 34 duras atau nterval antara dua waktu kedatangan yatu t t, dengan adalah duras ke-, t adalah saat terjadnya transaks ke- dan t adalah saat terjadnya transaks sebelumnya.. Menyelaraskan data. Setelah dperoleh data duras, langkah selanjutnya adalah menyelaraskan data. Sepert halnya pada volatltas, laju kedatangan dar transaks dalam suatu pasar saham, pada umumnya akan terdapat suatu pola haran yatu duras pada waktu pembukaan dan pada waktu mendekat penutupan akan mempunya duras yang pendek jka dbandngkan dengan waktu-waktu yang lan (Tsay, 005: ). Engle & Russel (998) mengusulkan untuk memasukkan suatu hubungan tambahan pada ss kanan persamaan (3.) yatu dengan memperhtungkan pola haran duras dar suatu saham, sehngga duras ke- dapat dnyatakan sebaga berkut: φψ ε (3.) Dengan demkan, ψ merupakan ekspektas dar duras setelah memsahkan bentuk determnstk. Ekspektas yang belum d standardsaskan n dnyatakan oleh merupakan komponen stokastk. φ ψ, dengan φ merupakan komponen determnstk dan Pola haran tersebut dapat destmas dengan metode smoothng splne ψ
8 35 (Tsay, 005: 5) untuk memodelkan bentuk determnstk. Tujuan dar penyelarasan data n adalah untuk membuang pola haran dar efek har, yatu dengan mengambl nla raso dar duras terhadap nla penyesuaannya. Dar penyelarasan data n, akan dperoleh data duras yang sudah dselaraskan. Duras yang sudah dselaraskan dapat dtuls sebaga berkut: ~ φ (3.3) Duras yang telah dselaraskan n dharapkan akan bebas dar pola haran (Durnal Pattern). 3. Menguj adanya efek ACD Langkah selanjutnya yatu pengujan adanya efek ACD dengan menggunakan correlogram maupun uj Ljung-Box. Pengujan ada tdaknya efek ACD dapat dlhat melalu correlogram. Jka tdak ada efek ACD maka ACF dan PACF seharusnya adalah nol pada semua lag atau secara statstk tdak sgnfkan. Uj Ljung-Box mengkut dstrbus kh-kuadrat ( χ ) dengan derajat kebebasan (db) sebesar m (lag maksmum). Jka nla statstk LB lebh kecl dar nla krts statstk dar tabel dstrbus kh-kuadrat maka tdak ada efek ACD dalam data. Sebalknya jka nla statstk Ljung-Box lebh besar dar nla krts statstk dar tabel dstrbus kh-kuadrat maka data
9 36 mengandung efek ACD. Adapun langkah-langkah hpotess uj Ljung-Box adalah a). merumuskan hpotess 0 : ρ ε ( k) 0 untuk semua nla k, yatu nla semua koefsen ACF tersebut sampa dengan lag tertentu sama dengan nol. : Mnmal ada lag dengan ρ ε ( k) 0. atau 0 : tdak terdapat efek ACD pada data. : terdapat efek ACD pada data. b). menentukan taraf sgnfkans Taraf sgnfkans (α ) 5%. c). statstk uj statstk uj yang dgunakan adalah uj Ljung-Box. Rumus yang dgunakan untuk uj dar Ljung-Box (Wdarjono, 005: 39) adalah LB htung n( n ) ˆ m ρ ε ( k n k) k (3.4) dengan n m : ukuran sampel : lag maksmum
10 37 ˆ ρ ε ( k) : autokorelas, untuk k,,, p Penentuan besaran m basanya dtetapkan sebanyak dua musm atau secara umum sebanyak 0 perode (Artonang, 00: 04). d). menentukan krtera pengujan Uj Ljung-Box mengkut dstrbus kh-kuadrat ( χ ) dengan derajat kebebasan (db) sebesar m (lag maksmum). 0 dtolak jka LBhtung > LB tabel dar tabel dstrbus χ, artnya terdapat efek ACD sampa lag p. e). melakukan perhtungan Menghtung LB htung berdasarkan rumus (3.4) dan LBtabel berdasarkan tabel dstrbus χ. f). menark kesmpulan Kesmpulan hpotess dperoleh berdasarkan krtera pengujan yatu jka 0 dtolak maka terdapat efek ACD sampa lag p. 4. Estmas Parameter Model EACD(r,s) Untuk mendapatkan estmas parameter, akan dcar fungs lkelhood yatu dengan menggunakan fungs denstas model EACD(r,s) yang dnyatakan berkut n. ψ ε
11 38 ψ ω β ψ dengan r α j j j j j j s ( ) dan ε ~ EP. Fungs denstas peluang untuk ~ EP( ) adalah f ( x) e x, atau f ( x) exp( x), x > 0 dengan transformas peubah acak yang dnyatakan dengan rumus d dx ( x) f ( g ( x) ) g ( x) f dan g ( x) x ε ψ dperoleh f x ( x ; θ ) exp ψ ψ. Msalkan L menyatakan fungs lkelhood untuk pengamatan ke- dan ukuran sampel dnyatakan dengan T, maka
12 ( ) ;θ log x f L x L ψ ψ exp log x L ψ ψ log ( ) x L ψ log ψ Fungs lkelhood untuk denstas bersamanya adalah ( ) T x L log ψ ψ Setelah dperoleh beberapa model, selanjutnya adalah dplh model yang bak sebaga alat untuk estmas. Metode pemlhan model antara lan dengan melhat nla AIC (Akake Informaton Crteron), dan SC (Schwarz Crteron). Selanjutnya setelah dperoleh persamaan model EACD(r,s) yang tepat untuk estmas, langkah berkutnya adalah pemerksaan dagnostk yatu dengan memerksa apakah data runtun waktu mash mengandung korelas 39
13 40 seral atau tdak. 5. Pemerksaan Dagnostk Model EACD(r,s) Pemerksaan dagnostk dlakukan untuk mengetahu apakah data runtun waktu tersebut mash mengandung korelas seral atau tdak. al tersebut dapat dlakukan dengan menggunakan analss resdual yatu dengan menggunakan uj ndependens resdual. Uj ndependens resdual dar autokorelas sekumpulan resdual yang telah dperoleh dgunakan untuk mendeteks ada tdaknya korelas resdual antar lag. Langkah-langkah yang dapat dlakukan dalam melakukan uj ndependens resdual adalah a) merumuskan hpotess : ε } 0 { t merupakan suatu barsan yang ndependent yatu tdak terdapat korelas seral terssa d dalam resdual antar lag. : ε } { t merupakan suatu barsan yang dependent yatu terdapat korelas seral terssa d dalam resdual antar lag. b) menetapkan taraf sgnfkans Taraf sgnfkans (α ) yang dgunakan adalah 5%. c) statstk uj Uj dlakukan dengan menggunakan Q-statstk yatu uj Ljung-Box. Statstk uj dar Ljung-Box (Wllam, 994: 49-50) adalah:
14 4 LB htung n ˆ ρ ( k) k m ε ( n ) k n (3.5) dengan n m ˆ ( k) ρ ε : ukuran sampel : lag maksmum : autokorelas dar nla ssa untuk k,,,m Penentuan besaran m basanya dtetapkan sebanyak dua musm atau secara umum sebanyak 0 perode (Artonang, 00: 04). d) menentukan krtera pengujan Uj Ljung-Box mengkut dstrbus kh-kuadrat ( χ ) dengan derajat kebebasan (db) sebesar m (lag maksmum). 0 dtolak jka LBhtung > LB tabel dar tabel dstrbus dependent. χ { ε }, artnya t merupakan suatu barsan yang e) melakukan perhtungan Pada langkah n, dhtung LB htung berdasarkan rumus (3.3) dan LB tabel berdasarkan tabel dstrbus χ. f) menark kesmpulan Kesmpulan dperoleh berdasarkan krtera pengujan yatu jka 0 dtolak maka { ε t } merupakan suatu barsan yang dependent atau terdapat
15 4 korelas seral terssa ddalam resdual antar lag. D. Krtera Pemlhan Model Krtera pemlhan model EACD menggunakan AIC dan SC.. Krtera pemlhan model dengan AIC (Akake Informaton Crteron) Pada tahun 974 seorang ahl statstk dar jepang yatu Profesor rotugu Akake mengusulkan suatu metode untuk menguj ketepatan suatu model, yang kemudan dsebut dengan AIC (Akake Informaton Crteron). Metode AIC (Wdarjono, 005: 45) ddefnskan sebaga berkut: AIC e log n k n dengan e k n : resdual kuadrat : jumlah parameter : jumlah data.. Krtera pemlhan model dengan SC (Schwarz Crteron) Krtera pemlhan model dengan SC (Wdarjono, 005: 45) ddefnskan dengan: SC e log n k n log n dengan
16 43 e k n : resdual kuadrat : jumlah parameter : jumlah data. Model yang bak adalah model dengan nla AIC, dan SC yang lebh kecl. Setelah dperoleh persamaan model EACD(r,s) yang tepat untuk estmas, langkah berkutnya adalah menguj apakah error dar model EACD benar-benar berdstrbus Eksponensal standar atau tdak. Untuk model Exponental Autoregerssve Condtonal Duraton (EACD), error akan berdstrbus Eksponensal. Untuk menguj asums tersebut dlakukan uj kecocokan model (Goodness Of Ft) dar dstrbus Eksponensal yatu dengan menggunakan plot probabltas (Engle & Russel, 998: 9), dengan sumbu menyatakan error dar data pengamatan dan sumbu Y adalah persentase jumlah data error. Apabla ttk-ttk error dar data pengamatan mengkut suatu gars lurus maka error dapat dkatakan berdstrbus Eksponensal. Suatu peubah acak ~ EP( ) mempunya fungs dstrbus kumulatf sebaga berkut : F ( x) exp( x) Plot probabltas dar peubah acak ~ EP( ) (3.6) dengan fungs dstrbus kumulatf sepert pada persamaan (3.6) adalah berdasarkan hubungan antara error dan fungs dstrbus kumulatfnya yang dapat djelaskan sebaga berkut: F ( ε ) exp( ε )
17 44 F ( ε ) exp( ε ) (3.7) dengan mengambl nla log untuk kedua ruas pada persamaan (3.4) dperoleh : (3.8) (3.9) log ( F ( ε ) ) ε ε log F ( ) ε. Dengan demkan, berdasarkan persamaan (3.9) dapat dlhat adanya hubungan log F lnear antara ε dan ( ε ) suatu gars lurus. E. Penerapan Model EACD, sehngga apabla dgambarkan akan membentuk Untuk lebh memaham model EACD sepert yang telah durakan datas, penuls akan memberkan dua contoh penerapannya dalam data transaks saham.. Penerapan Model EACD Pada Data Transaks Saham IBM Corporaton Data yang dgunakan pada contoh n merupakan data transaks saham IBM Corporaton perode November 990 sampa 7 November 990. Data berasal dar Trades, Order Report, and Quotes (TORQ) yang dambl dar NYSE (New York Stock Exchange). Waktu transaks yang terjad dcatat dalam
18 45 satuan detk dan terlampr pada Lampran I. Data transaks saham IBM Corporaton perode November 990 sampa 7 November 990 merupakan data yang mempunya frekuens yang tngg oleh karena tu dgunakan model ACD dengan error berdstrbus eksponensal (EACD). Dar data tersebut, akan dtentukan model EACD yang bak sehngga dperoleh estmas waktu kedatangan transaks perode berkutnya dengan tepat? Langkah-langkah untuk mendapatkan model EACD yang terbak adalah sebaga berkut: a. Langkah pertama yang dlakukan adalah menghtung duras yatu dengan mengambl selsh antara waktu kedatangan transaks pada saat ke- ( t ) dengan waktu kedatangan transaks sebelumnya ( t ), dperoleh plot data duras dan rngkasan statstk data duras sebaga berkut Gambar 3. : Plot Data Duras Transaks Saham IBM Corporaton
19 46 Tabel 3.: Rngkasan Statstk Data Duras Transaks Saham IBM Corporaton Statstk Nla Mean 3.38 Medan 6.00 Maksmum Mnmum.00 Std. Dev Dar Tabel 3. terlhat bahwa rata-rata duras transaks saham IBM Corporaton pada perode November 990 sampa 7 November 990 adalah 3.38 dengan duras tertngg dan terendah.00. Sedangkan medan atau nla tengahnya adalah 6.00 dengan smpangan baku b. Penyelarasan Data Setelah dperoleh data duras, langkah selanjutnya adalah dengan menyelaraskan data (Durnally adjusted) yatu dengan membuang pola
20 47 haran dar efek har. al tersebut dlakukan dengan menggunakan metode smoothng splne yatu dengan mengambl nla raso dar duras terhadap nla penyesuaannya. Dar penyelarasan data n, akan dperoleh data duras yang sudah dselaraskan. Penyelarasan data n dlakukan dengan menggunakan program dar Evews 4.0. Terdapat 3534 data transaks yang telah dselaraskan. Adapun plot dan rngkasan statstk data duras transaks saham IBM yang telah dselaraskan adalah Gambar 3. : Plot Data Duras yang Dselaraskan Transaks Saham IBM Corporaton Tabel 3.: Rngkasan Statstk Data Duras yang Dselaraskan Transaks Saham IBM Corporaton Statstk Nla Mean Medan
21 48 Maksmum Mnmum Std. Dev Dar data duras yang telah dselaraskan dperoleh nla rata-rata sebesar dengan duras tertngg adalah dan terendah Sedangkan medan atau nla tengahnya adalah dengan smpangan baku c. Pengujan adanya Efek ACD Sebelum melakukan estmas model ACD, akan lebh tepat jka dperksa terlebh dahulu apakah efek ACD benar-benar muncul dalam data. Pengujan ACF dar duras yang telah dselaraskan dapat dgunakan untuk mengambl kesmpulan mengena keberadaan efek ACD dalam data. Untuk mendeteks ada tdaknya efek ACD, dapat dlakukan dengan menganalss correlogram maupun uj statstk dar Ljung-Box. Tabel 3.3: Nla AC dan PAC data duras yang dselaraskan Transaks Saham IBM Corporaton
22 49 Langkah-langkah Uj Statstk Ljung-Box untuk mendeteks ada tdaknya efek ACD pada data adalah ) merumuskan hpotess : ( k) 0 0 ρ ε untuk semua nla k, yatu nla semua koefsen ACF tersebut sampa dengan lag tertentu sama dengan nol. : Mnmal ada lag dengan ρ ε ( k) 0. atau 0 : tdak terdapat efek ACD pada data. : terdapat efek ACD pada data. ) menetapkan taraf sgnfkans α 0,05 3) statstk uj
23 50 Uj dlakukan dengan menggunakan statstk uj Ljung-Box. 4) menentukan krtera pengujan 0 dtolak jka LBhtung > LB tabel dar tabel dstrbus χ 5) melakukan perhtungan Dar tabel 3.3 terlhat bahwa nla probabltasnya sgnfkan sampa lag 0. Selanjutnya nla Q-Stat (LB) sampa lag ke 0 dapat dhtung menggunakan rumus sebaga berkut LB n( n ) m k ˆ ρ ( k) n k (3536) ( 3536) ( ) 3534 (3536) ( ) 7.46 Perhtungan secara manual menghaslkan LB htung 7.46
24 5 dan berdasarkan output Evews 4.0 pada tabel 3.3 dperoleh LB htung 7. Tabel dstrbus bahwa nla χ dengan α dan db 0 menunjukkan LB tabel 3.40 Perhtungan secara manual dan dengan menggunakan Evews 4.0 menghaslkan pembulatan. LBhtung yang hampr sama, perbedaan hanya karena 6) menark kesmpulan Kesmpulan dperoleh berdasarkan krtera pengujan yatu 0 dtolak jka LB htung > LB tabel. Karena LB htung > LBtabel yatu 7.46 > 3.40, maka 0 dtolak. Artnya terdapat efek ACD dalam data. d. Estmas Model EACD Dar plot Autokorelas data yang sudah dselaraskan akan dcoba pemodelan data transaks yang mempunya nterval waktu kedatangan yang pendek dan takregular untuk beberapa model. Dengan menggunakan prnsp parsmony yatu model yang bak adalah model yang mempunya parameter yang sedkt selanjutnya akan dbandngkan model EACD(,)
25 5 dengan EACD(,). Untuk dapat mengestmas model EACD n adalah dengan membuat suatu program estmas dobjek logl Evews 4.0 yang terdapat pada lampran. Model EACD dapat dtuls sebaga berkut ψ ε r ψ ω β ψ α j j j j j j s dengan error berdstrbus Eksponensal. ).Model EACD(,) Berkut n adalah hasl dar estmas untuk model EACD(,) Tabel 3.4: Estmas Parameter Untuk Model EACD(,) Transaks Saham IBM Corporaton LogL: EACD Method: Maxmum Lkelhood (B) Sample: 3534 Included observatons: 3533 Evaluaton order: By observaton Convergence acheved after 5 teratons ω Coeffcent Std. Error z-statstc Prob α β Log lkelhood Akake nfo crteron Avg. log lkelhood Schwarz crteron Number of Coefs. 3 annan-qunn crter Secara statstk model datas sudah sgnfkan, dan ddapat persamaan hasl estmas sebaga berkut
26 53 ψ ε ψ ψ ).Model EACD(,) Berkut n adalah hasl dar estmas untuk model EACD(,) Tabel 3.5: Estmas Parameter Untuk Model EACD(,) Transaks Saham IBM Corporaton LogL: EACD Method: Maxmum Lkelhood (B) Sample: 3534 Included observatons: 3533 Evaluaton order: By observaton Convergence acheved after 6 teratons ω Coeffcent Std. Error z-statstc Prob α β Log lkelhood Akake nfo crteron Avg. log lkelhood Schwarz crteron Number of Coefs. 3 annan-qunn crter Model Dar tabel 3.5 datas terlhat bahwa nla ω tdak sgnfkan yatu sebesar 0.89>0.05. Berkut n akan dtamplkan rangkuman hasl estmas. Tabel 3.6: Rangkuman asl Estmas Model Log Lkelhood AIC SIC ACF/PACF Standardzed Resdual ECAD(,) Tdak ada korelas EACD(,) Tdak ada
27 54 korelas Dar tabel 3.6 datas tampak bahwa model dengan nla AIC dan SIC yang kecl serta dengan nla log lkelhood yang besar adalah model EACD(,), sehngga model yang dapat dpertmbangkan untuk mengestmas waktu kedatangan transaks perode berkutnya adalah model EACD(,). Dar penjelasan sebelumnya dketahu bahwa untuk model EACD, error akan berdstrbus Eksponensal. Untuk menyeldk asums bahwa error berdstrbus Eksponensal akan dbuat plot probabltasnya dengan menggunakan software mntab. Gambar 3.3: Plot Probabltas error Model EACD(,) Data Transaks Saham IBM Corporaton Dar Gambar 3.3 d atas terlhat adanya hubungan lnear antara ε dan log F ( ε ), dan ttk-ttk dar error mengkut suatu gars lurus.
28 55 Berdasarkan Probabltasnya:. hpotess 0 : error berdstrbus Eksponensal : error tdak berdstrbus Eksponensal. taraf sgnfkans ( ) α daerah penolakan 0 dtolak jka p-value < α. 4. kesmpulan Dar gambar 3.6 dperoleh p-value sebesar 0.69, dengan demkan karena p-value > α (0.69 > 0.05) maka 0 dterma. Jad error model EACD untuk data transaks saham IBM Corporaton berdstrbus Eksponensal. Dar model EACD(,) datas, dapat juga dlakukan estmas untuk ratarata dan varans dar duras dengan menggunakan rumus (3.6) dan (3.). Persamaan hasl estmas model EACD(,) adalah sebaga berkut ψ ε ψ ψ Estmas untuk rata-rata
29 56 E ( ψ ) µ x ω α β µ x µ x Estmas untuk Varans ( ωα α β µ ωβ ) ω µ Var ( ) µ x x x α β Var ( ) ( ) ( 3.344) Var ( ). 834 Var( ). 63 e. Pemerksaan Dagnostk Setelah dperoleh estmas parameter untuk model EACD(,), langkah selanjutnya adalah melakukan pemerksaan dagnostk. Pemerksaan dagnostk n adalah untuk mengetahu ada tdaknya korelas
30 57 seral terssa dalam resdual yang menggunakan uj Statstk Ljung Box. Tabel 3.7: Nla AC dan PAC Resdual Model EACD(,) Transaks Saham IBM Corporaton ) merumuskan hpotess 0 : { ε t } merupakan suatu barsan yang ndependent yatu tdak terdapat korelas seral terssa ddalam resdual antar lag. : { ε } t merupakan suatu barsan yang dependent yatu terdapat korelas seral terssa ddalam resdual antar lag. ) menetapkan taraf sgnfkans α 0,05 3) memlh statstk uj yang sesua Uj dlakukan dengan menggunakan statstk uj Ljung-Box. 4) menentukan krtera pengujan 0 dtolak jka LBhtung > LB tabel dar tabel dstrbus χ.
31 58 5) melakukan perhtungan yang dperlukan Selanjutnya nla Q-Stat (LB) sampa lag ke 0 dapat dhtung menggunakan rumus sebaga berkut LB n ( n ) m k ˆ ( k ) ρ n k (3536) (3536) ( (3536)( ) 0.87 Perhtungan secara manual menghaslkan LB htung 0.87 dan berdasarkan output Evews 4.0 pada tabel 3.7 dperoleh LB htung Tabel dstrbus bahwa nla χ dengan α dan db 0 menunjukkan LB tabel 3.40
32 59 Perhtungan secara manual dan dengan menggunakan Evews LBhtung 4.0 menghaslkan yang hampr sama, perbedaan hanya karena pembulatan. 6) menark kesmpulan Kesmpulan dperoleh berdasarkan krtera pengujan yatu 0 dtolak jka LB htung > LB tabel. Karena LB htung < LBtabel yatu 0.87 < 3.40, 0 tdak dtolak. Jad { ε t } merupakan suatu barsan yang ndependent atau tdak terdapat korelas seral terssa d dalam resdual antar lag. f. Estmas Dengan menggunakan model EACD(,) yang dperoleh datas, akan d predks duras ke 3535, sebaga berkut: ψ ψ ( 89) ( 3.344) 8.95 Sehngga dar hasl predks datas, transaks akan terjad 8.95 detk setelah transaks terakhr terjad. Karena transaks terakhr terjad pada detk ke 4488, maka transaks berkutnya dpredks akan terjad pada detk ke
33 60. Penerapan Model EACD Pada Data Transaks Saham Intel Corporaton Data yang dgunakan pada contoh n merupakan data transaks saham Intel Corporaton perode Januar 006, yang dambl dar NASDAQ(Natonal Assocaton of Securtes Dealers Automated Quotatons). Waktu transaks yang terjad dcatat dalam satuan detk dan terlampr pada Lampran 3. Data transaks saham Intel Corporaton perode Januar 006 merupakan data yang mempunya frekuens yang tngg oleh karena tu dgunakan model ACD dengan error berdstrbus eksponensal (EACD). Dar data tersebut, akan dtentukan model EACD yang terbak sehngga dperoleh estmas waktu kedatangan transaks perode berkutnya dengan tepat? Langkah-langkah untuk mendapatkan model EACD yang terbak adalah sebaga berkut: a. Langkah pertama yang dlakukan adalah menghtung duras dar data. Plot dan rngkasan statstk data durasnya adalah sebaga berkut Gambar 3.4 : Plot Data Duras Transaks Saham Intel Corporaton
34 6 Tabel 3.8: Rngkasan Statstk Data Duras Transaks Saham Intel Corporaton Statstk Nla Mean Medan 6.00 Maksmum Mnmum.00 Std. Dev 5.07 Dar Tabel 3.8 terlhat bahwa rata-rata duras transaks saham Intel Corporaton pada Januar 006 adalah dengan duras tertngg dan terendah.00. Sedangkan medan atau nla tengahnya adalah 6.00 dengan smpangan baku b. Penyelarasan Data Setelah dperoleh data duras, langkah selanjutnya adalah dengan menyelaraskan data (Durnally adjusted) yatu dengan membuang pola haran dar efek har. al tersebut dlakukan dengan menggunakan metode smoothng splne yatu dengan mengambl nla raso dar duras terhadap
35 6 nla penyesuaannya. Dar penyelarasan data n, akan dperoleh data duras yang sudah dselaraskan. Penyelarasan data n dlakukan dengan menggunakan program dar Evews 4.0. Terdapat 500 data yang telah dselaraskan. Adapun plot dan rngkasan statstk data duras transaks saham Intel Corporaton yang telah dselaraskan adalah Gambar 3.5 : Plot Data Duras yang Dselaraskan Transaks Saham Intel Corporaton Tabel 3.9: Rngkasan Statstk Data Duras yang Dselaraskan Transaks Saham Intel Corporaton Statstk Nla Mean Medan.3436 Maksmum Mnmum Std. Dev.6669 Dar data duras yang telah dselaraskan dperoleh nla rata-rata sebesar dengan duras tertngg adalah dan terendah Sedangkan medan atau nla tengahnya adalah.3436 dengan smpangan baku.6669.
36 63 c. Pengujan adanya Efek ACD Sebelum melakukan estmas model ACD, akan lebh cocok untuk memerksa apakah efek ACD benar-benar muncul dalam data. Pengujan ACF sampel dar duras yang telah dselaraskan dapat dgunakan untuk mengambl kesmpulan mengena keberadaan efek ACD dalam data. Untuk mendeteks ada tdaknya efek ACD, dapat dlakukan dengan menganalss correlogram maupun uj statstk dar Ljung Box. Tabel 3.0: Nla AC dan PAC data duras yang dselaraskan Transaks Saham Intel Corporaton Langkah-langkah Uj Statstk Ljung-Box untuk mendeteks ada tdaknya
37 64 efek ACD pada data adalah a. merumuskan hpotess : ( k) 0 0 ρ ε untuk semua nla k, yatu nla semua koefsen ACF tersebut sampa dengan lag tertentu sama dengan nol. : Mnmal ada lag dengan ρ ε ( k) 0. atau 0 : tdak terdapat efek ACD pada data. : terdapat efek ACD pada data. b. menetapkan taraf sgnfkans α 0,05 c. statstk uj Uj dlakukan dengan menggunakan statstk uj Ljung-Box. d. menentukan krtera pengujan 0 dtolak jka LBhtung > LB tabel dar tabel dstrbus χ. e. melakukan perhtungan Dar tabel 3.0 terlhat bahwa nla probabltasnya sgnfkan sampa lag 0. Selanjutnya nla Q-Stat (LB) sampa lag ke 0 dapat dhtung menggunakan rumus sebaga berkut
38 65 LB n( n ) m k ˆ ρ ( k) n k (50) ( 0.036) ( 0.03) ( ) 500 (50) 500(50)( ) Perhtungan secara manual menghaslkan LB htung dan berdasarkan output Evews 4.0 pada tabel 3.0 dperoleh LB htung Tabel dstrbus bahwa nla χ dengan α dan db 0 menunjukkan LB tabel 3.40 Perhtungan secara manual dan dengan menggunakan Evews 4.0 menghaslkan pembulatan. LBhtung yang hampr sama, perbedaan hanya karena
39 66 f. menark kesmpulan Kesmpulan dperoleh berdasarkan krtera pengujan yatu 0 dtolak jka LB htung > LB tabel. Karena LB htung > LBtabel yatu > 3.40, maka 0 dtolak. Artnya terdapat efek ACD dalam data. d. Estmas Model EACD Dar plot Autokorelas data yang sudah dselaraskan akan dcoba pemodelan data transaks yang mempunya nterval waktu kedatangan yang pendek dan takregular untuk beberapa model. Dengan menggunakan prnsp parsmony yatu model yang bak adalah model yang mempunya parameter yang sedkt selanjutnya akan dbandngkan model EACD(,) dengan EACD(,). Untuk dapat mengestmas model EACD n adalah dengan membuat suatu program estmas dobjek logl Evews 4.0 yang terdapat pada lampran 4. Model EACD drepresentaskan sebaga ψ ε r ψ ω β ψ α j j j j j j s dengan error berdstrbus Eksponensal. Berkut n adalah hasl dar estmas untuk model EACD(,)
40 67 Tabel 3.: Estmas Parameter Untuk Model EACD(,) Transaks Saham Intel Corporaton LogL: EACD Method: Maxmum Lkelhood (B) Sample: 500 Included observatons: 499 Convergence acheved after 30 teratons ω Coeffcent Std. Error z-statstc Prob α β Log lkelhood Akake nfo crteron Avg. log lkelhood Schwarz crteron Number of Coefs. 3 annan-qunn crter Dar tabel 3. datas terlhat bahwa nla ω tdak sgnfkan yatu sebesar > 0.05, oleh karena tu dperlukan estmas ulang untuk model EACD(,). Berkut n adalah hasl dar estmas untuk model EACD(,) Tabel 3.: Estmas Parameter Untuk Model EACD(,) Transaks Saham Intel Corporaton LogL: EACD Method: Maxmum Lkelhood (B) Sample: 500 Included observatons: 499 Convergence acheved after 35 teratons Coeffcent Std. Error z-statstc Prob. ω α β Log lkelhood Akake nfo crteron Avg. log lkelhood Schwarz crteron Number of Coefs. 3 annan-qunn crter
41 68 Secara statstk model datas sudah sgnfkan. Dar tabel 3. ddapat persamaan hasl estmas sebaga berkut ψ ε ψ ψ Model Berkut n akan dtamplkan rangkuman hasl estmasnya adalah Tabel 3.3: Rangkuman asl Estmas Model Log Lkelhood AIC SIC ACF/PACF Standardzed Resdual ECAD(,) Tdak ada korelas EACD(,) Tdak ada korelas Dar tabel 3.3 datas tampak bahwa model yang nla AIC dan SICnya kecl serta dengan nla log lkelhood yang besar adalah model EACD(,), sehngga model yang dapat dpertmbangkan untuk mengestmas waktu kedatangan transaks perode berkutnya adalah model EACD(,). Dar penjelasan sebelumnya dketahu bahwa untuk model EACD, error akan berdstrbus Eksponensal. Untuk menyeldk asums bahwa error berdstrbus Eksponensal akan dbuat plot probabltasnya dengan menggunakan software mntab. Gambar 3.6: Plot Probabltas error Model EACD(,)
42 69 Data Transaks Saham Intel Corporaton Dar Gambar 3.6 d atas terlhat adanya hubungan lnear antara ε dan log F ( ε ), dan ttk-ttk dar error mengkut suatu gars lurus. Berdasarkan Probabltasnya:. hpotess 0 : error berdstrbus Eksponensal : error tdak berdstrbus Eksponensal. taraf sgnfkans ( ) α daerah penolakan 0 dtolak jka p-value < α.
43 70 4. kesmpulam Dar gambar 3.6 dperoleh p-value sebesar 0.50, dengan demkan karena p-value > α (0.50 > 0.05) maka 0 dterma. Jad error model EACD untuk data transaks saham Intel Corporaton berdstrbus Eksponensal. Dar model EACD(,) datas, dapat juga dlakukan estmas untuk rata-rata dan varans dar duras dengan menggunakan rumus (3.6) dan (3.). Persamaan hasl estmas model EACD(,) adalah sebaga berkut ψ ε ψ ψ Estmas untuk rata-rata E ( ψ ) µ x ω α β µ x µ x.5 Estmas untuk varans
44 7 ( ωα α β µ ωβ ) ω µ Var ( ) µ x x x α β Var ( ) ( ) (.5) Var ( ) Var( ) e. Pemerksaan Dagnostk Setelah dperoleh estmas untuk model EACD(,), langkah selanjutnya adalah melakukan pemerksaan dagnostk. Pemerksaan dagnostk n adalah untuk mengetahu ada tdaknya korelas seral terssa dalam resdual yang menggunakan uj Statstk Ljung Box. Tabel 3.4: Nla AC dan PAC Resdual Model EACD(,) Transaks Saham Intel Corporaton
45 7. merumuskan hpotess : ε } 0 { t merupakan suatu barsan yang ndependent yatu tdak terdapat korelas seral terssa ddalam resdual antar lag. : ε } { t merupakan suatu barsan yang dependent yatu terdapat α 0,05 korelas seral terssa ddalam resdual antar lag.. menetapkan taraf sgnfkans
46 73 3. memlh statstk uj yang sesua Uj dlakukan dengan menggunakan statstk uj Ljung-Box. 4. menentukan krtera pengujan 0 dtolak jka LBhtung > LB tabel dar tabel dstrbus χ. 5. melakukan perhtungan yang dperlukan Selanjutnya nla Q-Stat (LB) sampa lag ke 0 dapat dhtung menggunakan rumus sebaga berkut LB n ( n ) m k ˆ ( k ) ρ n k ( 0.00) 500(50) 499 ( 0.04) 498 ( 0.050) 497 (0.00) (50)( ) 500(50)( ) Perhtungan secara manual menghaslkan LB htung dan berdasarkan output Evews 4.0 pada tabel 3.4 dperoleh LB htung 5.63
47 74 Tabel dstrbus χ dengan α dan db 0 menunjukkan bahwa nla LB tabel 3.40 Perhtungan secara manual dan dengan menggunakan Evews 4.0 menghaslkan pembulatan. LBhtung yang hampr sama, perbedaan hanya karena 6. menark kesmpulan Kesmpulan dperoleh berdasarkan krtera pengujan yatu 0 dtolak jka LB htung > LB tabel. Karena LB htung < LBtabel yatu < 3.40, 0 tdak dtolak. Jad { ε t } merupakan suatu barsan yang ndependent atau tdak terdapat korelas seral terssa d dalam resdual antar lag. f. Estmas Dengan menggunakan model EACD(,) yang dperoleh datas, akan d predks duras ke 50, sebaga berkut: ψ ψ ( 96) (.5)
48 75 Sehngga dar hasl predks datas, transaks akan terjad 5.0 detk setelah transaks terakhr terjad. Karena transaks terakhr terjad pada detk ke 57646, maka transaks berkutnya dpredks akan terjad pada detk ke
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 terperinciBAB 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 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 terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
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 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 terperinciBAB 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 terperinciBAB 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 terperinciUJI 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 terperinciIII. 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 terperinciIII. 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 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB 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 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 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 terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciREGRESI 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciA. Soal 1 yg dikerjakan seharian tadi ttg regresi tunggal MENGHITUNG REGRESI LINEAR SEDERHANA
009 T u g a s a p l k a s S t a t s t k P a g e 1 A. Soal 1 yg dkerjakan seharan tad ttg regres tunggal MENGHITUNG REGRESI LINEAR SEDERHANA Persamaan umum regres lnear sederhana adalah : Ŷ = a + bx Contoh
Lebih terperinciANALISIS 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 terperinciBAB 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 terperinciIII. 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 terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
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 terperinciSTATISTICAL 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 terperinciBAB 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciJURNAL 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 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 terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciBAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam
BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 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 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 terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB 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 terperinciMULTIVARIATE 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 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 terperinciBAB 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 terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciBAB IV HASIL PENELITIAN
6 BAB IV HAIL PENELITIAN A. Deskrps Data Hasl Peneltan Untuk mengetahu keefektfan penerapan model pembelajaran cooperatve learnng tpe TAD (tudent Teams-Achevement Dvsons) terhadap hasl belajar matematka
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 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciI. PENGANTAR STATISTIKA
1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan
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 terperinciBAB 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 terperinciKORELASI 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 terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciANALISIS 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 terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
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 terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
TNR 1 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL IV TNR 1 Space.0 ANALISIS
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB LANDASAN TEORI Unverstas Sumatera Utara . Pengertan Regres Istlah regres pertama kal dperkenalkan oleh Francs Galtom. Menurut Galtom, analss regres erkenaan dengan stud ketergantungan dar satu varael
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB 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 terperinciConfigural 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 terperinciBAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
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 terperinciAnalisis 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 terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
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 terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
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 terperinciBAB 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 terperinciBAB 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 terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciMETODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.
METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jens dan Pendekatan Peneltan Jens peneltan n termasuk peneltan korelasonal (correlatonal studes. Peneltan korelasonal merupakan peneltan yang dmaksudkan untuk mengetahu ada
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciIII. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
8 III. METODE PENELITIAN A. Metode Peneltan Metode peneltan adalah suatu cara yang dpergunakan untuk pemecahan masalah dengan teknk dan alat tertentu sehngga dperoleh hasl yang sesua dengan tujuan peneltan.
Lebih terperinciUji Homogenitas Varians
Uj Homogentas Varans I. DUA VARIANS Pengujan hpotess dua varans dlakukan untuk mengetahu varans dua populas sama (homogen atau tdak (heterogen. S dan S merupakan penduga σ dan σ Rumus varans : x ( x S
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan
Lebih terperinciUji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi
Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d
Lebih terperinciREGRESI 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 terperinciIII. METODOLOGI PENELITIAN
44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls
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 III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data.
BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode peneltan harus dsesuakan dengan masalah dan tujuan peneltan, hal n dlakukan untuk kepentngan perolehan dan analss data. Mengena pengertan metode peneltan,
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 terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode ekspermen dengan bentuk kuas ekspermen. Pre test dlakukan d awal peneltan dan post tes dlakukan
Lebih terperinci