PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM
|
|
- Liani Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BIAStatistics (2015) Vol. 9, 2, hal PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah Kuala ABSTRAK Sering dalam sebuah penelitian, peneliti ingin melihat hubungan atau pengaruh yang ditimbulkan oleh suatu peubah atau variabel terhadap peubah lain. Taksiran yang didapat dalam sebuah model regresi linier sederhana sedemikian rupa sehingga dekat dengan nilai observasi. Pendekatan dasar metode bootstrap adalah memperlakukan sampel seolah-olah sebagai populasi untuk membangkitkan suatu taksiran empiris dari distribusi sampling statistik tertentu. Taksiran regresi linier sederhana dengan metode bootstrap merupakan taksiran yang tak bias dan memiliki varians minimum. Untuk mendapatkan taksiran tersebut digunakan resampling residual atau resampling pasangan dengan bantuan software statistik SAS. Kajian ini menggunakan 20 sampel dan untuk metode bootstrap dilakukan untuk 500 dan 1000 pengulangan. Standar error penaksir parameter regresi yang diperoleh dengan metode boostrap lebih kecil dibandingkan dengan metode konvensional, baik untuk data yang berdistribusi normal maupun data yang berdistribusi uniform. Key words: bootstrap, regresi linier, taksiran 1. PENDAHULUAN Analisis regresi linier sederhana adalah suatu metode untuk melihat hubungan antara satu variabel bebas dan satu variabel takbebas yang diasumsikan mempunyai distribusi normal. Dengan inferensi parametrik tradisional penentuan koefisien dalam sebuah model regresi harus memenuhi syarat distribusi dan beberapa asumsi. Penaksir kuadrat terkecil biasa (the ordinary least squares estimators) akan optimal jika error berdistribusi normal dengan mean sama dengan nol dan varians konstan. Teorema Limit Pusat menjamin penaksir kuadrat terkecil akan berdistribusi normal jika data berukuran besar. Jika syarat tersebut tidak terpenuhi dalam sebuah model empirik atau untuk sebuah himpunan data empirik seperti banyaknya data yang cukup besar, pernyataan-pernyataan inferensi parametrik tentang penaksir kuadrat terkecil akan tidak akurat. Model regresi dengan metode bootstrap adalah sebuah solusi karena bootstrap tidak memperhatikan distribusi data yang ada (free distribution). Bootstrap adalah sebuah metode berbasis komputer untuk menaksir berbagai nilai statistik dan untuk menentukan selang kepercayaan (Efron dan Tibshirani : 1993:10). Metode bootstrap yang dikembangkan oleh Efron (1979) ini merupakan suatu pengulangan pengambilan sampel dari data yang tersedia. Data data,,, dipilih secara acak sejumlah data dengan pengembalian sehingga data tersebut mempunyai peluang yang sama untuk dipilih yaitu. Jumlah pengulangan bootstrap juga mempengaruhi penaksiran parameter. Dalam keadaaan penaksiran tertentu, pengulangan bootstrap yang lebih kecil cenderung mendekati nilai parameter yang sebenarnya (Ernyda dan Marzuki : 2012:80). Metode bootstrap secara intensif memanfaatkan simulasi Monte Carlo dalam melakukan resampling data dengan membangkitkan sebanyak kali pengulangan sampel bootstrap. 28
2 Penyelesaian regresi linier sederhana dengan metode kuadrat terkecil memerlukan asumsi normalitas pada galatnya agar analisis-analisis statistik untuk model yang diperoleh sahih. Pendekatan metode kuadrat terkecil akan tidak berguna apabila asumsi-asumsi tersebut tidak terpenuhi. Pendekatan dengan metode bootstrap diharapkan dapat mengatasi masalah ini. Kajian ini bertujuan untuk mempelajari mengenai penyelesaian regresi linier sederhana dengan menggunakan metode bootstrap. Adapun manfaat dari kajian ini adalah memberikan landasan pengetahuan yang berguna bagi peneliti tentang masalah metode bootstrap khususnya dalam penyelesaian regresi linier sederhana. Kajian ini dibatasi pada penggunaan metode bootstrap untuk menaksir nilai statistik pada model regresi sederhana. Hasil yang didapat pada metode ini akan dibandingkan dengan regresi linier sederhana yang konvensional. 2. METODOLOGI Sejumlah data dianalisa untuk menaksir nilai statistik pada regresi linier sederhana dengan metode Bootstrap dan secara konvensional. Data yang digunakan dalam kajian ini merupakan data bangkitan yang diperoleh melalui software Minitab. Tabel 1 menyajikan 20 data dan. adalah variabel bebas yang nilainya telah ditetapkan (fixed). adalah variabel tidak bebas yang nilainya sama dengan dimana berdistribusi normal dengan mean = 0 dan varians = 1. Tabel 1. Sampel acak berdistribusi normal Tabel 2. Sampel acak berdistribusi uniform Tabel 2 menyajikan nila yang ditetapkan (fixed) dan = dimana berdistribusi uniform dengan batas bawah = 0 dan batas atas = 1. Nilai dibangkitkan dengan software Minitab. Biastatistics Vol 9, 2, September
3 Penaksiran parameter regresi linier sederhana dilakukan untuk dua kasus, masing-masing untuk data yang berdistribusi normal dan berdistribusi uniform. Setiap kasus menggunakan 20 data sampel. Setiap kasus dilakukan penaksiran parameter regresi dengan dua metode yaitu metode bootstrap dan metode konvensional. Metode bootstrap dalam tulisan ini dilakukan untuk masing-masing dengan 500 dan 1000 pengulangan. Prosedur pembangkitan data sampel dan proses analisisnya adalah sebagai berikut: 1) Menetapkan 20 nilai variabel, yaitu 1,2,3,,20 2) Membangkitkan 20 yang berdistribusi nomal dengan parameter mean = 0 dan varians = 1 3) Mendapatkan nilai variabel dengan rumus ) Menaksir parameter regresi dan standar errornya dengan metode konvensional 5) Menaksir parameter regresi dan standar errornya menggunakan metode bootstrap dengan 500 pengulangan 6) Menaksir parameter regresi dan standar errornya menggunakan metode bootstrap dengan 1000 pengulangan 7) Membandingkan standar error yang dihasilkan melalui metode bootstrap dengan metode konvensional Semua langkah di atas diulang untuk data yang berdistribusi uniform tetapi langkah keduanya diganti dengan parameter batas bawah = 0 dan batas atas = 1. Selain melihat standar error dari parameter-parameter regresi, kajian ini juga menampilkan selang kepercayaan 95% untuk masing-masing parameter regresi sederhana yang ditaksir melalui dua metode. 3. HASIL DAN PEMBAHASAN Perhitungan penaksir regresi linier sederhana konvensional diambil dari kumpulan data awal yaitu Tabel 1 dan Tabel 2. Berikut akan dibahas perbandingan antara penaksir regresi linier sederhana bootstrap dan penaksir regresi linier sederhana konvensional. Pembahasan ini dibagi ke dalam dua jenis ditribusi data yaitu normal dan uniform Data Berdistribusi Normal Penaksir regresi linier sederhana secara konvensional untuk data yang berdistribusi normal (data pada Tabel 1) seperti yang disajikan pada Tabel 3. Dengan penaksir regresi linear sederhana metode bootstrap terdapat pada Tabel 4. Tabel 3. Regresi linier sederhana secara konvensional untuk data normal Statistik Taksiran Standar Error 95% Selang Kepercayaan ( ; ) ( ; ) Tabel 4. Regresi linier sederhana dgn metode bootstrap 500 pengulangan data normal Statistik Taksiran Standar Error 95% Selang Kepercayaan ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) 30 Biastatistics Vol 9, 2, September 2015
4 Tabel 5. merupakan tabel regresi linier sederhana dengan metode bootstrap 1000 kali pengulangan data berdistribusi normal. Tabel 5. Regresi linier sederhana dgn metode bootstrap 1000 pengulangan data normal Statistik Taksiran Standar Error 95% Selang Kepercayaan ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) Standar error penaksir dan yang diperoleh pada hasil di atas dengan metode boostrap lebih kecil dibandingkan dengan metode konvensional Data Berdistribusi Uniform Penaksir regresi linier sederhana secara konvensional untuk data yang berdistribusi uniform (data pada Tabel 2) adalah sebagai berikut: (Tabel 6.) Tabel 6. Regresi linier sederhana secara konvensional untuk data uniform Statistik Taksiran Standar Error 95% Selang Kepercayaan ( ; ) ( ; ) Penaksir regresi linier sederhana metode bootstrap ditampilkan pada Tabel 7. Sedangkan Tabel 8. merupakan tabel regresi linier sederhana dengan metode bootstrap 1000 kali pengulangan data berdistribusi uniform. Tabel 7. Regresi linier sederhana dgn metode bootstrap 500 pengulangan data uniform Statistik Taksiran Standar Error 95% Selang Kepercayaan ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) Tabel 8. Regresi linier sederhana dgn metode bootstrap 1000 pengulangan data uniform Statistik Taksiran Standar Error 95% Selang Kepercayaan ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) ( ; ) Standar error penaksir dan yang diperoleh pada hasil di atas dengan metode boostrap lebih kecil dibandingkan dengan metode konvensional. Biastatistics Vol 9, 2, September
5 4. KESIMPULAN Regresi linier sederhana dengan metode bootstrap dapat digunakan untuk menentukan selang kepercayaan pada kumpulan data yang berdistribusi normal ataupun tidak. Penaksir regresi linier sederhana dengan metode bootstrap lebih baik dibanding dengan metode konvensional karena penaksir bootstrap takbias dan varians lebih kecil. Masih banyak masalah bootstrap yang belum dikaji, misal masalah konvergensi. Disarankan dapat dilakukan kajian lanjutan terhadap masalah bootstrap ini. 5. REFERENCES Abraham, B. dan Johannes L.E. (1993). Statistical Methods fro Forecasting. John Wiley and Sons Inc, New York. Bain, L.J. dan Engelhardt, M. (1974). Introduction to Probability and Mathematical Statistics. Duxbury Press, Boston. Bickel, P.J. dan Freedman, D. (1981). Some Asymptotic Theory for the Bootstrap. The Annals of Statistics, Vol. 9 6, , Institute of Mathematical Statistics, Ohio. Dudewicz, E.J. dan Mishra, S.N., (1995). Statistika Matematika Modern. Terjemahan R.K. Sembiring, ITB Bandung, Bandung. Efron, B. dan Tibshirani, J. (1993). An Introduction to Bootstrap, Chapman & Hall, New York. Ernyda, N. dan Marzuki. (2012). Pengaruh Jumlah Perulangan Bootstrap terhadap Dugaan Selang Kepercayaan Parameter Selisih Rata-rata Dua Populasi, Jurnal Statistika Vol. 12 2, Nopember Jurusan Statistika FMIPA Unisba. Freedman, D.A. (1981). Bootstrapping Regression Models. Annals Statistics, Vol. 9 6, , Institute of Mathematical Statistics, Ohio. 32 Biastatistics Vol 9, 2, September 2015
PENDUGAAN PARAMETER REGRESI DENGAN BOOTSTRAP RESIDUAL UNTUK JUMLAH SAMPEL YANG BERVARIASI M a r zu k i, H i zi r S o f y a n Universitas Syiah Kuala marz_ukie@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
Lebih terperinciPendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi
Statistika, Vol. No., Mei Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi MARZUKI, HIZIR SOFYAN, ASEP RUSYANA Jurusan Matematika FMIPA Universitas Syiah Kuala Jl.
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno. Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta
PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP Tarno Jurusan Matematika FMIPA UNDIP Semarang Subanar Jurusan Matematika FMIPA UGM Yogyakarta Abstrak Tulisan ini membicarakan tentang penerapan bootstrap
Lebih terperinciJurnal Gradien Vol. 10 No. 1 Januari 2014 : 963-966 Pendugaan Galat Baku Nilai Tengah Menggunakan Metode Resampling Jackknife dan Bootstrap Nonparametric dengan Software R 2.15.0 * Septiana Wulandari,
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan suatu metode yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam bentuk persamaan
Lebih terperinciKata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 137 146. PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENAKSIR PARAMETER REGRESI UNTUK MENGATASI MULTIKOLINEARITAS
Lebih terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinciKarakteristik Pendugaan Emperical Best Linear Unbiased Prediction (EBLUP) Pada Pendugaan Area Kecil
Prosiding Semirata FMIPA Universitas Lampung, 2013 Karakteristik Pendugaan Emperical Best Linear Unbiased M. Adi Sidauruk, Dian Kurniasari, Widiarti Jurusan Matematika, FMIPA Universitas Lampung E-mail:
Lebih terperinciPERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 139 146 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
Lebih terperinciPENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI
PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 125 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS ESTIMASI PARAMETER REGRESI KUANTIL DENGAN METODE BOOTSTRAP MESI OKTAFIA, FERRA YANUAR, MAIYASTRI
Lebih terperinciBOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R
BOOTSTRAP RESAMPLING OBSERVASI PADA ESTIMASI PARAMETER REGRESI MENGGUNAKAN SOFTWARE R Joko Sungkono* Abstrak : Pada tulisan ini, algoritma metode bootstrap resampling observasi dipaparkan secara detail
Lebih terperinciPERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO
PERBANDINGAN METODE BOOTSTRAP DAN JACKKNIFE DALAM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA (COMPARISON OF BOOTSTRAP AND JACKKNIFE METHODS TO ESTIMATE MULTIPLE LINEAR REGRESSION PARAMETERS) Iesyah
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinciBAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 41 49 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ESTIMASI PARAMETER MODEL REGRESI LINIER BERGANDA DENGAN TEKNIK BOOTSTRAP DWI ANNISA FITRI Program Studi
Lebih terperinciRESAMPLING BOOTSTRAP PADA R
RESAMPLING BOOTSTRAP PADA R Joko Sungkono* Abstrak:Pada tulisan ini, algoritma resampling bootstrap akan disajikan secara detail dalam bahasa pemrograman software R untuk beberapa contoh kasus. Resampling
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciPenentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson
Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya
Lebih terperinciBAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik
Lebih terperinciPengaruh Bimbingan Belajar terhadap Nilai Mahasiswa dengan Uji Permutasi
Statistika, Vol. No., 39 50 Mei 0 Pengaruh Bimbingan Belajar terhadap Nilai Mahasiswa dengan Uji Permutasi Jurusan Matematika FMIPA Universitas Syiah Kuala Jl. Syech Abdul Rauf No. 3 Darussalam, Banda
Lebih terperinciPENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 6-10 ISSN: 2303-1751 PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA I PUTU EKA IRAWAN 1, I KOMANG
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciMODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES
PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas
Lebih terperinciUji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat
Statistika, Vol. 8 No., 9 7 Nopember 8 Uji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat Danang Setiawan dan Aceng K. Mutaqin Program Studi Statistika
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Metodologi Penelitian Metodologi yang dilakukan dalam penelitian ini adalah : Riset kepustakaan Kepustakaan dilakukan dengan cara mengumpulkan informasi-informasi yang berhubungan
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciMETODE BOOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL
Vol. 5, No., April, 5 METODE OOTSTRAP DALAM INFERENSI MODEL REGRESI POLINOMIAL Hermi Rumtiasih ), Suparman ) ) Program Studi Matematika Universitas Ahmad Dahlan, ) Program Studi Pendidikan Matematika Universitas
Lebih terperinciPERBANDINGAN ORDINARY RIDGE REGRESSION DAN UNBIASED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS PADA DATA
PERBANDINGAN ORDINARY RIDGE REGRESSION DAN UNBIASED RIDGE REGRESSION DALAM MENGATASI MULTIKOLINEARITAS PADA DATA COMPARISON BETWEEN ORDINARY RIDGE REGRESSION AND UNBIASED RIDGE REGRESSION IN COPING WITH
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciKAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN
KAJIAN TELBS PADA REGRESI LINIER DENGAN KASUS PENCILAN Nurul Gusriani 1), Firdaniza 2), Novi Octavianti 3) 1,2,3) Departemen Matematika FMIPA Universitas Padjadjaran, Jalan Raya Bandung- Sumedang Km. 21
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciMembangkitkan Data Klaim Individu Pemegang Polis Asuransi Kendaraan Bermotor Berdasarkan Data Klaim Agregat
Statistika, Vol. 12 No. 1, 43 49 Mei 2012 Membangkitkan Data Individu Pemegang Polis Asuransi Bermotor Berdasarkan Data Agregat Program Studi Statistika, Universitas Islam Bandung, Jl. Purnawarman 63 Bandung.
Lebih terperinciMetode Bootstrap Untuk mengestimasi Data Hilang (missing Data) pada Eksperimen Faktorial
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Metode Bootstrap Untuk mengestimasi Data Hilang (missing Data) pada Eksperimen Faktorial Enny Supartini Departemen Statistika, F MIPA, Universitas
Lebih terperinciTingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen
Tingkat Efisiensi Metode Robust dalam Menaksir Garis Jika Ragam Galat Tidak Homogen Harmi Sugiarti dan Andi Megawarni e-mail: harmi@mailutacid dan mega@mailutacid Abstract This paper aims to compare the
Lebih terperinci2-RP. C. Deskripsi CP secara umum KKNI Level 6
RP-S1-SK-03 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : 1. CP 3.3 : untuk mengoptimalkan penggunaan program paket metode statistika yang sudah ada 2. CP 15.1
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciAnalisis Perbandingan Berbagai Uji Pencilan Pada Analisis Regresi Admi Nazra Jurusan Matematika FMIPA Universitas Andalas
Analisis Perbandingan Berbagai Uji Pencilan Pada Analisis Regresi Admi Nazra Jurusan Matematika FMIPA Universitas Andalas Abstrak Dalam tulisan ini disimpulkan bahwa jika suatu data terdeteksi sebagai
Lebih terperinciREGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak
REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Rita Rahmawati 1, Widiarti 2, Pepi Novianti 3 1) Program Studi Statistika FMIPA Undip 2) Sekolah Pascasarjana Departemen Statistika IPB 3) Jurusan Matematika
Lebih terperinciPENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT
PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG Agustinus Simanjuntak Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya Pekanbaru
Lebih terperinciBAB 1 PENDAHULUAN. banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Dalam masyarakat modern seperti sekarang ini, metode statistika telah banyak diterapkan pada berbagai bidang sebagai dasar bagi pengambilan keputusan / kebijakan.
Lebih terperinciJudul : Perbandingan Metode MCD Bootstrap dan. Analisis Regresi Linear Berganda. Pembimbing : 1. Dra. Ni Luh Putu Suciptawati,M.Si
Judul : Perbandingan Metode MCD Bootstrap dan LAD Bootstrap Dalam Mengatasi Pengaruh Pencilan Pada Analisis Regresi Linear Berganda Nama : Ni Luh Putu Ratna Kumalasari Pembimbing : 1. Dra. Ni Luh Putu
Lebih terperinciPERBANDINGAN BAGAN KENDALI T 2 HOTELLING KLASIK DENGAN T 2 HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL MULTIVARIAT
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 17 4 ISSN : 303 910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN BAGAN KENDALI T HOTELLING KLASIK DENGAN T HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI
Lebih terperinciPENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE
Vol. 12, No. 1, 9-18, Juli 2015 PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Raupong, M. Saleh AF, Hasruni Satya Taruma Abstrak Penaksiran rataan dan variansi
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciPenaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar
Vol.14, No. 2, 159-165, Januari 2018 Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar Sutrianah Burhan 1, Andi Kresna Jaya 1
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciKAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER. Sudarno 1. Abstrak
UNIVERSITAS DIPONEGORO 0 ISBN: --0-- KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER Sudarno ) Program Studi Statistika FMIPA Undip dsghani@gmail.com Abstrak Model
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciII. TINJAUAN PUSTAKA
II. INJAUAN PUSAKA.1 Penduga Area Kecil Rao (003) mengemukakan bahwa suatu area disebut kecil apabila contoh yang diambil pada area tersebut tidak mencukupi untuk melakukan pendugaan langsung dengan hasil
Lebih terperinciBAB I PENDAHULUAN. suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam penaksiran koefisien-koefisien regresi linier, biasanya kita digunakan suatu metode yang disebut metode kuadrat terkecil (Ordinary Least Square OLS).
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciLANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan
4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi
Lebih terperinciPertemuan 4-5 ANALISIS REGRESI SEDERHANA
Pertemuan 4-5 ANALISIS REGRESI SEDERHANA Metode Kuadrat Terkecil (OLS) Persoalan penting dalam membuat garis regresi sampel adalah bagaimana kita bisa mendapatkan garis regresi yang baik yaitu sedekat
Lebih terperinciREGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 167 174 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL ALDILA SARTI Program Studi Matematika, Fakultas Matematika
Lebih terperinciBAB I PENDAHULUAN. melakukan penelitian ada tiga jenis, yaitu data deret waktu (time series), data silang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam analisis perekonomian, ketersediaan data yang sesuai sangat mempengaruhi hasil analisis yang diperlukan. Data yang biasa digunakan dalam melakukan penelitian
Lebih terperinciPerbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi
Perbandingan Metode Bootstrap Dan Jackknife Resampling Dalam Menentukan Nilai Estimasi Dan Interval Konfidensi Parameter Regresi Comparison of Bootstrap and Jackknife Resampling Methods in Determining
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciPelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi. Bertho Tantular 1)
Pelanggaran Asumsi Normalitas Model Multilevel Pada Galat Level yang Lebih Tinggi S-28 Bertho Tantular 1) 1) Staf Pengajar Jurusan Statistika FMIPA UNPAD berthotantular@gmail.com Abstrak Secara umum model
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Bootstrap Bootstrap adalah prosedur statistika yang melakukan sampling dari sebuah populasi yang dikerjakan dengan cara resampling dari sampel (http://wwwmathsanueduau/~peter/edgtalk/edgtalk1pdf)
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciPERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 73 85. PERBANDINGAN METODE LEAST TRIMMED SQUARES DAN PENAKSIR M DALAM MENGATASI PERMASALAHAN DATA PENCILAN Sri Wulandari, Sutarman, Open Darnius Abstrak. Analisis
Lebih terperinciESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI
ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI Megawati 1, Anisa 2, Raupong. 3 Abstrak Regresi kuadrat terkecil berdasarkan plot peluang,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Di dalam statistika, sebuah estimator adalah hasil perhitungan suatu estimasi terhadap kuantitas tertentu berdasarkan pada data terobservasi atau
Lebih terperinciSarimah. ABSTRACT
PENDETEKSIAN OUTLIER PADA REGRESI LOGISTIK DENGAN MENGGUNAKAN TEKNIK TRIMMED MEANS Sarimah Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam sebuah penelitian di bidang statistika, peneliti akan berhubungan dengan data pengamatan, baik data kualitatif atau data kuantitatif yang akan diproses
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
BIAStatistics (215) Vol. 9, No. 2, hal. 1-6 ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) 1 Didin Astriani P, 2 Jadi
Lebih terperinciKEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY
KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY Joko Sungkono* Abstrak : Tujuan yang ingin dicapai pada tulisan ini adalah mengetahui kekuatan konvergensi dalam probabilitas dan konvergensi
Lebih terperinciREGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.
REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciPengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust
Pengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust I GUSTI AYU MADE SRINADI Jurusan Matematika Universitas Udayana, srinadiigustiayumade@yahoo.co.id Abstrak. Metode kuadrat
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya adalah analisis terhadap sampel yang kemudian hasil analisisnya akan digeneralisasikan untuk mengetahui karakteristik populasi.
Lebih terperinciLANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan
II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat Suku Bunga Deposito (3 Bulan) Dan Kredit Macet (NPL) Terhadap Loan To Deposit Ratio (LDR) Bank Umum Di
Lebih terperinciPENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT
PENERAPAN METODE JACKKNIFE TERHAPUS-1 PADA PENGOLAHAN DATA METODE QUICK COUNT Joko Sungkono* dan Udiyono* Abstrak: Secara statistik, metode quick count merupakan suatu proses estimasi parameter proporsi
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciBAB III METODE THEIL. menganalisis hubungan antara variabel bebas dan variabel terikat yang dinyatakan
28 BAB III METODE THEIL Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan antara variabel bebas dan variabel terikat yang dinyatakan dalam sebuah persamaan regresi. Dalam
Lebih terperinciMODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 33 41 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL REGRESI COX PROPORTIONAL HAZARD PADA LAJU TAMAT MAHASISWA JURUSAN MATEMATIKA UNIVERSITAS ANDALAS
Lebih terperinciPROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST SQUARE DAN ITERATIVE GENERALIZED LEAST SQUARE
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PROSEDUR PENAKSIRAN PARAMETER MODEL MULTILEVEL MENGGUNAKAN TWO STAGE LEAST
Lebih terperinciPERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS
E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani 1, I Gusti
Lebih terperinci