Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM"

Transkripsi

1 D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog Seuluh Noember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa e-mal: smaza@gmal.com; zakaryah77@gmal.com Abstrak Petgya egembaga soft skll mahasswa telah tertuag dalam eratura akademk ITS yag megharuska mahasswa memeuh la SKEM sebaga syarat lulus d ITS. Utuk tulah ITS mula tahu 008 memberlakuka Satua Kegata Ekstrakurkuler Kemahassawaa (SKEM) bag mahasswa sebaga salah satu syarat kelulusa (yudsum). Peratura SKEM datur melalu Peratura ITS o 3/KM/008 yag kemuda derbaru dega Peratura ITS o 0594/I/KM/00 []. Peelta bertujua utuk megetahu faktor faktor yag memegaruh redkat kelulusa SKEM d ITS. Pada eelta dguaka metode regres logstk ordal utuk memodelka. Deroleh hasl bahwa yag beregaruh terhada SKEM adalah fakultas,, kegata orgasas da restas. Kata Kuc SKEM, Regres Logstk Ordal, Soft Skll. II. TINJAUAN PUSTAKA A. Regres Logstk Metode regres meruaka aalss data yag dguaka utuk mecar hubuga atara varabel reso (y) dega satu atau lebh varabel redktor (x) [3]. Tujua dar metode adalah memeroleh model yag bak da sederhaa yag meggambarka varabel reso dega sekumula varabel redktor. Regres logstk meruaka suatu aalss regres yag dguaka utuk meggambarka hubuga atara varabel reso yag bersfat dkotomus (berskala omal atau ordal dega dua kategor) atau olkotomus (berskala omal atau ordal dega lebh dar dua kategor) dega sekumula varabel redktor bersfat kotu atau kategork [4]. I. PENDAHULUAN Meurut [3], ersamaa regres logstk yag dguaka dar betuk taksra fugs eluag ( x) E (Y x) dyataka dalam ersamaa. V ISI ITS yatu Mejad ergurua tgg dega reutas terasoal dalam lmu egetahua, tekolog, da se, terutama yag meujag dustr da kelauta yag berwawasa lgkuga megadug maka sarat aka muata soft skll. Petgya egembaga soft skll mahasswa telah tertuag dalam eratura akademk ITS yag megharuska mahasswa memeuh la SKEM sebaga syarat lulus d ITS. SKEM telah dberlakuka sejak tahu 008. Dalam kehdua eddka d ITS, egkata mutu da restas akademk meruaka sorota utama yatu dega megembagka hard skll da soft skll, dalam hal hard skll daat dlhat ada restas mahasswa yag dtujukka oleh deks restas (IP) sedagka soft skll dtujukka dega la SKEM. D ss la bayak keyataa yag kta juma d dalam masyarakat ada saat, seorag sarjaa bayak yag mejad mejad egaggura, semetara tu orag yag bereddka redah justru daat mecaa sukses dalam hduya karea berbekal soft sklls yag kuat. Keyataa sesua dega hasl eelta terhada 50 orag tersukses d Amerka [] yag meujukka bahwa yag alg meetuka kesuksesa mereka bukalah keteramla teks (hard sklls), melaka kualtas dr yag termasuk dalam katagor keteramla luak (softsklls). Oleh karea tu, mejad etg bahwa restas belajar dtelt tdak haya dalam bdag hard skll saja amu kemamua soft skll juga jauh lebh etg.. ( x) e 0 x x x e 0 x x x () Kemuda dlakuka trasformas logt utuk meyederhaaka ersamaa dalam betuk logt sebaga berkut. ( x) g ( x) l 0 x x x ( x) () B. Regres Logstk Ordal Regres logstk ordal meruaka salah satu aalss regres yag dguaka utuk megaalsa hubuga atara varabel reso dega varabel redktor, dmaa varabel reso bersfat olkotomus dega skala ordal. Peluag kumulatf P(Y r x ) ddefska sebaga berkut. ex 0 r k xk P (Y r x ) π(x) ex 0 r k xk dmaa x x, x,..., x (3) meruaka la egamata ke- ( =,,, ) dar seta varabel varabel redktor [4]. Pedugaa arameter regres dlakuka dega cara me-

2 D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) gurakaya megguaka trasformas P(Y r x ). LogtP (Y r x ) l P (Y r x ) logt P (Y r x ) dar (4) dega =,,,. Sehgga ddaatka fugs llkelhood mejad (0) L β y l x y l x y l x Persamaa 5 ddaatka dega mesubstuska ersamaa 3 da ersamaa 4. ex β 0 r β k xk ex β0 r k β k xk LogtP (Y r x ) l ex β0 r β k xk ex β 0 r β k xk k Maksmum l-lkelhood daat deroleh dega cara medferesalka L(β) terhada β da meyamaka dega ol aka deroleh ersamaa. Peyelesaa turua ertama dar fugs l-lkelhood tdak ler, sehgga dguaka metode umerk yatu teras Newto-Rahso utuk medaatka estmas arameterya [4]. q dega la βk utuk seta k =,,, ada seta model regres logstk ordal adalah sama. Jka terdaat tga kategor reso dmaa r = 0,, maka eluag kumulatf dar reso ke-r seert ada ersamaa 6 da 7. (6) ex β0 β k xk P(Y x ) ex β0 β k xk dmaa, ex β0 β k xk P(Y x ) ex β0 βk xk 0 β (t ) β (t) (H (t) ) q (t) (5) LogtP (Y r x ) β 0 r β k xk 0 (7) Berdasarka kedua eluag kumulatf ada ersamaa 6 da 7, ddaatka eluag utuk masg-masg kategor reso sebaga berkut. (t ) L(β) 0 L(β) L(β) 0 T () T L(β) L(β) L(β) L(β) L(β) L(β) Η (t ) L(β) L(β) L (β) 0 0 () dega bayakya teras t = 0,,, Iteras Newto-Rahso aka berhet aabla (t ) (t ). D. Peguja Parameter Model yag telah deroleh erlu duj sgfkas ada koefse β terhada varabel reso, yatu dega uj seretak da uj arsal.. Uj Seretak Peguja dlakuka utuk memerksa kemakaa koefse β terhada varabel reso secara bersama-sama dega megguaka statstk uj. Hotess : H0 : β= β= = β=0 H : alg sedkt ada satu βk 0 ; k =,,, Statstk uj yag dguaka adalah statstk uj G atau Lkelhood Rato Test. ex β0 βk xk P(Yr ) ( x) ex β0 βk xk 0 0 G l y0 y y 0 x x x ex β0 βk xk ex β0 βk xk P(Yr ) ( x) ex β0 βk xk ex β0 βk xk (3) dmaa, (8) 0 y 0, C. Estmas Parameter Estmas arameter model regres logstk ordal megguaka Maxmum Lkelhood Estmator (MLE). Metode MLE memberka la estmas β dega memaksmumka fugs lkelhood. Jka meruaka samel dar suatu oulas maka betuk umum dar fugs lkelhood utuk samel sama dega deede observas sesua ersamaa 9. l β 0 x 0 x x (9) y y y y, y, 0 Daerah eolaka H0 adalah jka G (,df ) dega derajat bebas v. atau -value < α. Statstk uj G megkut dstrbus Ch-square dega derajat bebas [3].. Uj Parsal Peguja dlakuka utuk memerksa kemakaa koefse β secara arsal dega megguaka statstk uj. H0 : βk = 0 H : βk 0 ; k =,,,

3 D-3 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) Tabel resktor eelta Statstk uj yag dguaka adalah statstk uj Wald. W ˆk SE ˆ k IPK Prestas Kegata Orgasas Notas x_ x_ x_3 x_4 x_5 x_ x_ x3_ x3_ x3_3 x3_4 x3_5 x3_6 x3_7 x3_8 x4 x5 x6 Pelatha x7 Daerah eolaka H0 adalah W Z atau W, v atau -value < α. dega derajat bebas v[3]. E. Uj Kesesuaa Model Peguja dlakuka utuk megetahu kesesuaa suatu model. Statstk uj yag dguaka adalah statstk uj earso, dega hotess sebaga berkut. Jes Kelam Jalur Masuk H0 : model sesua H : model tdak sesua Statstk uj sebaga berkut. ˆ j D y j l y j ˆ j y l j y j ˆ j ˆ j x meruaka eluag observas ke- ada ke-j. Daerah eolaka H0 adalah jka D (df ), derajat bebas ada uj adalah J (k+) dmaa J adalah jumlah kovarat da k adalah jumlah varabel redktor. Semak besar la devace atau semak kecl la -value megdkaska bahwa terdaat kemugka model tdak sesua dega data. F. Iterretas Model Iterretas model meruaka betuk medfska ut erubaha varabel reso yag dsebabka oleh varabel redktor serta meetuka hubuga fugsoal atara varabel reso da varabel redktor. Agar memudahka dalam megterretaska model dguaka la odds rato [3]. Iterretas dar terse adalah la eluag ketka semua varabel x = 0, erhtuga berdasarka π. III. METODOLOGI PENELITIAN 3. Sumber Data Data yag dguaka dalam eelta kal meruaka data sekuder dar Bada Akademk ITS tetag IPK sedagka data SKEM lulusa mahasswa rogram S ITS agkata 00, 009 da 008 bereasal dar LPTSI ITS sebayak 563 data. 3. Peelta a. Reso reso yag dguaka dalam eelta adalah Satua kredt ekstrakulkuler lulusa mahasswa ITS. Berkut daat dlhat ada tabel Tabel resos eelta Predkat SKEM b. Notas y_ y_ y_3 Keteraga FMIPA FTI FTSP FTK FTIF Lak-lak Peremua PMDK Reguler PMDK Prestas PKM kemtraa PKM Madr Bdk Ms Uggula Madr S Kerjasama UM Desa Keteraga Cuku Bak Sagat Bak Predktor redktor yag dguaka dalam eelta bsa dlhat dalam tabel 3.3 Defs Oerasoal Kose defs beberaa varabel yag dguaka dalam eelta daat djelaska sebaga berkut.. Predkat Kelulusa SKEM meruaka redkat yag dberka keada lulusa yag terdr dar emat tgkata yatu cuku, cuku bak, bak da sagat bak.namu dalam eelta yag kategor dguaka adalah sebayak 3 kategor yatu cuku, bak da sagat bak. Jad ada eggabuga atara kategor cuku bak da bak mejad satu kategor yatu kategor bak. a. Cuku yatu lulusa dega la SKEM <500 b. Bak yatu lulusa dega la SKEM c. Sagat Bak lulusa dega la SKEM >500. adalah baga dar ergurua tgg yag memelajar bdag lmu tertetu. Dalam hal fakultas d ITS terdr dar FMIPA, FTI, FTSP, FTK da FTIF 3. Jalur masuk adalah jes-jes seleks masuk calo mahasswa baru. Terdr dar 8 atara la sebaga berkut. PMDK reguler, PMDK restas, PKM kemtraa, PKM madr, SBMPTN/SNMPTN, Uggula Madr, S kerjasama da UM desa. 4. IPK meruaka deks restas komulatf. Terdaat 3 redkat yag dberka keada lulusa yag terdr dar dega uja, sagat memuaska da memuaska. 5. Prestas meruaka suatu ecaaa, dalam hal restas yag dguaka adalah frekues memeagka suatu evet bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. 6. Kegata Orgasas meruaka kegata yag dadaka oleh suatu orgasas utuk mecaa tujua dar orgasas tersebut bak tu khusus aggotaya sedr mauu masyarakat umum sekalu. Dalam eelta yag dguaka

4 D-4 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) adalah frekues megkut kegata orgasas bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. Pelatha egembaga dr meruaka suatu kegata utuk meembuh kembagka otes dr. Dalam hal yag dguaka adalah frekues megkut elatha bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. Forum komukas lmah adalah suatu kegata yag membcaraka formas atau su-su lmah. Dalam hal yag dguaka adalah frekues megukut forum lmah bak tu dalam lgku jurusa, fakultas, sttut mauu asoal bahka terasoal. Dalam aalss deskrtf eelt megkodg o restas, kegta orgasas, elatha egembaga dr da forum komukas lmah mejad 3 yatu tdak erah, erah da serg. a. Tdak erah meruaka ejabara dar kegata yag dkut sebayak 0 atau tdak erah megkut kegata. b. Perah meruaka ejabara dar kegata yag dkut sebayak -3 kegata. c. Serg meruaka ejabara dar kegata yag dkut sebayak lebh dar Lagkah Peelta Taha aalss data dalam eelta adalah sebaga berkut:. Melakuka aalss deskrtf terhada restas lulusa mahasswa. Utuk megetahu faktor-faktor yag memegaruh redkat kelulusa SKEM mahasswa S ITS Surabaya dega megguka regres logstk ordal. Lagkah-lagkahya sebaga berkut. a. Melakuka uj Multkolertas b. Melakuka uj arsal atara varabel redktor dega varabel reso. c. Melakuka uj seretak atara varabel redktor dega varabel reso berdasarka varabel yag sgfka ada uj arsal. d. Melakuka uj sgfkas arameter dar seta model regres logstk ordal secara seretak utuk megetahu varabel-varabel redktor yag beregaruh sgfka terhada varabel reso. e. Membuat da megterretaska model regres logstk ordal yag varabelya sgfka ada uj seretak. f. Melakuka eguja kesesuaa model dega megguaka statstk uj earso. g. Meghtug da megterretaska keteata klasfkas model. IV. ANALISIS DAN PEMBAHASAN Pada embahasa aka dlakuka aalss regres logstk ordal dega megguka varabel reso redkat kelulusa SKEM (sagat bak, bak, cuku bak da cuku) da beberaa varabel redktor. Data yag dguaka sebayak 563 mahasswa. 4. Karakterstk Lulusa Mahasswa ITS Surabaya Karakterstk mahasswa ITS daat dketahu melalu statstka deskrtf sebaga berkut. Aalls dguaka utuk meemuka gambara secara sederhaa terhada data atau lulusa mahasswa ITS dar berbaga ss. Pada Gambar 4. ITS memlk lulusa dega redkat kelulusa SKEM sagat bak yag cuku bayak yatu sebayak 34,4% hal berart sebaga besar lulusa mahasswa ITS agkata memuya kemamua soft skll yag tgg. 3.66% 34.4% CUKUP BAIK 33.0% SANGAT BAIK Gambar Persetase Predkat SKEM ITS agkata Faktor yag Memegaruh Predkat SKEM Lulusa Mahasswa S Taha selajutya yatu melakuka emodela regres logstk ordal. Bayakya redktor yag dguaka sebayak 8 varabel da varabel reso dega 4 kategor yatu cuku, cuku bak, bak da sagat bak. Tujua dar emodela adalah utuk megetahu faktorfaktor yag memegaruh restas belajar mahasswa S ITS Surabaya. 4.. Peguja Ideedes Tabel 3. Uj Ideedes Pearso Ch-Square P-value 48,994 Keutusa Keteraga 0,000 Deede Deede Jes Kelam 5,70 0,046 Jalur Masuk 34,659 0,04 Deede IPK 3,847 0,497 Gagal Ideede Pelatha 9,98 0,38 Deede Prestas 0,04 0,33 Deede 0,03 Deede Forum Ilmah 0,907 Dketahu bahwa haya ada 7 varabel yag sgfka. I berart ada hubuga atara varabel redktor terhada varabel reso. Hal dtujukka oleh la Pvalue yag kurag dar α = 5% atau la htug lebh besar dar (, ; ). 4.. Peguja Secara Parsal Lagkah ertama dalam regres logstk ordal adalah meregreska seluruh varabel yag redktor yag dduga beregaruh terhada restas mahasswa, hgga memeroleh model yag memlk varabel sgfka. H0 : β = β = = β8 = 0 H : Mmal ada satu βk 0, k =,,, 8. Hasl eguja arsal daat dlhat ada Tabel 4.0. Tabel 4. Uj Parsal Kategor Estmas Kostata () Wald P-value

5 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) (X) Pelatha (X5) FMIPA FTI FTSP FTK Kostata () Lak-lak Kostata () Uggula Madr PKM Kemtraa PKM Madr PMDK Prestas PMDK Reguler S Kerjasama SBMPTN Kostata () Prestas (X6) Kostata () Forum Ilmah (X7) Kegata Orgasas (X8) Kostata () Jes Kelam (X) Jalur Masuk (X3) Kostata () , , , *) Sgfka utuk α = 5% Berdasarka Tabel daat dketahu bahwa terdaat beberaa varabel yag sgfka terhada varable reso yatu fakultas, jalur masuk, kegata orgasas da restas. Terdaat 4 varabel redktor yag tdak sgfka yatu jes kelam, IPK, elatha da forum lmah. Iterretas varabel yag tdak sgfka adalah varabel tersebut tdak ada hubuga dalam meetuka redkat kelulusa mahasswa. Peguja arsal memeroleh la odds rato utuk lulusa mahasswa dega Tekolog Sl da erecaaa sebesar ex(-0,75) = yag berart bahwa Tekk Sl memlk resko medaat la SKEM dega redkat sagat bak dbadg medaat la SKEM cuku atau bak sebesar kal lebh kecl dbadgka dega Tekolog Iformas (FTIF). Utuk mahasswa dega jes kelam lak-lak memlk odds rato sebesar ex(0,07) =.074 yag meujukka bahwa lulusa yag berjes kelam lak-lak memlk memlk resko medaat la SKEM dega redkat sagat bak dbadg medaat la SKEM cuku atau bak sebesar.074 kal lebh besar dbadgka dea lulusa dega jes kelam eremua. Jalur masuk melalu uggula madr memuya odds rato sebesar ex(-0,083) = 0.9 yag meujukka bahwa jalur masuk melalu rogram uggula madr memuya memlk resko medaat la SKEM dega redkat sagat bak dbadg medaat la SKEM cuku atau bak sebesar 0.9 kal lebh kecl dbadgka dega jalur masuk melalu rogram UM desa. D Peguja Secara Seretak Pada eguja seretak, varabel yag dmasuka adalah varabel-varabel yag telah sgfka ada uj arsal sebelumya, daat dlhat ada tabel 5. Predkat SKEM (y) (X) Jalur Masuk (X3) Prestas (X6) KegOrg (X8) Tabel 5. Uj Seretak Varbel Sgfka Wald Kategor Estmas Kostata () , FMIPA FTI FTSP FTK Uggula Madr PKM Kemtraa PKM Madr PMDK Prestas PMDK Reguler S Kerjasama SBMPTN , P-value *) Sgfka utuk α = 5% Berdasarka Tabel 3 daat dketahu varabel yag beregaruh secara sgfka terhada redkat SKEM adalah varabel-varabel yag memlk la _value kurag dar alfa yatu sebesar 0,05 karea meruaka batas kesalaha yag dtoleras, sehgga dutuska tolak H0. Terdaat 3 varabel yag sgfka yatu fakultas, restas, da kegata orgasas. Setelah megetahu varabel-varabel yag beregaruh lagkah selajutya adalah membetuk fugs logt yagdguaka utuk meghtug eluag model logt. g ( x ), 699 0,73 x() 0, 0480 x( ) 0,34 x( 3) 0, 04 x( 4 ) 0,08 x 6 0,04 x 8 g ( x ) 0, 73 0,73 x() 0,0480 x( ) 0,34 x( 3) 0,04 x( 4 ) 0, 08 x 6 0, 04 x 8 Setelah megetahu fus logt, daat dlakuka erhtuga eluag utuk medaatka eluag berdasarka varabel yag dkehedak. Nla eluag daat dlhat ada tabel 6. Tabel 6. Peluag Fugs Model Peluag cuku bak sagat 0,57 0,50 0,33 0,38 0,505 0,357 0,6 0,54 0,34 0,43 0,50 0,347 0,43 0,509 0,348 0,38 0,505 0,357 0,8 0,533 0,85 Nla odds rato utuk varabel fakultas dega kategor FMIPA memuya la sebesar 0.84 yag artya, lulusa Matematka da Ilmu Pegetahua Alam memlk resko medaat redkat SKEM sagat bak dbadgka medaat redkat SKEM cuku, cuku bak atau bak 0.84 kal lebh kecl dbadgka lulusa Tekolog Iformas. Sedagka ada FTSP memuya la odds rato sebesar 0.7 yag artya,

6 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) (30-98X Prt) lulusa Tekk Sl da Perecaaa memlk resko medaat redkat SKEM sagat bak dbadgka medaat redkat SKEM cuku, cuku bak atau bak 0.7 kal lebh kecl dbadgka lulusa Tekolog Iformas. Nla odds rato utuk varabel jalur masuk dega kategor rogram uggula madr memuya la sebesar 0.75 yag artya, lulusa rogram uggula madr memlk resko medaat redkat SKEM sagat bak dbadgka medaat redkat SKEM cuku, cuku bak atau bak 0.75 kal lebh kecl dbadgka UM Desa. Peguja secara seretak juga dlakuka utuk megetahu aakah model telah sgfka berdasarka faktor-faktor yag beregaruh terhada redkat SKEM lulusa mahasswa ITS agkata D-6 Berdasarka tabel 9 ddaatka hasl bahwa Keteata klasfkas model deroleh sebesar 63,35%. V. KESIMPULAN DAN SARAN A. Kesmula Pada aalss da embahasa data terhada faktorfaktor yag memegaruh skem lulusa mahasswa S ITS Surabaya, maka deroleh hasl sebaga berkut.. Karakterstk mahasswa ITS meujukka bahwa redkat kelulusa yag alg bayak adalah sagat bak. Utuk lulusa yag berjes kelam ra, FMIPA, FTK, IPK sagat memuaska redkat SKEM cederug megkat dar redkat SKEM cuku hgga redkat SKEM sagat bak. Begtu juga lulusa yag tdak Tabel 7 erah megkut elatha, lulusa yag tdak Uj Lkelhood Rato berrestas da lulusa yag serg megkut orgasas Model - Log Lkelhood Ch-Square df Sg. redkat SKEM cederug megkat juga. Itercet Oly Fal Secara eguja seretak, faktor yag beregaruh adalah fakultas, restas da kegata orgasas. Berdasarka tabel 7 daat dketahu bahwa eguja secara Keteata klasfkas dar model seratak yag seretak, deroleh keutusa tolak H0 yag artya bahwa ddaatka sebesar 63,35%, yag berart sudah cukub koefse la β sgfka terhada model regres logstk bak. ordal. B. Sara Ada beberaa sara yag daat dberka euls 4.3 Uj Kesesuaa Model setelah eelta dlakuka utuk eelta selajutya Peguja bertujua utuk megetahu aakah sebaga berkut. ersamaa model yag telah dbetuk sesua. Statstk uj yag dguaka adalah uj earso dega hotess. Utuk eelta selajutya sebakya erlu dkaj sebaga berkut. lag tetag varabel la yag belum tercatum dalam H0 : Model sesua (tdak ada erbedaa yag yata atara eelta msalka lama stud. hasl observas dega kemugka hasl redks. Perluya sosalsas keada mahasswa megea model) kewajba utuk mecatumka semua la SKEM H : Model tdak sesua (ada erbedaa yag yata atara yag era drah selama kulah. hasl observas dega kemugka hasl redks model) DAFTAR PUSTAKA []. Ao.,.d. Peratura Isttus Tekolog Seuluh Tabel 8. Uj Kesesuaa Model Noember omor : 0594/I/KM/00 tetag edoma elaksaaa SKEM ada tahu 00. Ch-Square df Sg. Pearso ,084 []. Illah, Salah., 008, Pegembaga Soft Sklls D Pergurua Tgg. Jakarta : Drektorat Jederal Dar tabel 8 daat dsmulka bahwa model sesua Peddka Tgg. atau tdak ada erbedaa yag yata atara hasl observas [3] Hosmer, D.W. & Lemeshow, S., 000. Aled Logstc dega kemugka hasl redks model karea la Regresso. New York: Joh Wley & Sos, Ic. _value lebh besar dar alfa yatu 0,084 lebh besar [4] Agrest, A., 990. Categorcal Data Aalyss. New dbadgka dega 0,05 sehgga ddaatka keutusa York: Joh Wley & Sos, Ic Keteata Klasfkas Model Lagkah selajutya yatu meghtug la keteata klasfkas atara la sebearya dega la redks yag deroleh dar model yag telah dbetuk. Observas 3 Total Tabel 9. Keteata Klasfkas Predks Total Keteata Klasfkas 63,35%

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya

Analisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR

MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR Yusq Mahmud 1 da Isma Za 1 Mahasswa Jurusa Statstka FMIPA-ITS e-mal: yosukecudo@yahoo.com

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Statistika ITS Surabaya

Statistika ITS Surabaya UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner.

II. TINJAUAN PUSTAKA. Kata Kunci Filaria, Ketepatan Klasifikasi, Penyakit Filariasis, Regresi logistik biner. 1 PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PENDERITA PENYAKIT KAKI GAJAH (FILARIASIS DI PROVINSI NANGROE ACEH DARUSSALAM (NAD DENGAN REGRESI LOGISTIK BINER 1 Wdh Au Octava, Ir. Sr Pgt Wuladar, M.S 1 Mahasswa,

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Majalah Ekoom ISSN 4-950 : Vol. VII No. Des 03 PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R, C MALLOW, da S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL Oleh : Wara Pramest, Martha Suhardyah Fakultas Matematka

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 5528, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1. Penyakit Jantung Koroner

II. TINJAUAN PUSTAKA 2.1. Penyakit Jantung Koroner 3 II. TINJAUAN PUSTAKA.. Peyakt Jatug Koroer Meurut Soeharto (4, eyakt jatug koroer (PJK adalah suatu kelaa yag dsebabka oleh eyemta atau eghambata embuluh arter koroara yag megalrka darah ke otot jatug.

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN 3 BAB 5 HASIL DAN PEMBAHASAN Dalam baga hasl da embahasa aka dtamlka roses aalss da egolaha data, dalam betuk deskrtf, tabel-tabel yag dguaka, gambar-gambar beserta hasl da embahasaya. Dega memerhatka

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 0 BAB LANDASAN TEORI. Pegerta Regres da Korelas.. Pegerta Regres Regres adalah suatu metode statstka yag ergua utuk memerksa atau memodelka huuga datara varael-varael. Varael-varael terseut dega megguaka

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt

Lebih terperinci

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model Jural ILMU DASAR Vol. No.. 0 : 97-0 97 Estmas da Statstk Uj ada Model robt Ber Bvarat Estmato ad Statstcal est Bvarate Bar robt Model Vta Ratasar, urhad, Isma & Suhartoo Mahasswa S-3 Statstka FMIA IS,

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport.

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN. Keywords: two-segment piecewise linear regression, X-knots, discharge, bedload transport. JURNAL GAUSSIAN, Volume, Nomor, Tahu 0, Halama 9-8 Ole d: htt://ejoural-s.ud.ac.d/dex.h/gaussa ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN Sylf, Dw Isryat, Dah Saftr 3 Mahasswa Jurusa Statstka FSM Uverstas

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE

PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK BIRESPON SPLINE Perbadga Metode Cross Valdato Da Geeralzed Cross Valdato Dalam Regres Noarametrk Breso Sle Luh Putu Saftr Pratw PERBANDINGAN METODE CROSS VALIDATION DAN GENERALIZED CROSS VALIDATION DALAM REGRESI NONPARAMETRIK

Lebih terperinci

POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH

POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH JMP : Vol. 8 No., Des. 6, hal. 89- ISSN 85-456 POWER OF THE TESTS DENGAN NON-SAMPLE PRIOR INFORMATION PADA PENGUJIAN HIPOTESIS SATU ARAH Bud Pratko Jurusa Matematka, Fakultas MIPA, UNSOED Purwokerto bratkto@gmal.com

Lebih terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci