Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
|
|
- Sri Sumadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Jural Ilmiah Widya Tekik Volume 6 Nomor 07 ISSN PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL Loviaa, Dia Reto Sari Dewi *, Luh Jui Asrii Jurusa Tekik Idustri, Fakultas Tekik, Uiversitas Katolik Widya Madala Surabaya, Jala Kaliuda 37 Surabaya * diaretosd@yahoo.com ABSTRAK Produk Domestik Bruto (PDB) merupaka ukura yag sagat bermafaat atas kegiata da keseahteraa perekoomia suatu egara. Utuk tiap wilayah, ilai Produk Domestik Bruto disebut Produk Domestik Regioal Bruto (PDRB). Dalam peelitia ii dilakuka pemodela dega PDRB sektor idustri dega megguaka regresi spasial utuk megetahui hubuga spasial atar kota/kabupate di Jawa Timur. Variabel yag diguaka dalam peelitia ialah umlah teaga kera sekor idustri (x ) da umlah UMKM (x ). Peeliti ii bertuua utuk megetahui hubuga spasial ilai PDRB atar kabupate/kota yag dituukka dalam model serta megetahui pegaruh faktor teaga kera sektor idustri da UMKM terhadap PDRB sektor idustri. Hasil dari peelitia ialah adaya iteraksi spasial yaitu ilai PDRB sektor idustri utuk masigmasig kabupate/kota dipegaruhi oleh besar PDRB sektor Idustri yag meadi tetaggaya da dituukka dalam model Spatial Autoregressive (SAR). Selai itu, variabel umlah teaga kera sektor idustri (x ) da umlah UMKM (x ) secara sigifika memiliki pegaruh terhadap PDRB Sektor Idustri (y) da berilai positif. Kata kuci : PDRB Sektor Idustri, Regresi Spasial, SAR I. Pedahulua Produk Domestik Bruto (PDB) merupaka ukura yag sagat bermafaat atas kegiata da keseahteraa perekoomia suatu egara. PDB merupaka ilai pasar keluara total sebuah egara. Hal ii berarti ilai pasar semua barag adi da asa akhir yag diproduksi selama periode waktu tertetu oleh faktor-faktor produksi yag berlokasi di dalam sebuah egara (Case, 999). Sedagka utuk tiap wilayah, ilai Produk Domestik Bruto disebut Produk Domestik Regioal Bruto. Aalisis regresi spasial merupaka pegembaga dari regresi liier klasik yag megugkapka bahwa pegamata pada sampel yag memiliki kompoe lokasioal aka memiliki ketergatuga spasial (LeSage, 998). Pegguaa regresi spasial diguaka utuk megetahui pegaruh kedekata lokasi suatu daerah dega daerah laiya terhadap faktor ekoomi khususya produk domestik regiol bruto pada kabupate/kota di Jawa Timur. Hal ii diketahui dega cara melakuka pembobota atar kabupate/kota di Jawa Timur. Peelitia sebelumya yag megguaka regresi spasial ialah Pedekata Ekoometrika Pael Spasial utuk Pemodela PDRB Sektor Idustri Di Satua Wilayah Pembagua (SWP) Gerbagkertasusila da Malag-Pasurua (Fatmawati, 009). Hasil peelitiaya meuukka bahwa terdapat efek spasial ilai PDRB sektor idustri utuk masig-masig kabupate/kota. Aka tetapi, peelitia tersebut tidak dilakuka di 38 kota/kabupate di Jawa Timur. Dari peelitia terdahulu, peeliti aka membahas megeai hubuga spasial ilai PDRB Sektor Idustri di 38 kota/kabupate di Jawa Timur. Data yag diguaka dalam peelitia ii ialah data cross-sectio, yaitu data pada tahu tertetu yag diamati di beberapa kota/kabupate di Jawa Timur. Variabel yag diguaka yaitu umlah teaga kera sektor idustri da bayakya Usaha Mikro, Kecil da Meegah (UMKM) II. Tiaua Pustaka II. Produk Domestik Bruto PDB (Produk Domestik Bruto) merupaka ilai pasar keluara total sebuah egara. Hal ii berarti ilai pasar semua barag adi da asa akhir yag diproduksi selama periode waktu tertetu oleh faktor-faktor produksi yag beroperasi di wilayah domestik. Pedapata yag timbul oleh karea adaya kegiata produksi tersebut merupaka pedapata domestik. Produk Domestik Bruto setiap wilayah disebut dega Produk Domestik Regioal Bruto. Nilai tambah bruto mecakup kompoe-kompoe pedapata faktor (upah da gai, buga, sewa taah da keutuga), peyusuta da paak tidak lagsug eto. Jadi dega meumlahka lai tambah bruto dari masig-masig sektor da meumlahka ilai tambah bruto dari seluruh sektor tadi, aka diperoleh Produk Domestik Regioal Bruto atas dasar harga pasar. 39
2 Loviaa dkk. /Widya Tekik II. Regresi Spasial Regresi spasial merupaka aplikasi dari peerapa ilmu lokasi sagat bergatug dari poi atau letak sampel daerah yag memiliki ketergatuga spasial atar observasi da terdapat heterogeitas spasial pada sampel (LeSage, 998). Meurut LeSage (998), eis pedekata area diataraya: Mixed Regressive-Autoregressive atau Spatial Autoregressive Models (SAR), Spatial Error Models (SEM), Spatial Autoregressive Movig Average (SARMA), da pael data. Pemodela spasial sagat erat dega proses autoregressive, dituukka dega adaya hubuga ketergatuga atar sekumpula pegamata atau lokasi. Proses autoregressive dapat diaalogika pada model umum spatial autoregressive seperti pada persamaa berikut: y W y X u (.) dega : u W u ; ~ N 0, dimaa: y = vektor variabel respo ( x ) X = matrik variabel prediktor ( x (k+)) u = vektor error berukura x ε = vektor error berukura x II.3 Pembobota Matriks Matriks pembobot spasial diperoleh dari umlah tetagga atau kedekata suatu daerah dega daerah laiya. LeSage (998) meelaska beberapa metode dalam meetuka ilai i w, yaitu : a. Liear cotiguity : Wi =, utuk wilayah yag ada di piggir atau tepi (edge), baik di kiri atau kaa wilayah yag diperhatika. b. Rook cotiguity : Wi =, utuk wilayah yag ada di sampig (side) wilayah yag diperhatika. c. Bishop cotiguity : Wi =, utuk wilayah yag titik sudutya (vertex) bertemu dega wilayah yag diperhatika. d. Double Liear cotiguity : Wi =, utuk etitas yag bertepia di kiri atau kaa wilayah yag diperhatika. e. Double Rook cotiguity : Wi =, utuk etitas yag ada di sampig kaa, kiri, utara da selata wilayah yag diperhatika. f. Quee cotiguity : Wi =, utuk etitas yag ada di sampig atau sudut wilayah yag diperhatika. Utuk laiya Wi = 0. II.4 Ui Mora s I Mora's I merupaka pegembaga dari korelasi pearso pada data uivariate series. Korelasi pearso () atara variabel prediktor da variabel respo dega bayak data dapat dirumuska sebagai berikut: i x xy y x x y y i i i i da pada persamaa korelasi pearso tersebut merupaka rata-rata sampel dari variabel prediktor da respo. Nilai ρ diguaka utuk megukur apakah variabel prediktor da respo salig berkorelasi. Koefisie Mora s I diguaka utuk ui depedesi spasial atau autokorelasi atar amata atau lokasi. Hipotesis yag diguaka adalah: H 0 : I = 0 (tidak ada autokorelasi atar lokasi) H : I 0 (ada autokorelasi atar lokasi) Pegambila keputusa tolak Ho ika Z hitug > Z α/. Nilai dari ideks I adalah atara - da. Apabila I > Io maka data memiliki autokorelasi positif, ika I < Io maka data memiliki autokorelasi egatif. II.5 Ui Lagrage Multiplier (LM) Ui Lagrage Multiplier (LM) diguaka sebagai dasar utuk memilih model regresi spasial yag sesuai (LeSage, 998). Tahapa pertama dalam ui ii adalah melakuka pembuata model regresi sederhaa melalui Ordiary Least Square (Guarati, 009). Kemudia dilakuka idetifikasi keberadaa model spasial dega megguaka ui LM. Apabila LM error sigifika maka model yag sesuai adalah SEM, da apabila LM lag sigifika maka model yag sesuai adalah SAR. Apabila keduaya sigifika maka model yag sesuai adalah Spatial Autoregressive Movig Average (SARMA). III. Metode Peelitia (.) 40
3 Loviaa dkk. /Widya Tekik Peelitia membutuhka sebuah metode yag sesuai dega gagasa da tuua yag igi dicapai. Berikut merupaka tahapa peelitia yag dilakuka : Gambar 3. Flowchart Metodologi Peelitia IV. Pegumpula Da Pegolaha Data IV. Pegumpula Data Lagkah awal dalam pegumpula data ialah meetuka variabel bebas yag mempegaruhi PDRB Sektor Idustri. Variabel tersebut ialah Jumlah Teaga Kera Sektor Idustri da Jumlah UMKM Sektor Idustri di Jawa Timur pada tahu 0. IV. Pegolaha Data IV.. Statistika Deskriptif Berikut ii merupaka hasil peguia statistika deskriptif dari variabel-variabel yag diguaka dalam peelitia ii. 4
4 Loviaa dkk. /Widya Tekik Tabel Hasil peguia Statistika Deskriptif N Mea Std Dev Mi Med Max Y x x Dari tabel diatas dapat diketahui bahwa rata-rata utuk PDRB sektor idustri ialah 539 miliar rupiah dega stadar deviasi sebesar 3. Besar PDRB sektor idustri yag terkecil ialah 7 miliar rupiah da yag terbesar ialah miliar rupiah. Utuk variabel Teaga kera sektor idustri memiliki rata-rata sebesar 8359 iwa dega stadar deviasi Jumlah teaga kera sektor idustri terkecil sebesar 6463 iwa da terbesar iwa. Da bila 38 kota/kabupate diurutka dari umlah teaga kera dari yag terkecil higga terbesar, diperoleh ilai tegah sebesar iwa. Sedagka variabel UMKM memiliki rata-rata sebesar 8580 dega stadar deviasi 596. Jumlah UMKM yag terkecil ialah sebesar 06 da yag terbesar ialah Da bila 38 kota/kabupate diurutka dari ilai terkecil higga terbesar, didapatka ilai tegah sebesar 799. IV.. Pemodela OLS IV... Ui Model Regresi Ui model regresi dilakuka dega megguaka ui F. Berdasarka ui yag dilakuka dega miitab, dihasilka tabel aova seperti berikut: Tabel. Tabel Aalysis of Variace Sumber variasi db JK KR F hit P Regresi ,0 0,00 Error Total Hipotesis yag diguaka ialah : H 0 : β = β... = β k = 0 H : palig sedikit ada satu β 0, =,,...,k α=5% Berdasarka hasil table. diatas, meuukka bahwa ilai p-value < 0,05 yag berarti tolak H 0. Sehigga kesimpula yag diperoleh ialah miimal terdapat satu parameter yag secara sigifika mempegaruhi ilai PDRB sektor Idustri. IV... Ui Idividu Dega megguaka Produk Domestik Regioal Bruto sebagai variabel respo (y) da Jumlah Teaga Kera Sektor Idustri (x ) serta Jumlah UMKM Sektor Idustri (x ), maka diperoleh hasil sebagai berikut: Tabel 3. Tabel Output ui t Pred. Coef SE Coef T P VIF Cos ,67 0,50 X 0,4 0,04 8,8 0,00,07 X -0,436 0,07 -,0 0,04,07 Hipotesis yag diguaka ialah : H 0 : β = 0 H : β 0 α=5% Dari tabel 3. diatas meuukka bahwa ilai p-value umlah teaga kera sektor idustri (x ) da umlah UMKM (x ) < α. KEsimpula yag diperoleh ialah variabel umlah teaga kera sektor idustri da variabel umlah UMKM secara sigifika mempegaruhi ilai PDRB Sektor Idustri. Hasil Pemodela OLS ialah sebagai berikut: IV...3 Ui Multikoliieritas Y = 0,4 X - 0,436 X 4
5 Loviaa dkk. /Widya Tekik Ui Multikoliearitas dilakuka utuk megetahui adaya hubuga atara beberapa atau semua variabel dalam model regresi. Berdasarka tabel 3 meuukka bahwa ilai VIF masig-masig variabel < 5, yag artiya tidak teradi multikoliieritas dalam model. IV..3 Peta Tematik Jawa Timur Berikut merupaka peta tematik Jawa Timur yag terdiri atas 38 kabupate/kota. Gambar.Peta Tematik Jawa Timur IV..4 Pembobota matriks Dari gambar. dibuat sebuah matriks berukura 38x38. Metode yag diguaka ialah Quee cotiguity yaitu dega melihat persetuha sisi da sudut lokasi kabupate/kota dega kabupate/kota laiya IV..5 Ui Depedesi Spasial IV..5. Ui Mora s I Berikut merupaka hasil dari peguia Mora s I pada Tabel 4. Tabel 4. Nilai Mora s I Mora s I I0 0, 07 y 0,567 x 0,4553 x 0,055 Berdasarka tabel 4. meuukka bahwa ilai mora s I masig-masig variabel > I 0. Yag artiya PDRB sektor idustri, teaga kera sektor idustri da UMKM memiliki autokorelasi positif. IV..5. Ui Lagrage Multiplier (LM) Berikut merupaka hasil dari peguia LM pada Tabel 5. Tabel 5. Hasil peguia Lagrage Multiplier Nilai Probabilitas Mora s I, ,04 LM lag 9, ,007 LM error, , H 0 : Tidak terdapat depedesi spasial H : Terdapat depedesi spasial Taraf sigifikasi : 5% Berdasarka hasil peguia pada tabel 5 meuukka bahwa ilai probabilitas dari Mora s I < α sehigga tolak H 0, yag berarti ada depedesi spasial. Utuk ilai dari LM lag meuukka bahwa ilai probabilitas < α, sehigga tolak H 0, yag berarti ada depedesi spasial lag da harus dilautka dega pembuata Spatial Autoregressive Model (SAR). IV..6 Model Regresi Spasial Berdasarka ui Lagrage Multiplier, model yag aka dibetuk ialah SAR IV..6. Spatial Autoregressive Model Tabel 6 meuukka ilai probabilitas variabel teaga kera da UMKM < α. Yag berarti bahwa variabel-variabel tersebut memiliki pegaruh sigifika terhadap PDRB sektor idustri. Dari tabel 6. dapat dibetuk persamaa sebagai berikut : y = -903,9 + 0,705 w i y + 0,077 x 0,839 x + ε, i 43
6 Loviaa dkk. /Widya Tekik Tabel 6.Estimasi parameter model SAR Variabel Koefisie z-value Prob. W_PDRBIN 0,705 9,554 0,0000 Kostata -903,9 -,06 0,0437 Teaga Kera 0,077 6,608 0,0000 UMKM -0,839 -,477 0,0 Secara umum, model SAR dapat diiterpretasika, apabila faktor lai diaggap kosta maka saat umlah teaga kera sektor idustri (x ) di suatu kota/kabupate aik sebesar satua maka dapat meambah besar PDRB sektor idustri sebesar 0,077. Da ika UMKM (x ) aik satua maka meguragi PDRB sektor idustri sebesar 0,839. IV..7 Ui Asumsi IIDN IV..7. Ui Residual Idetik Ui residual idetik dilakuka dega megguaka ui Gleser yag meregresika ilai mutlak dari residual dega ilai variabel idepede, dega hipotesis : H 0 : residual idetik H : residual tidak idetik Tabel 7 ANOVA Sumber variasi Db JK KR F hit P Regresi ,4 0,00 Error Total Berdasarka tabel 7 meuukka bahwa ilai p-value < α. Hal ii meuukka bahwa residual tersebut tidak idetik. 44
7 Loviaa dkk. /Widya Tekik IV..8 Pemodela SAR kembali Karea Ui IIDN tidak terpeuhi, maka dilakuka peagaa asumsi dega trasformasi data da dilakuka pemodela SAR kembali. Tabel 8. Estimasi parameter model SAR setelah data ditrasformasi L Variabel Koef. z-value Prob. W_PDRBIND 0,437 3,69 0,000 Kostata -7,086 -,984 0,008 L Teaga Kera 0,95 5,990 0,0000 L UMKM 0,0804 4,967 0,039 Berdasarka tabel 8 meuukka ilai probabilitas variabel teaga kera da UMKM < α. Yag berarti bahwa variabel-variabel tersebut memiliki pegaruh sigifika terhadap PDRB sektor idustri. Dari tabel 4.8 dapat dibetuk persamaa sebagai berikut : L yˆ 7,0863 0,437 w i, i Ly 0,958 L x 0,0804 IV..9 Ui Asumsi IIDN IV..9. Ui Residual Idetik Ui residual idetik dilakuka dega megguaka ui Gleser yag meregresika ilai mutlak dari residual dega ilai variabel idepede, dega hipotesis : H 0 : residual idetik H : residual tidak idetik L x Tabel 9. Tabel Ui Asumsi Idetik Sumber variasi db JK KR F hit P Regresi 0,56 0,63 4 0,379 Error 35 9,44 0,64 Total 37 9,77 Berdasarka Tabel 9. meuukka bahwa ilai p-value > α. Hal ii meuukka bahwa residual tersebut idetik IV..9. Ui Residual Idepede Secara statistik, utuk dapat membuktika apakah residual tersebut idepede atau tidak dapat dilihat pada tabel 0. Tabel 0 Output Autocorrelatio Fuctio Lag ACF T LBQ ,37 0,5-0, ,46 0,39 3-0, ,4 0,59 4 0, ,0 0,59 5-0, ,8 0,63 6-0, ,00 0,63 7-0, ,49 0,95 8 0,477 0,85,96 9 0,0990 0,54,40 0-0, ,49,78 Berikut merupaka ui hipotesis yag diguaka : H 0 : residual idepede H : residual tidak idepede α = 5% 8,30 (, ) (0,0,05 ) Berdasarka tabel 0. ilai LBQ < residual idepede. (, ), yag berarti gagal tolak H 0. Sehigga dapat disimpulka bahwa 45
8 Loviaa dkk. /Widya Tekik IV..9.3 Ui Residual Berdistribusi Normal Ui residual berdistribusi ormal dilakuka dega megguaka metode Kolmogorov-Smirov, dega hipotesis : H 0 : residual berdistribusi ormal H : residual tidak berdistribusi ormal Hasil yag diperoleh DAPAT DILIHAT PADA Tabel. Tabel. Peguia asumsi residual berdistribusi ormal N Nilai KS p-value 38 0,38 0,068 Berdasarka peguia yag dilakuka pada tabel. ilai p-value > α. Hal ii meuukka gagal tolak H 0, yag berarti residual berdistribusi ormal.0 V. Aalisa Data V. Pembetuka Spatial Autoregressive Model Setelah melakuka pegolaha data, maka diperoleh model Spatial Autoregressive Model (SAR) utuk PDRB sektor idustri di Jawa Timur dega megguaka batua software. Berikut merupaka model umum SAR : L y t 7,0863 0,437 w,i atau i Ly 0,958 L x 0,0804 L x ε y t ( 7,0863) e 0,437 w, i atau i L y 0,958 L x 0,0804 L x e ( 7,0863) y t e Keteraga : ŷ = hasil peramala t 0,437 w, i e = ekspoesial x = umlah teaga kera x = umlah UMKM e = error i L y 0,958 L x 0,0804 L x ε V. Iterpretasi model SAR utuk kota Surabaya Berikut merupaka cotoh model SAR utuk kota Surabaya : ŷ 5 ( 7,0863) 0,86 L y 3 0,86L y 36 x 0,958 L x 0,0804L x e e Berdasarka model SAR yag terbetuk, meuukka bahwa, apabila faktor lai diaggap kosta da umlah teaga kera di suatu kabupate aik satua maka aka meambah ilai PDRB Sektor idustri sebesar e 0,958 kali. Sedagka bila umlah UMKM aik satua, maka aka meambah ilai PDRB sektor idustri sebesar e 0,0804 kali. Selai itu, kota Surabaya dipegaruhi pula oleh kabupate tetaggaya yaitu Gresik da Sidoaro, sehigga apabila ilai PDRB Idustri Gresik aik satu satua, maka aka meambah ilai PDRB idustri kota Surabaya sebesar e 0,86 kali. Da bila PDRB Idustri Sidoaro aik satu satua, maka aka meambah ilai PDRB Idustri kota Surabaya sebesar e 0,86 kali. V.3 Perbadiga atara model OLS da Model SAR Berikut merupaka tabel estimasi koefisie regresi pada OLS da SAR : Tabel. Tabel estimasi koefisie regresi pada OLS da SAR OLS SAR R 0,69 0,6975 MSE , ,85 Pada Tabel. dapat dilihat bahwa model SAR memiliki ilai R sebesar 69,75%. Sedagka model OLS memiliki ilai R sebesar 69%. Model yag baik ialah model memiliki ilai R yag tiggi. Selai itu, ilai MSE dari model OLS sebesar ,9 da ilai MSE dari model SAR sebesar ,85. Sehigga dapat 46
9 Loviaa dkk. /Widya Tekik diperoleh bahwa model OLS kurag baik utuk melakuka pemodela. Selai itu, pada peelitia ii memperhatika adaya keterkaita lokasi atar kabupate/kota. Sehigga model yag sesuai diguaka ialah model Spatial Autoregressive (SAR). V.4 Pegaruh Variabel Idepede terhadap Variabel Depede Berdasarka hasil ui idividu pada tabel 3 meuukka bahwa variabel umlah teaga kera sektor idustri (x ) da umlah UMKM sektor idustri (x ) secara sigifika mempegaruhi ilai PDRB Sektor Idustri (y). V.5 Hubuga Spasial ilai PDRB Sektor Idustri Hubuga spasial ilai PDRB sektor idustri dituukka dega terbetukya model yag berbedabeda tiap kabupate/kota yag dipegaruhi oleh kedua variabel idepede. Selai itu dituukka pula dega adaya iteraksi spasial, bahwa ilai PDRB sektor idustri utuk masig-masig kabupate/kota dipegaruhi oleh besarya ilai PDRB sektor idustri kabupate/kota yag meadi tetagga seperti pada model. V.6 Validasi Model Model yag telah terbetuk, kemudia aka dilakuka validasi. Hasil dari peramala aka dibadigka dega data asliya utuk megetahui apakah model yag didapatka sudah tepat atau tidak. Nilai MSE (Mea Square Error) yag didapatka sebesar ,85. Nilai MSE yag tiggi megidikasika bahwa variabel yag diguaka kurag dapat meelaska model. Bila ditiau dari ilai R-square yaitu sebesar 69,7 da sekitar 30,3% dielaska oleh variabel lai yag belum diguaka. Berikut merupaka Scatter plot dari data aktual da hasil peramala : Axis Title Data Aktual Vs Hasil Peramala Data Aktual Hasil Peramala Gambar 3 Scatter Plot Data Aktual Vs Hasil Peramala Dari gambar 3. diatas, meuukka bahwa terdapat error yag besar yaitu pada kota Kediri, kota Surabaya, da Gresik. Hal ii mugki dikareaka pegguaa bobot yag kurag sesuai utuk kabupate/kota tersebut. Sebagai cotoh ialah kota Kediri. Kota Kediri merupaka kota idustri yag besar da berskala asioal. Sehigga, kota Kediri dapat mempegaruhi kota/kabupate lai di Jawa Timur bahka di seluruh Idoesia yag tidak bersigguga secara lagsug dalam hal lokasi. Namu memiliki hubuga kerasama di bidag idustri. Aka tetapi, kota/kabupate lai yag dipegaruhi oleh kota Kediri dalam bidag idustri tersebut tidak memberika pegaruh secara lagsug terhadap kota Kediri karea sudah berskala besar. Sehigga error yag dihasilka dalam model ii cukup besar karea pembobota yag diguaka kurag sesuai utuk meggambarka hal tersebut. V.7 Iterpretasi Hubuga Kota/Kabupate terhadap Variabel Idepede Meigkatya PDRB idustri tidak terlepas dari kotribusi umlah UMKM da umlah teaga kera yag tersedia. Sebagai cotoh ialah Kabupate Sampag. Walaupu terdapat faktor lai yag mempegaruhi besar PDRB sektor idustri di kabupate Sampag, amu pemeritah dapat meramalka PDRB Idustri utuk tahu berikutya dega model yag telah terbetuk dalam peelitia. Sehigga, pemeritah dapat mecapai target PDRB idustri yag diigika di tahu berikutya. Selai itu, bila ditiau dari segi pembobota wilayah, kabupate Sampag memiliki tetagga yag mempegaruhiya yaitu Bagkala serta Pamekasa da memiliki ilai PDRB yag redah yaitu sebesar 7,97 miliar. Dari dua tetagga tersebut, kabupate Bagkala memiliki ilai PDRB idustri yag tiggi sebesar 386,94 miliar. Apabila kabupate Sampag igi meigkatka ilai PDRB idustri, maka kabupate yag meadi tetaggaya uga harus meigkatka PDRB idustriya. Peigkata tersebut dapat dilakuka pemeritah dega meambah umlah UMKM da teaga kera VI. Kesimpula Berdasarka hasil pegolaha data da aalisa data, dapat diambil kesimpula sebagai berikut :. Hubuga Spasial dituukka dega adaya iteraksi spasial yaitu bahwa ilai PDRB sektor idustri utuk masig-masig kabupate/kota dipegaruhi oleh besarya ilai PDRB sector idustri kabupate/kota yag meadi tetagga sepeti pada model umum SAR yag terbetuk sebagai berikut: 47
10 Loviaa dkk. /Widya Tekik ( 7,0863) ŷ t e 0,437 w,i i L y 0,958 L x 0,0804 L x ε. Dari Model SAR yag terbetuk, dapat diketahui bahwa variabel umlah teaga kera sektor idustri (x ) da UMKM (x ) secara sigifika mempegaruhi ilai PDRB Sektor Idustri (y) da berilai positif. Daftar Pustaka. Aseli, L. (998). Spatial Ecoometrics : Method ad Models, Dorddrecht : Kluwer Academic publishers, Netherlad. Case, K. E., Fair, R.C Priciples of Ecoomics. 5th ed, (Pretice-Hall Ic) 3. Guarati, 009. Basic Ecoomics Fifth Editio. McGraw-Hill. New York 4. Fatmawati Pedekata Ekoometrika Pael Spasial Utuk Pemodela PDRB Sektor Idustri Di SWP GERBANGKERTASUSILA Da Malag-Pasurua. Istitut Tekologi Sepuluh November : Surabaya. 48
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciPEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciSPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
E-ISSN 2527-9378 Jural Statistika Idustri da Komputasi Volume 2, No. 2, Juli 2017, pp. 93-103 SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciPemodelan Panel Spasial pada Data Kemiskinan di Provinsi Papua
Statistika, Vol. 17 No. 1, 1 15 Mei 017 Pemodela Pael Spasial pada Data Kemiskia di Provisi Papua Admiistrasi Asurasi da Aktuaria Program Pedidika Vokasi Uiversitas Idoesia Depok e-mail: yuli.alhikmah47@gmail.com
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciMODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR
1 MODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR Fui Rahayu Wilueg, Dra. Nuri Wahyuigsih [1] Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam
Lebih terperinciAnalisis Pola Hubungan Persentase Penduduk Miskin dengan Faktor Lingkungan, Ekonomi, dan Sosial di Indonesia Menggunakan Regresi Spasial
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 27-3520 (2301-928X Prit) D-235 Aalisis Pola Hubuga Persetase Peduduk Miski dega Faktor Ligkuga, Ekoomi, da Sosial di Idoesia Megguaka Regresi Spasial Voesa
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciRegresi Spasial Untuk Menentukan Faktor Faktor Kemiskinan Di Provinsi Sulawesi Selatan
Regresi Spasial Utuk Meetuka Faktor Faktor Kemiskia Di Provisi Sulawesi Selata Salmawaty 1, Sukara 2, Muhammad Abdy 3 1 Mahasiswa Program Studi S1 Matematika 2 Dose JurusaMatematika Jurusa Matematika,
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciPEMODELAN GIZI BURUK PADA BALITA DI KOTA SURABAYA DENGAN SPATIAL AUTOREGRESSIVE MODEL (SAR)
PEMODELAN GIZI BURUK PADA BALIA DI KOA SURABAYA DENGAN SPAIAL AUOREGRESSIVE MODEL (SAR) Qurrota A yui, da Dr. Brodol Sutio S.U, M.Si, Jurusa Statistika Istitut ekologi Sepuluh Nopember Surabaya e-mail
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciPEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)
THE 5 TH URECOL PROCEEDING 8 February 27 PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD) Putri Ayu Setiyowati ), Safaat Yuliato 2) Departeme Statistika, (AIS) Muhammadiyah Semarag email:
Lebih terperinciPEMODELAN REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR DENGAN MENGGUNAKAN METODE REGRESI SPASIAL
PEMODELAN REMAJA PUUS SEKOLAH USIA SMA DI PROVINSI JAWA IMUR DENGAN MENGGUNAKAN MEODE REGRESI SPASIAL Liska Septiaa (), Sri Pigit Wuladari (), () Mahasiswa Statistika FMIPA IS_l5_k4@yahoo.co.id, () Dose
Lebih terperinciPERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.
PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode korelasioal, yaitu Peelitia korelasi bertujua utuk meemuka ada atau tidakya hubuga atara dua variabel atau
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA. Aalisis Regresi Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu peubah respo dega satu atau lebih peubah pejelas.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel
49 BAB III METODOLOGI PENELITIAN 3.1 Jeis da Sumber Data Jeis data yag diguaka berupa data sekuder yag megguaka Tabel Iput Output Idoesia Tau 2005 dega klasifikasi 9 sektor. Data tersebut berasal dari
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peelitia Meurut Sugiyoo (2010, hlm. 3) pegertia dari obyek peelitia adalah sasara ilmiah utuk medapatka data dega tujua da keguaa tertetu tetag sesuatu hal
Lebih terperinciSTATISTIKA NON PARAMETRIK
. PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciIV. METODOLOGI PENELITIAN
49 IV. METODOLOGI PENELITIAN 4.1. Tempat da Waktu Peelitia Ruag ligkup peelitia mecakup perekoomia Provisi NTT utuk megkaji peraa sektor pertaia dalam perekoomia. Kajia ii diaggap perlu utuk dilakuka dega
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciAnalisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino
Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika
Lebih terperinciMengidentifikasi Pola Spasial dan Autokorelasi Spasial Tingkat Pengangguran Terbuka Kabupaten/Kota di Kalimantan Selatan Tahun 2014
Megidetifikasi Pola pasial da Autokorelasi pasial Tigkat Pegaggura Terbuka Kabupate/Kota di Kalimata elata Tahu 04 Muktar Redy usila, Jurusa tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciUji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.
MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBIT
1 ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBI Ari Vaerli Fitarisca (1) da Vita Ratasari (2) (1)(2) Jurusa Statistika, FMIPA, IS, Istitut ekologi
Lebih terperinciSKRIPSI PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR INDUSTRI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL
SKRIPSI PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR INDUSTRI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL Disusun Oleh : Loviana 5303012012 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciPEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR)
E-Jural Matematika Vol. 6 (1), Jauari 2017, pp. 37-46 ISSN: 2303-1751 PEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR) Ni Made Surya Jayati
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciAnalisis Faktor-Faktor yang Memengaruhi Angka Prevalensi Penyakit Kusta di Jawa Timur dengan Pendekatan Spatial Durbin Model
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Prit) D-95 Aalisis Faktor-Faktor yag Memegaruhi Agka Prevalesi Peyakit Kusta di Jawa Timur dega Pedekata Spatial Durbi Model Erawati, I Nyoma Latra.
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciMETODE PENELITIAN. 3.1 Kerangka Pemikiran
24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.
Lebih terperinci