Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu Rata Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember (ITS) Jl. Aref Rahma Ham, Surabaya 60 Idoesa e-mal: _yoma_b@statsta.ts.ac.d Abstra Morbdtas adalah ods seseorag dataa sat apabla eluha esehata yag drasaa meyebaba tergagguya atvtas sehar-har yatu tda dapat melaua egata beerja, megurus rumah tagga, da egata ormal sebagamaa basaya. Sema tgg morbdtas, meujua derajat esehata pedudu yag sema buru. Berdasara hasl Surve Sosal Eoom Nasoal (SUSENAS), pada tahu 0 aga morbdtas Jawa Tmur sebesar 8,4%, sedaga pada tahu 4 aga morbdtas Jawa Tmur mecapa,%. Adaya pegata aga morbdtas tersebut tetuya dsebaba oleh fator-fator ba gaya hdup maupu ods lguga d wlayah tersebut. Oleh area tu, dlaua sebuah peelta berupa pemodela utu megetahu fatorfator yag mempegaruh morbdtas d Jawa Tmur. Berdasara data yag dperoleh dar SUSENAS Jawa Tmur tahu 4, meujua bahwa pola hubuga atara morbdtas pedudu dega fator-fator yag mempegaruhya tda berpola tertetu, sehgga pada peelta dguaa metode regres oparametr sple. Hasl peelta meujua bahwa model regres terba megguaa 3 tt ot dega 6 varabel yag sgfa yatu epadata pedudu, rata-rata lama seolah, persetase pedudu ms, Upah Mmum Kabupate, persetase rumah tagga Ope Defecato (OD), da persetase rumah tagga dega jara sumber ar mum e tempat peampuga otora lebh dar 0 meter. Nla ebaa model atau R yag dperoleh yatu sebesar 89,7%. Kata Kuc Aga Morbdtas, GCV, Jawa Tmur, Regres Noparametr Sple, Ttt Kot. I. PENDAHULUAN UJUAN pembagua berelajuta atau Sustaable T Developmet Goals (SDGs) yag telah dsepaat oleh Perserata Bagsa-Bagsa (PBB) mempuya fous utama, yatu megata esejahteraa mausa dalam berbaga aspe ehdupa. Salah satu aspe yag mejad alat peguur tgat esejahteraa mausa d Idoesa dsebut Ides Pembagua Mausa (IPM). Sumber Daya Mausa (SDM) yag sehat secara fs dharapa mejad mausa berualtas yag dapat ut berpera dalam pembagua utu mewujuda esejahteraa rayat []. Sehat adalah suatu eadaa yag sempura ba secara fs, metal, da sosal, serta bebas dar peyat atau elemaha. Oleh area tu, dator esehata suatu daerah dapat dtjau dar jumlah pedudu yag megalam esata atau terjagt suatu peyat []. Aga morbdtas merupaa uura tetag esata atau eluha esehata d suatu wlayah [3]. Aga morbdtas mempuya peraa yag lebh petg dbadga dega aga emata [4]. Hal dsebaba apabla aga esata tgg, maa aa memcu emata sehgga meyebaba aga emata juga tgg, sehgga aga harapa hdup d suatu wlayah aa redah. Jawa Tmur merupaa provs dega luas wlayah terbesar d Pulau Jawa. Pada tahu 0 aga morbdtas pedudu Jawa Tmur sebesar 8,4%, amu terjad pegata pada tahu 4 mejad,%. Pegata tersebut dsebaba oleh fator-fator yag mempegaruh. Meurut Lembaga Demograf UI [5] serta peelta tetag morbdtas yag dlaua Haum [6], Ardhyat [7], Fuhrer[8], da Arola [9] fator determa morbdtas merupaa fator sosal, eoom, da budaya. Berdasara pola data varabel predtor terhadap varabel respo yag tda megut pola tertetu, maa aa dlaua pemodela megguaa regres oparametr sple [0]. Peelta dega metode regres oparametr sple telah dlaua oleh Ramadha [] tetag jumlah pegaggura terbua. Metode mempuya sfat tersegme, sehgga mempuya flesbeltas tgg da dapat meyesuaa dr terhadap araterst loal suatu data []. II. TINJAUAN PUSTAKA A. Regres Noparametr Sple Regres oparametr merupaa suatu metode Statsta yag dguaa utu megetahu hubuga atara varabel respo dega varabel predtor yag tda detahu betu fugsya, haya dasumsa smooth (mulus) dalam art termuat dalam suatu ruag fugs tertetu. Regres oparametr merupaa regres yag sagat flesbel dalam memodela pola data []. Model regres oparametr secara umum dapat dsaja sebaga berut:, =,,3,..., y f x () dmaa y merupaa varabel respo, x merupaa varabel predtor, f x merupaa fugs regres yag tda megut pola tertetu, da ε ~ IIDN (0,σ I). Apabla urva regres f merupaa model adtf da dhampr dega fugs sple maa dperoleh model regres sebaga berut, p y f ( x ),,,..., () j j

2 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D-6 dmaa : m h j hj j ( l) j j lj h0 l f ( x ) x x, =,,..., dega, x j lj, x x (3) 0, x j lj j lj da j, j,..., mj merupaa tt ot yag meujua betu perubaha perlau dar fugs pada sub-sub terval tertetu. Nla merupaa derajat polomal. Kurva polomal derajat satu dsebut urva ler, urva polomal derajat dua dsebut urva uadrat serta derajat tga dsebut urva ub. Persamaa () dapat duraa sebaga berut: y 0 x K x a ( x ) K am( x m) 0 x K x a ( x ) K am( x m) K 0 p pxp K pxp a p( xp p) K amp ( xp mp ) Estmas parameter model regres oparametr sple dlaua dega megguaa metode Ordary Least Suare (OLS) sebaga berut. ˆ β Χ'Χ Χ'y (4) % % B. Pemlha Tt Kot Optmal Salah satu metode yag dguaa utu pemlha tt ot optmal adalah Geeralzed Cross Valdato (GCV). Metode GCV mempuya sfat optmal asmtot ja dbadga dega metode la, msalya Cross Valdato (CV) [3]. Model sple dega la GCV terecl dar tt ot optmal merupaa model sple yag terba. Metode GCV dapat dtulsa sebaga berut [], MSE( ) GCV ( ) (5) [ trace( I - A)] dmaa I adalah matrs dettas, merupaa jumlah pegamata, (,,..., m ) merupaa tt-tt ot, da j ˆ MSE( ) y f x (6) T serta A ddapat dar matrs - T X X X X. C. Peguja Parameter Model Dbera model regres oparametr sple derajat dega ot-ot,,..., m : m h (7) y x x h l l h0 l. Peguja Parameter Model Secara Sereta Uj sereta dlaua utu megetahu sgfas parameter model regres secara bersama-sama. H : m H : mmal ada satu 0;,,..., m Nla +m merupaa baya parameter dalam model regres oparametr sple ecual 0 Statst uj yag dguaa adalah sebaga berut. lj F htug MSR (8) MSE H 0 dtola apabla F htug > F α;(s,-(+m)-) atau p-value < α.. Peguja Parameter Model Secara Idvdu Peguja secara dvdu dlaua utu megetahu apaah parameter secara dvdual mempuya pegaruh yag sgfa terhadap varabel respo, dega hpotess sebaga berut: H : 0 0 H : 0,,,..., m Peguja secara dvdu dlaua dega megguaa uj t [5]. Statst uj yag dguaa adalah sebaga berut: ˆ thtug (9) var ˆ dega ˆ ˆ - var( ) dag[ (Χ'Χ) ˆ ] dmaa merupaa MSE. H 0 dtola apabla t htug > t α/;(- (+m)-) atau p-value < α. R dguaa sebaga dator ebaa model, yag dbera sebaga berut. ˆ T T β X y y R % 00% T % (0) y y y %% D. Peguja Asums Resdual. Uj Normaltas Kolmogorov-Smrov Uj Kolmogorov-Smrov bertujua utu megetahu apaah suatu data telah megut suatu dstrbus tertetu. H 0 : F (ε) = F 0 (ε) H : F (ε) F 0 (ε) Statst uj yag dguaa adalah sebaga berut. D Sup F F () ( ) 0 ( ) Tola H 0 apabla D>D α.. Asums Idet Asums det terpeuh apabla varas atar resdual sama, atau tda terjad heterosedaststas [5]. var( y) var( ) ;,,..., () Uj det dapat megguaa uj Glejser. Hpotess yag dguaa adalah sebaga berut: 0 K H : H : Mmal ada satu ;,, K, Lagah pertama dalam uj Glejser yatu apabla telah dar model regres, selajutya dlaua regres terhadap X sehgga dperoleh la F htug. Statst uj yag ddapata dguaa sebagamaa Persamaa (3). F htug v ˆ v (3)

3 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D-7 H 0 dtola apabla F htug > F α;(v-,-v) atau p-value < α, dmaa la v adalah bayaya parameter model Glejser. E. Morbdtas Morbdtas adalah ods seseorag dataa sat apabla eluha esehata yag drasaa meyebaba tergagguya atvtas sehar-har yatu tda dapat melaua egata beerja, megurus rumah tagga, da egata ormal sebagamaa basaya [3]. Berut merupaa rumus aga morbdtas. JPKK AM= 00 (4) JP Keteraga : AM : aga morbdtas JPKK : jumlah pedudu yag megalam eluha esehata da tergagguya atvtas JP : jumlah pedudu III. METODOLOGI PENELITIAN A. Sumber Data Data yag dguaa dalam peelta adalah data seuder yag dambl dar Bada Pusat Statsta Provs Jawa Tmur, Lapora Surve Sosal Eoom Nasoal (SUSENAS) da Profl Kesehata Provs Jawa Tmur tahu 4. Ut peelta yag dguaa merupaa 38 abupate da ota d provs Jawa Tmur. B. Varabel Peelta Varabel respo yag dguaa dalam peelta adalah aga morbdtas pedudu provs Jawa Tmur, sedaga varabel predtor yag dduga berpegaruh adalah sebaga berut. Varabel Y X X X 3 X 4 X 5 X 6 X 7 Tabel. Varabel Peelta Keteraga Aga morbdtas Kepadata pedudu Aga buta huruf Rata-rata lama seolah pedudu 5 tahu eatas Persetase pedudu ms Upah Mmum Kabupate/ Kota (UMK) Persetase rumah tagga Ope Defecato (OD) Persetase rumah tagga dega jara sumber ar mum e tempat peampuga otora lebh dar 0 meter C. Lagah-Lagah Peelta Lagah-lagah aalss dalam peelta adalah sebaga berut.. Medesrpsa aga morbdtas d Jawa Tmur da fator-fator yag mempegaruhya.. Membuat scatter plot atara varabel respo dega masg-masg varabel predtor utu megetahu pola hubuga yag terjad. 3. Memodela varabel respo (aga morbdtas) megguaa model regres oparametr sple dega berbaga tt ot. 4. Memlh tt ot optmal berdasara la GCV yag palg mmum. 5. Medapata model regres sple terba dega tt ot optmal. 6. Melaua uj sgfas parameter secara sereta da parsal. 7. Melaua uj asums resdual det, depede, da berdstrbus ormal (IIDN) dar model regres sple. 8. Membuat terpretas model da mear esmpula. IV. ANALISIS DAN PEMBAHASAN A. Karaterst Aga Morbdtas d Jawa Tmur Pada tahu 4 aga morbdtas d Jawa Tmur mecapa,%. Hal berart terdapat pedudu dar 00 pedudu d Jawa Tmur yag megalam eluha sat. Aga morbdtas tertgg terleta pada Kota Kedr yatu sebersar 4,4, sedaga aga morbdtas teredah terleta pada Kabupate Sdoarjo yatu sebesar,3. Kota Kedr mempuya aga morbdtas tertgg d Jawa Tmur area seja tahu 06 ods lguga Kota Kedr tercemar oleh polus PT. Gudag Garam, sehgga megabata warga Kota Kedr megalam gaggua ISPA. Kabupate Sdoarjo meml aga morbdtas teredah dsebaba area fasltas esehata Kabupate Sdoarjo yag ba. Pada tahu 3 Kabupate Sdoarjo membetu Program Pembagua Terpadu Berbass Kawasa Kemsa (PTBK). Berut merupaa araterst data dar tujuh fator yag dduga berpegaruh terhadap aga morbdtas d Jawa Tmur. Tabel. Statsta Desrptf Fator-fator yag dduga Mempegaruh Pegaggura d Idoesa Varabel Mea Varas M Mas X X 7,699 3,46,480,07 X 3 7,750,345 4,6 0,8 X 4,096 4,96 4,590 70,7 X 5 93,395, X 6 5, 78,6,60 76,7 X 7 63,93 58,36 3,9 98,3 Berdasara Tabel, epadata pedudu (X ) teredah terleta pada Kabupate Pacta, sedaga epadata pedudu tertgg terleta pada Kota Surabaya, area Kota Surabaya merupaa buota Provs Jawa Tmur. Aga buta huruf (X ) teredah terleta pada Kota Pasurua, sedaga aga buta huruf tertgg terleta pada Kabupate Sampag. Rata-rata lama seolah (X 3) teredah terleta pada Kabupate Sampag, sedaga rata-rata lama seolah tertgg terleta pada Kota Malag, area fasltas pedda Kota Malag yag ba yatu meml 80 pergurua tgg. Persetase pedudu ms tertgg (X 4 ) adalah Kabupate Sampag, area frastrutur yag urag memada, sedaga Kota Batu mejad ota dega persetase pedudu ms teredah. Kota Surabaya merupaa ota dega UMK tertgg. Utu persetase rumah tagga OD tertgg adalah Kabupate Stubodo, sedaga persetase OD (X 6 ) teredah adalah Kota Kedr. Persetase OD tertgg mayortas terdapat pada daerah tapal uda, hal dareaa sumber ar bersh yag urag. Wlayah dega persetase rumah tagga yag meml jara sumber ar mum e tempat peampuga otora lebh dar 0 meter (X 7 ) teredah adalah Kabupate

4 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D-8 Sdoarjo, sedaga la tertgg adalah Kota Batu. Hal dareaa Kabupate Sdoarjo merupaa abupate yag tergolog pada epadata pedudu tgg d Jawa Tmur. B. Pola Data Atara Aga Morbdtas dega Varabel yag Dduga Mempegaruh Lagah pertama dalam melaua aalss regres adalah membuat scatter plot utu megetahu pola hubuga varabel predtor terhadap varabel respo yatu aga morbdtas. Gambar meujua bahwa pola hubuga atara aga morbdtas dega seluruh varabel predtor tda membetu pola tertetu, sehgga metode yag dguaa adalah regres oparametr sple. Y 0 X ,0 7,5 0 0,0 X4 X5 X X Gambar Scatterplot varabel predtor terhadap respo C. Pemlha Tt Kot Optmal Nla GCV mmum pada pemlha tt ot optmal dega satu tt ot, dua tt ot, tga tt ot, da ombas tt otdtampla sebaga berut. X Tabel 3. Nla GCV Mmum Tt Kot Optmal Model GCV Tt Kot 33,46 Ttt Kot 3,88 3 Tt Kot 8,8 Kombas Tt Kot (,,,3,3,) 4,34 Berdasara rtera pemlha model terba detahu bahwa la GCV palg mmum dhasla oleh model regres oparametr sple dega tga tt ot. D. Peguja Sgfas Parameter Model Regres Noparametr Sple. Uj Sereta Peguja secara sereta dlaua utu meguj estmas parameter model secara bersamaa (smulta). Nla α yag dguaa sebesar 0,05. Berut adalah hasl aalss ragam model regres oparametr sple. Tabel 4. Aalss Ragam Uj Sereta Sumber Varas db JK RJK F p-value Regres 8 960,3 34,9 5, 0,0063 Resdual 9 58,8 4,467 Total 37 08, 34 Berdasara Tabel 4 dapat detahu bahwa la p-value sebesar 0,0063. Nla lebh ecl darpada la α yatu 0,05 sehgga tola H 0 yag artya mmal terdapat satu parameter X3 yag sgfa dalam model. Utu megetahu parameter maa yag sgfa dalam model, dlaua peguja secara dvdu.. Uj Idvdu Peguja secara dvdu dlaua utu megetahu varabel yag berpegaruh sgfa terhadap aga morbdtas d Jawa Tmur. Berut adalah hasl peguja sgfas parameter model secara dvdu. Berdasara Tabel 5 detahu terdapat lma varabel yag berpegaruh secara sgfa terhadap aga morbdtas yatu X, X 3, X 5, X 6, da X 7.. X Tabel 5 Hasl Uj Idvdu Varabel Parameter Estmas p-value Ket. β 0,5 0,58 Tda Sgfa β -0,4 0,00 Sgfa β 3 0,53 0,00 Sgfa β 0,0 0,000 Sgfa β 4-0, 0,003 Sgfa β 5-0,08 0,860 Tda Sgfa X β 6-4,70 0,7 Tda Sgfa β 7 3,09 0,09 Tda Sgfa β 8-5,74 0,73 Tda Sgfa β 9 -,6 0,3 Tda Sgfa X 3 β 0-7,9 0,055 Tda Sgfa β 7, 0,08 Sgfa β 0,46 0,876 Tda Sgfa β 3-0,60 0,53 Tda Sgfa X 4 β 4-0,84 0,539 Tda Sgfa β 5 0,56 0,5 Tda Sgfa β 6 -,58 0,84 Tda Sgfa β 7 0,0 0,39 Tda Sgfa X 5 β 8-0,09 0,07 Sgfa β 9,33 0,050 Sgfa β -, 0,060 Tda Sgfa β -0,6 0,004 Sgfa X 6 β,39 0,047 Sgfa β 3-3,83 0,00 Sgfa β 4 3,45 0,007 Sgfa β 5 0,90 0,00 Sgfa X 7 β 6-3,08 0,00 Sgfa β 7,04 0,00 Sgfa β 8-9,98 0,00 Sgfa E. Pemlha Tt Kot Optmal Dega Eam Varabel Predtor Selajutya dlaua pemodela embal dega megguaa eam varabel predtor yatu dega meghapus varabel X terlebh dahulu. Varabel tersebut dhapus area pada tahu 4, dator pedda telah dgat mejad rata-rata lama seolah atau varabel X 3. Tabel 6. Nla GCV Mmum Tt Kot Optmal Eam Predtor Model GCV Tt Kot 9,04 Ttt Kot 8,66 3 Tt Kot,56 Kombas Tt Kot (3,,,3,3,3),95 Berdasara Tabel 6 detahu bahwa model dega tga tt ot meghasla GCV palg mmum yatu,56.

5 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D-9 F. Peasra Parameter Model Regres Noparametr Sple Eam Varabel Predtor Model tersebut merupaa model dega la GCV terecl, ddapata model terba yatu model regres oparametr sple dega tga ttga tt ot dega eam varabel predtor. yˆ 8,556 0,00x 0, 9( x 33, ) x 0,354( x 3556,90) 0,4( 44, 4) ,476x 68,34( x 6,77) 77,88( x 7,0) ,036( x 7,53),687x,603( x,95) 4 x4 6, 49( x,8),88( 4,55) 0,038x 5 x5 0,6( x 46,33) 0,38( 465,3) ,( x 563, 7) 0, 4x,338( x 7, 47) ,9( x,5), 55( x 36,60) 0,77x , 469( x 49, 5) 5,64( x 5,3),94( x 58,45) G. Peguja Sgfas Parameter Model Regres Noparametr Sple Sepert prosedur sebelumya, aa dlaua peguja sgfas parameter ba secara sereta maupu parsal. Tabel 7. Aalss Ragam Uj Sereta Eam Predtor Sumber Varas db JK RJK F p-value Regres 4 95,694 38,58 4,73 0,0074 Resdual 3 06,04 8,56 Total 37 03, 99 Pada tgat sgfa 5%, p-value berla urag dar α, sehgga tola H 0. Hal meujua bahwa mmal terdapat satu parameter yag tda sama dega ol atau secara bersama eam varabel predtor berpegaruh secara sgfa terhadap aga morbdtas pedudu d Jawa Tmur. X X 6 X 7 Tabel 8. Hasl Uj Idvdu Eam Predtor Varabel Parameter Estmas p-value Ket. β 0 8,56 0,000 Sgfa β 0,3 0,00 Sgfa β 3-0,35 0,00 Sgfa β 0,00 0,739 Tda Sgfa β 4 0, 0,00 Sgfa β 5-4,48 0,0 Sgfa X 3 β 6 68,3 0,000 Sgfa β 7-77,83 0,000 Sgfa β 8 5,04 0,035 Sgfa β 9 -,69 0,09 Sgfa X 4 β 0 -,60 0,594 Tda Sgfa β 6,43 0,8 Tda Sgfa β -,88 0, Tda Sgfa β 3 0,0 0,044 Sgfa X 5 β 4 0,6 0,84 Tda Sgfa β 5-0,38 0,044 Sgfa β 6 0, 0,00 Sgfa β 8 -,34 0,86 Tda Sgfa β 9 0, 0,84 Tda Sgfa β 7 0,4 0,03 Sgfa β,5 0,054 Tda Sgfa β -4,47 0,0 Sgfa β 3 5,64 0,033 Sgfa β 0,77 0,008 Sgfa β 4 -,9 0,09 Sgfa 5 Berdasara Tabel 8 detahu bahwa eeam predtor berpegaruh secara sgfa terhadap aga morbdtas d Jawa Tmur. Varabel tersebut adalah epadata pedudu, ratarata lama seolah, persetase pedudu ms, Upah Mmum Kabupate (UMK), persetase rumah tagga Ope Defecato (OD) da persetase rumah tagga dega jara sumber ar mum e tempat peampuga otora lebh dar 0 meter. H. Peguja Asums Resdual. Uj Normaltas Resdual Uj ormaltas dguaa utu megetahu apaah resdual telah megut pola dstrbus ormal. Percet ,0 -,5 0,0 Resdual Gambar 3 Uj Normaltas Resdual Kolmogorov-Smrov,5 5,0 Mea -4,3970E- StDev,6 N 38 KS 0,3 P-Value >0,50 Berdasara Gambar 3 la KS yag dperoleh sebesar 0,3 dega p-value lebh besar dar 0,50. Pada tgat sgfa 5% ddapata la KS tabel atau D (-α) sebesar 0,94, sehgga la KS htug urag dar KS tabel da p-value lebh dar 0,05. Berdasara perumusa hpotess pada BAB II, maa gagal tola hpotess awal, sehgga resdual dar model regres oparametr sple yag ddapata telah berdstrbus ormal.. Asums Idet Berut adalah hasl aalss ragam uj Glejser Tabel 9. Aalss Ragam Uj Glejser Sumber Varas db JK RJK F Htug p-value Regres 4,5780,69 0,643 0,83 Resdual 3 34,5664,67 Total 37 74,73466 Berdasara Tabel 9 ddapata la F htug uj Glejser sebesar 0,643 dega p-value sebesar 0,83. Pada tgat sgfa 5%, maa p-value urag dar α, sehgga gagal tola H 0. Hal berart bahwa resdual meml varas yag homoge atau telah memeuh asums det. I. Nla Koefse Determas (R ) Berdasara perhtuga ddapata la R sebesar 89,7%. Hal berart model regres oparametr sple yag ddapata mampu mejelasa varabltas aga morbdtas d Jawa Tmur sebesar 89,7%. Nla tersebut medeat 00%, sehgga model sudah cuup ba. J. Iterpretas Model Regres Noparametr Sple Berut merupaa terpretas dar model regres oparametr sple yag ddapata. Apabla X 3, X 4, X 5, X 6,

6 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D- da X 7 daggap osta, maa pegaruh epadata pedudu (X ) terhadap aga morbdtas adalah yˆ 8,556 0, 00x 0, 9( x 33, ) 0,354( x 3556,90) 0,4( x 44, 4) C 8,556 0, 00 x, x 33, 79,56 0, 3 x, 33, x 3556,90 59,58 0,4 x, 3556,90 x 44, 4 5,775 0,0005 x, x 44, 4 Berdasara model yag dperoleh dapat dterpretasa bahwa apabla wlayah dega epadata pedudu urag dar 33,3 pedudu per m a sebesar 0 pedudu per m, maa aga morbdtas aa a sebesar 0,0 perse. Wlayah yag berada pada terval adalah seluruh wlayah abupate d Jawa Tmur beserta Kota Batu. Apabla wlayah dega epadata pedudu berada atara 33, da 3556,90 pedudu per m a sebesar 0 pedudu per m, maa aga morbdtas aa a sebesar,3 perse. Apabla wlayah dega epadata pedudu berada atara 3556,90 da 44,4 pedudu per m a sebesar 0 pedudu per m, maa aga morbdtas aa turu sebesar,4 perse. Wlayah yag termasu pada ategor tersebut yatu Kota Kedr, Kota Bltar, da Kota Probolggo. Pada daerah pegaruh epadata pedudu dega aga morbdtas cederug turu area wlayah pada terval tersebut merupaa wlayah perotaa dega epadata pedudu yag tda terlalu tgg serta jumlah fasltas esehata yag lebh baya dbadg wlayah abupate. Apabla wlayah dega epadata pedudu lebh dar 44,4 pedudu per m a sebesar 0 pedudu per m, maa aga morbdtas aa a sebesar 0,005 perse, wlayah yag termasu yatu Kota Malag, Kota Pasurua, Kota Mojoerto, Kota Madu, da Kota Surabaya. urag dar 5% Berdasara Tabel 4.9 detahu bahwa model optms ddapata dar la mmum seluruh varabel predtor. Provs Jawa Tmur aa mecapa target WHO apabla berada pada model optms yatu dega aga morbdtas sebesar 5,6% da 3,06%. Aga morbdtas yag sesua target aa terpeuh apabla seluruh varabel predtor berada pada la mmum. Tabel 9. Searo Model Aga Morbdtas X X 3 X 4 X 5 X 6 X 7 Preds Model 387 0,6 4,59 000,6 3,9 5,59 3 0,66 4,8 000,9 3,48 3,059 Optms 44 0,8 4, ,3 37,5 7,9 76 7,8,07,04 63,87 35, ,4,8 3,08 64,56 34,37 Mddle 750 7,49,53 35,83 64,79 33, ,6, , 88,56 35, ,36, ,3 89,7 4,374 Pesms 856 5,6 5,8 0 76,7 98,3 49,698 V. KESIMPULAN DAN SARAN Aga morbdtas tertgg terleta pada Kota Kedr yatu sebersar 4,4%, sedaga aga morbdtas teredah terleta pada Kabupate Sdoarjo yatu sebesar,3%. Model regres oparametr sple terba dperoleh dega megguaa tga tt ot dega la oefse determas (R ) sebesar 89,69% dega eam varabel yag berpegaruh secara sgfa yatu epadata pedudu, rata-rata lama seolah, persetase pedudu ms, UMK, persertase rumah tagga OD, da persetase rumah tagga dega jara sumber ar mum e tempat pembuaga otora lebh dar 0 meter. Sara utu peelta selajutya sebaya meambah jumlah varabel yag dduga berpegaruh terhadap aga morbdtas d Provs Jawa Tmur, sehgga dharapa aa medapata model yag lebh sesua. Bag pemertah, sebaya memperhata varabel yag mempuya pegaruh cuup besar pada aga morbdtas d Provs Jawa Tmur sepert persetase pedudu ms da persetase rumah tagga OD. Gambar 5. Kepadata Pedudu Bedasara Iterval Tt Kot Selajutya, terpretas varabel rata-rata lama seolah, persetase pedudu ms, UMK, persertase rumah tagga OD, da persetase rumah tagga dega jara sumber ar mum e tempat pembuaga otora lebh dar 0 meter dlaua dega cara yag serupa sepert yag telah djelasa. K. Reomedas Utu Pemertah Jawa Tmur World Health Orgazato (WHO) (3) meyataa bahwa target aga morbdtas asar suatu wlayah sebesar DAFTAR PUSTAKA [] Bada Pusat Statst Republ Idoesa. 09. Statst Kesehata Republ Idoesa Tahu 09. Bada Pusat Statst Republ Idoesa. [] Bada Pusat Statst Jawa Tmur. 4. Hasl Surve Sosal Eoom Nasoal Tahu 4 Provs Jawa Tmur. Bada Pusat Statst Jawa Tmur. [3] Srusa BPS. 6. Aga Kesata (Morbdtas), dases dar taggal 0 Agustus 6. [4] Kartasasmta, C.B. 09. Epdemolog Tuberuloss. Sar Pedatr. Vol, No, Agustus 09, 4-9. [5] Lembaga Demograf UI. 0. Dasar-Dasar Demograf. Jaarta : Salemba Empat. [6] Haum, D. 3. Fator-fator yag Mempegaruh Morbdtas Pedudu Jawa Tmur dega Multvarate Geographcally Weghted Regresso (MGWR). Peelta, Jurusa Statsta, ITS. [7] Ardhyat, N.L.P.D. 3. Pegata Aga Morbdtas d Provs Bal. Thess, Jurusa Ilmu Eoom, Uverstas Udayaa.. [8] Fuhrer, R., Shpley, M.J., Chastag, J.F., Schmaus, A., Nedhammer, I., Stasfeld, S.A., Goldberg, M. da Marmot, M.G. 0. Socoecoomc Posto, Health, ad Possble Explaatos: A Tale of Two Cohorts. Amerca Joural of Publc Health, Vol 9 No 8 Agustus 0,

7 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: (-98X Prt) D- [9] Arola, H., Ptae, M., Nygrad, C.H, Huhtala, H., da Maa, M.L. 03. The Coecto Betwee Age, Job Cotroll, ad Scess Abseces Amog Fshg Food Worers. Occupatoal Medce, Vol 53 No 3: 9-. [0] Budatara, I.N. 09. Sple dalam Regres Noparametr da Semparametr: Sebuah Pemodela Statsta Masa K da Masa Medatag. Surabaya: ITS Press. [] Ramadha, R.K. 6. Pemodela Fator-Fator yag Mempegaruh Jumlah Pegaggura Terbua Megguaa Regres Noparametr Sple d Idoesa. Peelta, Jurusa Statsta, ITS. [] Euba, R Sple Smoothg ad Noparametrc Regresso. Marcel Deer Ic. New Yor. [3] Budatara, I.N. 00. Metode U, GLM, CV, da GCV dalam Regres Noparametr Sple. Majalah Ilmah Hmpua Matemata Idoesa (MIHMI), 6, 4-45.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

(R.17) ESTIMASI SMOOTHING SPLINE PADA FUNGSI VARIANSI BERDISTRIBUSI GAMMA DALAM PENDEKATAN REGRESI NONPARAMETRIK

(R.17) ESTIMASI SMOOTHING SPLINE PADA FUNGSI VARIANSI BERDISTRIBUSI GAMMA DALAM PENDEKATAN REGRESI NONPARAMETRIK PROSIDING ISSN : 87-59. Semar Nasoal Statsta November Vol, November (R.7) ESIMASI SMOOHING SPLINE PADA FUNGSI VARIANSI BERDISRIBUSI GAMMA DALAM PENDEKAAN REGRESI NONPARAMERIK Sfrya Dose Program Stud Statsta

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

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 I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

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

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

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

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

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 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 IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

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

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

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

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).

BAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y). BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

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

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion)

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion) Jural EKSPONENSIALVolume Nomor September 00 ISSN 085-789 Pemlha Model Regres Terba Megguaa Aae s Iformato Crtero (The Best Regresso ModelSelecto UsgAae s Iformato Crtero) M. Fathurahma Staf Pegaar Program

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

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

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal

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 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

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

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

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model

Estimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

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

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

E ax by c ae X be Y c. 6.1 Pengertian Umum

E ax by c ae X be Y c. 6.1 Pengertian Umum 6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga

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

ESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP. Staf Program Studi Statistika Jurusan Matematika FMIPA UNDIP 2

ESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP. Staf Program Studi Statistika Jurusan Matematika FMIPA UNDIP 2 ESTIMASI REGRESI WAVELET THRESHOLDING DENGAN METODE BOOTSTRAP Supart Achmad Mustofa da Agus Rusgyoo 3 3 Staf Program Stud Statsta urusa Matemata FMIPA UNDIP Alum urusa Matemata FMIPA UNDIP l. Prof. H.

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

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

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06 337-350 (30-98X Prt D-77 Pemodela da Pemetaa Kasus Demam Berdarah Degue d Provs Jawa Tmur Tahu 04 dega Geeralzed Posso Regresso, Regres Bomal Negatf da Flexbly

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

ESTIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMETRIK PROSES PRODUKSI. Tubagus Pamungkas, Dosen Tetap Pendidikan Matematika FKIP UNRIKA Batam

ESTIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMETRIK PROSES PRODUKSI. Tubagus Pamungkas, Dosen Tetap Pendidikan Matematika FKIP UNRIKA Batam ABSRAK ESIMASI DAN INFERENSI MODEL REGRESI SEMI-PARAMERIK PROSES PRODUKSI ubagus Pamugas, Dose etap Pedda Matemata FKIP UNRIKA Batam Regres bergada terdapat asus husus dalam sebuah aalsa regres, pada regres

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

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

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

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

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311 JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

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

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

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

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

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