MODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED
|
|
- Adi Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 MODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED Harm Sugart 1 1 FMIPA Unverstas Terbuka. Tangerang Selatan Emal korespondens : arm@ut.ac.d Abstrak Eksplotas sumber daya alam secara terus menerus dapat mengakbatkan berkurangnya ketersedaan sumber daya alam terutama sumber daya alam tdak terbaru, dan tdak tergantkan. Ketersedaan mneral dalam bum, msal mnyak bum, batu bara, tma, emas, dan nkel akan menps sebaga akbat penambangan secara besarbesaran karena pembentukan kembal mneral dalam bum memerlukan waktu yang sangat lama. Eksplotas mneral yang tela dlakukan selama 10 taun terakr dapat dgunakan sebaga gambaran tentang ketersedaan sumber daya alam berupa mneral dan pengarunya teradap pendapatan nasonal. Penggunaan metode Least Trmmed Squared (LTS) dalam menaksr pola ubungan antara sumber daya alam dengan pendapatan nasonal darapkan dapat memberkan model yang sesua dengan konds yang ada. Tulsan n bertujuan untuk menentukan taksran model pemanfaatan sumber daya alam dan energ dengan metode LTS serta mengkaj performa Metode LTS sebaga metode alternatf dalam menentukan model pemanfaatan sumber daya alam dan energ. Data yang dgunakan dalam peneltan n adala data sekunder dar Bro Pusat Statstk (BPS) berupa asl penambangan mneral dan pendapatan nasonal. Kata kunc: selang kepercayaan, metode Least Trmmed Squared PENDAHULUAN Sebaga sala satu faktor produks, sumber daya alam mempunya peranan yang sangat pentng dalam pembentukan pendapatan nasonal. Guna mengaslkan pendapatan nasonal yang tngg, dperlukan usaa yang maksmal untuk mengola sumber daya alam yang ada. Dengan kata lan, keteramplan dan kealan mengembangkan teknolog sangat darapkan dapat mengelola sumber daya alam secara optmal sengga mengaslkan keluaran (output) yang optmal juga. Penggunaan teknolog yang cangg dalam pengelolaan sumber daya alam endaknya memperatkan dampak dar ketersedaan sumber daya alam yang ada, mengngat eksplotas secara terus menerus dan pengelolaan yang tdak bjaksana dapat mengakbatkan berkurangnya ketersedaan sumber daya alam terutama sumber daya alam tdak terbaru, tdak tergantkan, dan abs. Mneral merupakan sala satu jens dar sumber daya alam dan energ yang sangat pentng bag kedupan manusa. D Indonesa begtu banyak sumber daya mneral yang tela dmanfaatkan, msalnya batu bara yang banyak dgunakan sebaga baan bakar untuk keperluan ndustr dan ruma tangga, mnyak bum, bes, emas, perak, nkel, tma, dan lan-lan. Ketersedaan mneral dalam bum akan menps sebaga akbat penambangan secara besar-besaran karena pembentukan kembal mneral dalam bum memerlukan waktu yang sangat lama. Menurut Baskoro (008), pertumbuan ekonom suatu negara dapat dlat dar pendapatan nasonal yatu banyaknya barang dan jasa yang daslkan secara keseluruan. Pada teor ekonom makro, pendapatan nasonal (Y) secara klask merupakan fungs dar pemanfaatan tenaga kerja (L), stok kaptal yang terseda (K), sumber daya alam (R), dan teknolog yang dgunakan (T). Secara sngkat ubungan tersebut dapat dnyatakan sebaga model Y f ( L, K, R, T ). 1
2 Secara parsal, pola ubungan antara pendapatan nasonal (Y) dengan berbaga sumber daya alam (R) dapat dnyatakan sebaga ubungan lnear Y f ( R ) dengan menyatakan galat. Dengan menggunakan metode penaksran akan dperole persamaan gars regres yang menunjukkan ubungan antara pendapatan nasonal dengan berbaga jens sumber daya alam. Leb jau lag, kontrbus berbaga jens sumber daya alam dalam pembentukan pendapatan nasonal dapat dlat melalu pola ubungan yang ada. Ada berbaga metode penaksran model yang dapat dgunakan, dantaranya adala metode ordnary least squared (OLS). Penaksr parameter yang dperole dengan metode OLS akan bersfat tak bas lnear terbak (best lnear unbased estmator) jka asums yang mendasar metode OLS dpenu. Asums regres lner klask tersebut antara lan adala: (a) model regres dspesfkaskan dengan benar, (b) faktor galat (error) menyebar normal dengan mean nol dan varans tertentu, (c) tdak terjad eteroskedaststas pada ragam galat, (d) tdak terjad multkolnertas antara peuba bebas, (e) tdak ada autokorelas dalam galat, dan (f) tdak ada penclan (outler). Pada dasarnya, metode n memnmumkan jumla kuadrat smpangan Y dar nla arapannya EY ( ) memnmumkan ( Y X) ( Y X ) sengga dengan menyelesakan persamaan normal 1 XX ˆ XY akan dperole penaksr OLS bag yakn Smt,199). yatu ˆ X X X Y (Draper & Apabla ada penympangan teradap asums dasar, kususnya jka model regres dbangun dar data yang mengandung pengamatan penclan yang berpotens sebaga pengamatan berpengaru, maka penggunaan metode OLS tdak dapat memberkan penaksr yang bersfat best lnear unbased estmator. Pengamatan penclan adala pengamatan dengan ssaan yang cukup besar, sedangkan pengamatan berpengaru adala pengamatan yang dapat mempengaru asl pendugaan koefsen regres, sengga tndakan membuang pengamatan yang berpengaru akan menguba secara sgnfkan persamaan regres serta kesmpulannya. Selan tu, penggunaan metode OLS dapat mengakbatkan berkurangnya keteltan dalam pendugaan selang bag koefsen gars regres, sementara tndakan membuang atau mengabakan pengamatan penclan yang berpotens sebaga pengamatan berpengaru bukanla prosedur yang bjaksana. Pengamatan penclan adakalanya memberkan nformas yang cukup berart, msalnya karena penclan tmbul dar kombnas keadaan yang tdak basa yang mungkn saja sangat pentng dan perlu dseldk leb lanjut (Draper & Smt, 199). Adanya pengamatan penclan teradap nla-nla X nya dapat dperksa dengan melat matrks -1 dugaan (at matrx) yang ddefnskan sebaga: H X( XX ) X. Unsur ke- pada dagonal utama matrks dugaan yakn basanya dnamakan pengaru (leverage) kasus ke- yang dapat dperole dar 1 x X X x, dmana x adala vektor bars ke- dar matrks X. Nla terletak antara 0 dan 1 dan n 1 p, yatu banyaknya parameter regres. Nla leverage yang besar menunjukkan bawa pengamatan ke- berada jau dar pusat semua pengamatan X. Suatu nla leverage basanya danggap besar apabla nlanya leb dar dua kal rataan semua leverage ( pn. ) Pada
3 dasarnya nla yang semakn besar menunjukkan semakn besar potensnya berpengaru dalam pendugaan parameter regres. Dalam Myers (1990), adanya pengamatan yang berpengaru, dapat dperksa dengan nla perbedaan dugaan peuba tak bebas terbakukan (DFFITS) yang drumuskan sebaga: ( DFFITS) pengamatan ke-, yˆ yˆ, dengan ˆ s y nla pendugaan y, yˆ, nla pendugaan y tanpa s dugaan smpangan baku tanpa pengamatan ke- dan unsur ke- dar dagonal matrks dugaan. Jka p menyatakan banyaknya parameter dan n menyatakan banyaknya pengamatan, maka suatu pengamatan akan merupakan pengamatan berpengaru dalam persamaan regres apabla mempunya nla DFFITS ( p n) (Myers, 1990). Guna mengatas kelemaan dar metode OLS, dcoba metode lan yang bersfat tdak senstf teradap pelanggaran asums-asums, yatu metode regres robust (robust regresson). Beberapa metode penaksran koefsen gars regres yang bersfat robust tela dkembangkan, dantaranya adala metode least trmmed squared (LTS). Sebaga metode alternatf, metode LTS merupakan metode robust. Penduga LTS dperole dengan mencar model regres yang memnmumkan jumla kuadrat ssaan ( ) e atau ddefnskan sebaga ˆ mn ( ) LTS : e dengan ( 1) n n p dan ( ) n : e adala kuadrat ssaan yang terurut. Menurut Rousseeuw dan Leroy (003), langka-langka untuk mendapatkan penduga LTS adala: (1) mengtung taksran koefsen gars regres ˆlama dar model y x untuk n data dengan metode OLS, () mengtung n resdual e y x ˆ, (3) mengurutkan data n : ; 1,,..., e n, (4) menentukan ( 1) lama n p data sebaga sub sampel dengan e : ; 1,,..., terkecl, (5) mengtung jumla kuadrat yang bersesuaan untuk sub sampel (1) n : 1 JK e, (6) mengtung taksran koefsen gars regres ˆbaru berdasarkan ( n p 1) data, (7) mengtung resdual e y x ˆ, (8) mengurutkan data e, (9) menentukan : ; 1,,..., baru 0 ( p 1) data sebaga sub sampel dengan e ; 1,,..., terkecl, (10) mengtung jumla kuadrat yang bersesuaan untuk sub sampel : 0 0 () 0 JK e, (11) ulang langka 1 sampa dengan 5 sedemkan sengga dperole nla 1 : ( j ) JK mnmum dan penduga LTS adala ˆ ( j ) dengan ( j ) JK mnmum. Tulsan n bertujuan untuk menentukan taksran model pemanfaatan sumber daya alam dan energ dengan metode LTS serta mengkaj performa metode LTS sebaga metode alternatf dalam menentukan model pemanfaatan sumber daya alam dan energ. 3
4 METODE Dalam kajan n menggunakan data sekunder dar Bro Pusat Statstk (BPS) berupa pendapatan nasonal dan jumla penambangan mneral (batu bara, baukst, dan bj bes) taun 1996 sampa dengan taun 008. Adapun langka-langka yang dlakukan adala: (1) menentukan taksran model pemanfaatan sumber daya alam dan energ dengan metode OLS, () menentukan taksran model pemanfaatan sumber daya alam dan energ dengan metode LTS, dan (3) membandngkan performa metode LTS dengan metode OLS. HASIL DAN PEMBAHASAN Berdasarkan data pendapatan nasonal dan asl penambangan mneral mula taun 1996 sampa dengan taun 008, metode OLS memberkan taksran model lnear untuk pendapatan nasonal (dalam rupa) dan produks batu bara (dalam ton) yatu Pendapatan ,0940 Batubara. Selan tu, metode OLS memberkan koefsen determnas R 90,1% artnya persamaan gars regres lnear yang dperole dapat menjelaskan 90,1% dar varans total dalam data, asl analss regres dan plot antara pendapatan nasonal dan produks batu bara secara lengkap dapat dlat pada Tabel 1. Tabel 1. Metode OLS untuk Pendapatan Nasonal dan Produks Batubara Te regresson equaton s Pendapatan (rupa) = ,0940 Batubara (ton) Predctor Coef SE Coef T P Constant ,38 0,195 Batubara 0, , ,00 0,000 S = R-Sq = 90,1% R-Sq(adj) = 89,% Analyss of Varance Source DF SS MS F P Regresson 1,67906E+14,67906E ,08 0,000 Resdual Error 11,94455E+13,67686E+1 Total 1,97351E+14 Unusual Observatons Obs Batubara Pendapatan Ft SE Ft Resdual St Resd ,70R R denotes an observaton wt a large standardzed resdual Durbn-Watson statstc = 1,16 4
5 Pendapatan Regresson Plot Pendapatan = , Batubara S = R-Sq = 90,1 % R-Sq(adj) = 89, % ,00E+08 1,50E+08,00E+08 Batubara Selan tu, asl analss regres menunjukkan bawa ada satu pengamatan penclan yatu pengamatan ke tga belas, sengga perlu dlakukan penaksran persamaan regres menggunakan metode LTS. Pada Tabel dapat dlat bawa metode LTS memberkan taksran model lnear untuk pendapatan nasonal dan produks batu bara sebaga Pendapatan 95475,5 0,0834 Batubara. Persamaan gars regres lnear yang dperole dapat menjelaskan 94,7% dar varans total dalam data, sengga pada kasus data mengandung pengamatan penclan yang berpengaru, metode LTS memberkan taksran model lnear yang leb sesua dbandng metode OLS. Hasl n sejalan dengan asl kajan sebelumnya yang menunjukkan bawa pada data yang mengandung penclan, metode LTS mempunya kemampuan yang berbeda dengan metode OLS dalam menaksr koefsen gars regres, tetap tdak jau berbeda dengan metode robust lannya (metode M dan metode LMS) dalam menaksr koefsen gars regres Sugart (011). Tabel. Metode LTS untuk Pendapatan Nasonal dan Produks Batubara *** Robust LTS Lnear Regresson *** Coeffcents: Intercept Batubara Scale estmate of resduals: Robust Multple R-Squared: Total number of observatons: 13 Selanjutnya, berdasarkan asl pemlan model terbak menggunakan krtera best subsets regresson, metode OLS memberkan taksran model lnear untuk pendapatan nasonal (dalam rupa), produks batubara (dalam ton), dan produks bj bes (dalam ton) sebaga Pendapatan ,0861 Batubara 1,16 Bj Bes. Selan tu, metode OLS memberkan koefsen determnas R 96,9% artnya persamaan gars regres lnear yang dperole dapat menjelaskan 96,9% dar varans total dalam data, asl analss regres antara pendapatan nasonal, produks batubara, dan produks bj bes secara lengkap dapat dlat pada Tabel 3. 5
6 Tabel 3. Metode OLS untuk Pendapatan Nasonal, Produks Batubara, dan Produks Bj Bes Te regresson equaton s Pendapatan (rupa) = ,0861 Batubara (ton) + 1,16 Bj Bes (ton) Predctor Coef SE Coef T P VIF Constant ,13 0,059 Batubara 0, , ,85 0,000 1,1 Bj Bes 1,1630 0,497 4,66 0,001 1,1 S = R-Sq = 96,9% R-Sq(adj) = 96,3% Analyss of Varance Source DF SS MS F P Regresson,88061E+14 1,44031E ,04 0,000 Resdual Error 10 9,8995E+1 9,8995E+11 Total 1,97351E+14 Source DF Seq SS Batubara 1,67906E+14 Bj Bes 1,01555E+13 Unusual Observatons Obs Batubara Pendapat Ft SE Ft Resdual St Resd ,0R ,08 X R denotes an observaton wt a large standardzed resdual X denotes an observaton wose X value gves t large nfluence. Pada Tabel 3 dapat dlat ada dua pengamatan penclan dan satu dantaranya merupakan pengamatan penclan yang berpengaru teradap taksran persamaan gars regres, sengga dengan menggunakan metode LTS dperole taksran persamaan gars regres untuk pendapatan nasonal, produks batubara, dan produks bj bes sebaga Pendapatan ,0906 Batubara 1,15 Bj Bes sebagamana dsajkan dalam Tabel 4. Persamaan gars regres lnear yang dperole dapat menjelaskan 97,6% dar varans total dalam data, sengga pada kasus data mengandung pengamatan penclan yang berpengaru, metode LTS memberkan taksran model lnear yang sedkt leb sesua dbandng metode OLS. Tabel 4. Metode LTS untuk Pendapatan Nasonal, Produks Batubara, dan Produks Bj Bes *** Robust LTS Lnear Regresson *** Coeffcents: Intercept Batubara BjBes Scale estmate of resduals: Robust Multple R-Squared: Total number of observatons: 13 6
7 KESIMPULAN Metode LTS memberkan taksran untuk model pemanfaatan sumber daya alam dan energ sebaga Pendapatan ,0906 Batubara 1,15 Bj Bes. Performa metode LTS sedkt leb bak dbandng metode OLS dalam menentukan model pemanfaatan sumber daya alam dan energ jka data mengandung penclan. Kajan leb lanjut teradap model mas dperlukan berkatan dengan dstrbus dar koefsen gars yang dperole dan data yang bersfat runtun waktu. DAFTAR PUSTAKA Baskoro. (008). Pengantar Ekonom Lngkungan. Jakarta: Unverstas Terbuka Draper, N.R. & Smt, H. (1981). Appled regresson analyss. nd ed. New York: Wley. Myers, R.H. (1990). Classcal and modern regresson wt applcatons. nd ed. Boston: PWS- Kent. Rousseeuw,P.J. & Leroy,A.M. (003). Robust regresson and outler detecton. New York: Wley. Sugart, H. & Megawarn, A. (011). Kemampuan Metode Least Trmmed Squared sebaga Metode Alternatf dalam Menaksr Koefsen Gars Regres. Semnar Hasl Peneltan FMIPA Unverstas Terbuka pada tanggal 1 Desember
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciAnalisis Regresi 2. Mendeteksi pencilan dan penanganannya
Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres 1 Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya E[Y x] E[Y x] y b
Lebih terperinciHarmi Sugiarti Jurusan Statistika FMIPA Universitas Terbuka. ABSTRAK
PENAKSIR LEAST MEDIAN SQUARE UNTUK POLA HUBUNGAN LINEAR ANTARA PARTISIPASI MAHASISWA DALAM TUTORIAL ONLINE TERHADAP NILAI UJIAN AKHIR SEMESTER MATA KULIAH STATISTIKA (MMPI5103) Harm Sugart Jurusan Statstka
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya ) E [Y x ] E [Y x] =
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciTINGKAT EFISIENSI PENAKSIR M TERHADAP PENAKSIR LMS DALAM MENAKSIR KOEFISIEN GARIS REGRESI
INGKA EFISIENSI PENAKSIR M ERHADAP PENAKSIR LMS DALAM MENAKSIR KOEFISIEN GARIS REGRESI Harm Sugart (harm@ut.ac.d) And Megawarn Jurusan Statstk FMIPA Unverstas erbuka ABSRAC he usng of OLS method to estmate
Lebih terperinciPerbandingan Metode Partial Least Square (PLS) dengan Regresi Komponen Utama untuk Mengatasi Multikolinearitas
Statstka, Vol. No., 33 4 Me 0 Perbandngan Metode Partal Least Square (PLS) dengan Regres Komponen Utama untuk Mengatas Multkolneartas Nurasana, Muammad Subanto, Rka Ftran Jurusan Matematka FMIPA UNSYIAH
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI.1 Regres Lner Analss regres dgunakan untuk mengetahu hubungan antara varabel terkat (Y) dengan satu atau lebh varabel bebas (X). Menurut Har et al (009) regres lnear sederhana dapat
Lebih terperinciAnalisis Regresi Linear Sederhana
Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks
Lebih terperinciModel Regresi Berganda
Model Regres Berganda Huungan lnear (dlm parameter) antara peuah tak eas & atau leh peuah eas Intersep-Y Populas Slope Populas Random Error Y 0 p p Ŷ 0 p p e Peuah tak eas (Respons) utk sampel Peuah eas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciRIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN
RIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN Sudartanto 1, Nono Suwarno 2, Ahmad Taofk 3 JurusanStatstka FMIPA-UNPAD, Fapet UNPAD, Jurusan Agrotek UIN emal : sudartanto@unpad.ac.d;
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 8 ANOVA (2)
STK5 Analss Statstka Pertemuan 8 ANOVA () 8. ANOVA () Dagnoss Model Hpotess Klasfkas satu arah : Y atau Y j j j j Klasfkas dua arah : Yj j j??? Pengaruh perlakuan: H 0 : = 0 H : palng sedkt ada satu dmana
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB VIII PENUTUP 8.1. Kesimpulan Penelitian
A VIII PENUTUP 8.. Kesmpulan Peneltan Dalam peneltan yang tela dlakukan, dperole nformas knerja transms dan spektrum gelombang serta stabltas terumbu ottle Reef TM sebaga peredam gelombang ambang terbenam
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN EORI.. Regres... Pengertan Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan kta meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu atau lebh peubah bebas
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciIndependent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi
Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciPENGGUNAAN KRITERIA rcp PADA PEMILIHAN PEUBAH BEBAS TERBAIK JIKA TERDAPAT MULTIKOLINEARITAS
PENGGUNAAN KRIERIA rp PADA PEMILIHAN PEUBAH BEBAS ERBAIK JIKA ERDAPA MULIKOLINEARIAS Harm Sugart (harm@mal.ut.a.d) Unverstas erbuka ABSRAC Some roedures an be used for seletng ndeendent varables, one of
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciREGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA
ANALISIS REGRESI 1 Pokok Bahasan : REGRESI LINIER SEDERHANA Deskrps Model Macam-macam Model Regres Model Regres 1 peubah penjelas > 1 peubah penjelas Sederhana Berganda Lner Non Lner Lner Non Lner Polnom
Lebih terperinciMETODE RANK NONPARAMETRIK PADA MODEL REGRESI LINEAR
METODE RANK NONPARAMETRIK PADA MODEL REGRESI LINEAR oleh KUSUMA M4 SKRIPSI dtuls dan daukan untuk memenuh sebagan persyaratan memperoleh gelar Sarana Sans Matematka FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN Dalam peneltan n penuls bermaksud untuk menelt bagamana pengaruh perubahan kebjakan moneter terhadap jumlah kredt yang dberkan oleh bank pada beberapa kelompok bank berdasarkan
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data
9 III. METODE PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam peneltan adalah data prmer dan data sekunder. Data prmer berupa data prmer (cross secton) Surve Khusus Tabungan dan Investas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBAB III METODE PENELITIAN. Objek penelitian ini adalah nilai tambah sektor pertanian untuk PDRB
73 BAB III METODE PENELITIAN 3.1 Objek Peneltan Objek peneltan n adalah nla tambah sektor pertanan untuk PDRB Jawa Barat berupa data tme seres perode 1985-005. selan tu penuls memlh varabel yang mempengaruhnya
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciKorelasi & Regresi. Oleh: Kukuh Winarso
Korelas & Regres Oleh: Kukuh Wnarso Klasfkas Pemodelan Regres SKALA PENGUKURAN DATA PADA VARIABEL RESPON REGRESI NOMINAL, ORDINAL INTERVAL, RASIO REGRESI LOGISTIK REGRESI LINIER SEDERHANA REGRESI ORDINAL/
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciPemodelan Regresi Variabel Moderasi Dengan Metode Sub-Group. Regression Modeling of Moderating Variable with a Method of Sub Group
Jurnal EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Pemodelan Regres Varabel Moderas Dengan Metode Sub-Group Regresson Modelng of Moderatng Varable wth a Method of Sub Group Rsna Septawat, Des
Lebih terperinciUji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi
Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENEITIAN Peneltan n merupakan peneltan deskrptf, yang dalam penulsannya dmaksudkan untuk menjabarkan penyerapan tenaga kerja berdasarkan konds wlayah peneltan. Analss dlakukan secara kualtatf
Lebih terperinciRESAMPLING UNTUK MEMPERBESAR KOEFISIEN DETERMINASI DALAM MODEL REGRESI LINEAR.
Resamplng untuk Memperbesar Koefsen Determnas RESAMPLING UNUK MEMPERBESAR KOEFISIEN DEERMINASI DALAM MODEL REGRESI LINEAR. Ad Setawan Program Stud Matematka Fakultas Sans dan Matematka, Unverstas Krsten
Lebih terperinciREKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA
REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan
Lebih terperinciBAB III OBJEK DAN DESAIN PENELITIAN. Bab ini dibagi menjadi dua bagian, yaitu objek penelitian dan desain penelitian.
BAB III OBJEK DAN DESAIN PENELITIAN Bab n dbag menjad dua bagan, yatu objek peneltan dan desan peneltan. III.1 Objek Peneltan Objek peneltan dalam skrps n adalah nla perusahaan LQ 45 perode 2009-2011.
Lebih terperinciModel Regresi Variabel dengan Metode Selisih Mutlak. Moderating Variable Regression Model with an Absolute Difference Method
Model Regres Varabel dengan Metode Selsh Mutlak Moderatng Varable Regresson Model wth an Absolute Dfference Method Desy Ika Rachmawat 1, Des Yunart, dan Darnah And Nohe 3 1 Mahasswa Program Stud Statstka
Lebih terperinciBOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL
BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciAGUS TRI BASUKI PENGANTAR EKONOMETRIKA (DILENGKAPI PENGGUNAAN EVIEWS) 0 B A H A N A J A R P E N G A N T A R E K O N O M E T R I K A
AGUS TRI BASUKI PENGANTAR EKONOMETRIKA (DILENGKAPI PENGGUNAAN EVIEWS) 0 B A H A N A J A R P E N G A N T A R E K O N O M E T R I K A PENGANTAR EKONOMETRIKA (DILENGKAPI PENGGUNAAN EVIEWS) Katalog Dalam Terbtan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciMODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciRANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007
RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Desgn) Dr.Ir. I Made Sumertajaya, M.S Departemen Statstka-FMIPA IPB 007 Revew Rancangan Acak Kelompok Kta ngn membandngkan t perlakuan Pengelompokan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciMENCERMATI BERBAGAI JENIS PERMASALAHAN DALAM PROGRAM LINIER KABUR. Mohammad Asikin Jurusan Matematika FMIPA UNNES. Abstrak
JURAL MATEMATIKA DA KOMUTER Vol. 6. o., 86-96, Agustus 3, ISS : 4-858 MECERMATI BERBAGAI JEIS ERMASALAHA DALAM ROGRAM LIIER KABUR Mohammad Askn Jurusan Matematka FMIA UES Abstrak Konsep baru tentang hmpunan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciMETODE RANK NONPARAMETRIK PADA MODEL REGRESI LINEAR
METODE RANK NONPARAMETRIK PADA MODEL REGRESI LINEAR oleh KUSUMA M4 SKRIPSI dtuls dan daukan untuk memenuh sebagan persyaratan memperoleh gelar Sarana Sans Matematka FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.3.1 Tempat Peneltan Peneltan n dlaksanakan d SMP Neger Gorontalo khususnya pada sswa kelas VIII. 3.3. Waktu Peneltan Peneltan n dlaksanakan selama
Lebih terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
TNR 1 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL IV TNR 1 Space.0 ANALISIS
Lebih terperinciESTIMASI PARAMETER REGRESI ROBUST DENGAN METODE ESTIMASI-S PADA PENJUALAN ENERGI LISTRIK DI JAWA TENGAH TAHUN 2009
ESTIMASI PARAMETER REGRESI ROBUST DENGAN METODE ESTIMASI-S PADA PENJUALAN ENERGI LISTRIK DI JAWA TENGAH TAHUN 2009 oleh GRIYA ARTIANA M007033 SKRIPSI dtuls dan dajukan untuk memenuh sebagan persyaratan
Lebih terperinciV ANALISIS VARIABEL MODERASI DAN MEDIASI
Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas
Lebih terperinci