Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression
|
|
- Susanto Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) D-355 Pemodela da Pemetaa Kasus Peumoa d Kota Padag Tahu 04 dega Geograpghcally Weghted Negatve Bomal Regresso Reo War Dva Rahmtr da Wwek Setya Wahju Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya 60 Idoesa e-mal: wwek@statstka.ts.ac.d Abstrak Peumoa merupaka salah satu peyakt yag palg bayak meyebabka kemata pada balta da termasuk dalam peyakt meular. Peyakt meular tertgg d Kota Padag pada tahu 04 adalah kasus ISPA dega 0,5% atau sektar.850 kasus merupaka kasus peumoa. Dalam peelta dlakuka pemodela jumlah kasus peumoa dega metode Geographcally Weghted Negatve Bomal Regresso (GWNBR). Hasl pemodela dega megguaka GWNBR dperoleh tdak terdapat perbedaa varabel yag sgfka tap kecamata d Kota Padag. Seluruh varabel memlk pegaruh yag sgfka terhadap pembe-tuka model utuk masgmasg wlayah kecamata d Kota Padag, varabel tersebut yatu kepadata peduduk, per-setase rumah tagga berperlaku hdup bersh da sehat, persetase ASI ekslusf, persetase balta gz buruk da kualtas udara Kata Kuc GWNBR,Peumoa, Regres Bomal Negatf. P I. PENDAHULUAN eumoa merupaka salah satu peyakt yag termasuk feks salura perapasa. Peumoayatu terjad pera-daga atau rtas pada salah satu atau kedua paru yag dsebabka oleh feks.peumoamerupaka salah satu pe-yakt yag palg bayak meyebabka kemata pada balta da termasuk dalam peyakt meular. Peumoa dapat meular melalu udara. D Idoesa jumlah kasus peumoa sagat tgg yatu sektar 6 juta kasus per tahu. D Kota Padag kasus peyakt meularterbayak pada tahu 04 adalah kasus ISPA yatu sebesar 4% yatu sektar 8.69 kasus. Sedagka jumlah kasus peumoa yag dtemuka pada balta yatu kasus [4]. Agka sagat besar yatu dar seluruh kasus peumoa d Sumatera Barat sektar 67% kasus terjad d Kota Padag. Balta pederta peumoa yag dtemuka da dtaga sebayak.850 kasus atau sektar 0,5%. Jumlah kasus peumoa merupaka data cout, sehgga salah satu aalss yag dapat dguaka utuk megetahu faktor berpegaruh adalah regres Posso. Pada keya-taayaserg kal mucul overdspers [], sehgga metode regres Posso tdak cocok utuk kasus dega adaya overdspers. Salah satu metode yag dguaka uuk meg-atas overdspers dalam regres Posso adalah regres bo-mal egatf. Dega memperhatka aspek spasal maka dguaka metode geographcally weghted egatve bomal regresso (GWNBR), dmaa setap wlayah memlk karakterstk yag berbeda-beda sehgga meyebabka ada-ya perbedaa kasus peumoa atara wlayah yag satu dega wlayah laya. Berdasarka uraa datas, maka peelta dlakuka pemodela terhadap faktor-faktor yag mempegaruh jumlah kasus peumoa d Kota Padag dega metode GWNBR. II. Regres Posso TINJAUAN PUSTAKA Regres Posso merupaka metode yag dguaka dalam megaalss data dskrt (cout) []. Jka varabel Y ber-dstrbus Posso maka fugs peluag dar dstrbus Posso dapat dyataka y e f ( y, ), y 0,,,... () y! Dega μ merupaka rata-rata varabel radom Y yag berdstrbus Posso dmaa la rata-rata da varas mem-puya la lebh dar ol. Persamaa regres Posso dapat dyataka p exp 0 j xj =,,, j=,,, p () j Peaksra parameter dlakuka dega megguaka metode maxmum lkelhood estmato (MLE) yatu dega cara memaksmumka fugs lkelhood. Fugs lkelhoodd-rumuska x l β) e T β T yx β l( y!) (3) Peguja sgfkas parameter terdr dar uj seretak da parsal yatu megguaka Maxmum Lkelhood Rato Test (MLRT) dega hpotess sebaga berkut [0] H 0 : β = β = = β p = 0 H : palg sedkt ada satu β j 0 ; j =,,...,p dega statstk uj ˆ) D( β ˆ) l l( ˆ )) l( ˆ)) ˆ (4) ) Tolak H 0 jka D(β ) > χ (p,α) yag artya bahwa mmal ada satu parameter yag berpegaruh secara sgfka. Dla-jutka dega peguja parameter secara parsal dega h-potess
2 D-356 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) H 0 :β j = 0 H :β j 0 dega statstk uj ˆ j Z htug (5) SE( ˆ j ) Tolak H 0 jka Z htug > Zα dega α merupaka tgkat sgfkas yag dtetuka. Tolak H 0 berart bahwa parame-ter ke-j sgfka terhadap model regres Posso. Overdspers Overdspers adalah kods dmaa la varas lebh besar dar la mea, yag artya sfat equdsperso tdak terpeuh. Overdspers meyebabka taksra parameter mo-del mejad bas da tdak efse. Selatu, overdspers meyebabka tgkat kesalaha model semak besar da regres Posso mejad tdak sesua. Overdspers merupaka la dspers yag ddapat dar la devace yag dbag dega derajat bebasya dar regres Posso, jka dperoleh la lebh besar dar maka dapat dkataka terjad overdspers [6]. Regres Bomal Negatf Model regres bomal egatf mempuya fugs dstrbus f(y, μ, θ) = (y+ θ ) ( ( θ )(y!) ) θ θμ ( +θμ +θμ )y (6) Estmas model regres bomal egatf dyataka p μ = exp(β 0 + j= β j x j ) (7) Metode Maxmum Lkelhood Estmato (MLE) dguaka utuk estmas paraeter, kemuda dlajutka dega teras Newto Raphso dar turua pertama fugs log lkelhood yag dturuka terhadap θ,β da dsamadegaka ol. Fugs log lkelhood dar regres bomal egatf adalah se-baga berkut. β, ) ' { y ( β) l( exp( β)) l ( y ) l ( y ) l ( )} Peguja sgfkas secara seretak utuk estmas parameter model regres bomal egatf dega hpotess H 0 : β = β =... = β p = 0 H : palg sedkt ada satu β j 0, j=,,...,p Statstk Uj: ˆ) D( β ˆ) l l (l ˆ ) l ˆ)) (9) ˆ ) Tolak H 0 jka statstk uj D(β ) > χ (α;p) berart palg sedkt ada satu parameter berpegaruh secara sgfka ter-hadap model. Peguja dlajutka dega uj secara parsal dega hpotess H 0 : β j = 0 H : β j 0 Statstk Uj: ˆ j Z htug (0) SE( ˆ ) j Tolak H 0 jka la Z htug > Zα yag berart parameter ke-j memberka pegaruh yag sgfka terhadap model. (8) Peguja Heterogetas Spasal Peguja heterogetas spasal dguaka utuk melhat perbedaa karakterstk atara satu ttk pegamata dega ttk pegamata laya meyebabka adaya heterogetas spasal. Utuk melhat adaya heterogetas spasal pada data dapat dlakuka peguja Breusch-Paga dega hpotess H 0 : σ = σ = = σ = σ (varas atar lokas sama) H : Mmal adasatu σ σ, =,,..., (varas atar lokas berbeda) dega statstk uj Breusch-Paga (BP) adalah sebaga berkut. BP = ( ) ft Z(Z T Z) Z T f () dmaa e = y y f = (f, f,, f ) T dega f = e σ ˆ e e = kuadrat ssaa utuk pegamata ke- Z = matrks berukura x(p+) yag bers vektor yag sudah d ormal bakuka (z) utuk setap pegamata. Krtera peolaka yatu tolak H 0 jka statstk uj BP > χ (α,p) yag artya adalah varas atar lokas berbeda. Peguja Depedes Spasal Peguja depedes spasal dguaa utuk melhat apakah pegamata pada suatu lokas bergatug pada lokas peg-amata la yag letakya berdekata. Statstk uj yag dguaka dalam autokorelas spasal adalah Mora s I. Mora s I adalah ukura hubuga atara pegamata yag salg berdekata []. Hpotess yag dguaka H 0 : I = 0 (tdak ada depedes spasal) H : I 0 (ada depedes spasal) dega statstk uj Mora s I sebaga berkut Z I ht = I E(I ) () Var(I ) Dmaa Iˆ k W k k W ( y k y)( y ( y k y) y) (3) = bayak pegamata y = la rata-rata dar y dar lokas y = la pegamata pada lokas ke- y k = la pegamata pada lokas ke-k w k = eleme matrks pembobot kerel fxed Gaussa Krtera peolaka yatu tolak H 0 jka la Z I ht > Zα yag artya terdapat depedes spasal. Fugs pembo-bot yag dguaka adalah fugs kerel fxed Gaussa. GWNBR Model GWNBR merupaka pegembaga dar model regres bomal egatf. Model GWNBR aka meghaslka parameter lokal dega masg-masg
3 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) D-357 lokas aka memlk parameter yag berbeda-beda. Model GWNBR dapat dru-muska sebaga berkut []. p y ~ NB exp j ( u, v ) x j, ( u v, (4) j 0 Estmas parameter model GWNBR megguaka metode maxmum lkelhood estmato. Fugs lkelhood dturuka terhadap θ,β da dsamadegaka ol. Estmas dlakuka dega teras Newto Raphso. Peguja kesamaa model GWNBR dega regres bomal egatf dlakuka utuk melhat terdapat perbedaa yag sgfka atau tdak atara model GWNBR dega regres bomal egatf dega hpotess H 0 β j (u, v ) = β j j=0,,,...,p ; =,,..., H β j (u, v ) β j Statstk uj : F ht = devasmodela dfa devasmodelb dfb (5) Model A adalah model regres bomal egatf da model B adalah model GWNBR yag megkut dstrbus F dega derajat bebas df A da df B. Tolak H 0 jka F ht > F (α,dfa,df B ) yag artya bahwa ada perbedaa yag sgfka atara model bomal egatf dega model GWNBR. Uj sgfkas secara seretak dega megguaka maxmum lkelhood rato test (MLRT) dega hpotess H 0 : β (u, v ) = β (u, v ) = = β p (u, v ) = 0 H : palg sedkt ada satu β j (u, v ) 0 ; j =,,...,p Statstk Uj: D(β ) = l ( ω ) ) ) = (l L ( ) l ω )) (6) Krtera peolaka yatu Tolak H 0 jka statstk uj D(β )χ (α,p). Kemuda dlakuka peguja sgfkas se-cara parsal utuk megetahu parameter maa saja yag memberka pegaruh yag sgfka terhadap varabel res-po pada tap-tap lokas dega hpotess H 0 : β j (u, v ) = 0 H : β j (u, v ) 0 ; j=.,...,p Statstkuj: Z htug ˆ j ( u, v ) (7) SE( ˆ ( u, v ) j Krtera peolaka adalah tolak H 0 jka statstk uj Z htug > Z (α/) yag berart bahwa parameter j berpegaruh sgfka terhadap varabel respo pada lokas ke- Peumoa Peumoa merupaka salah satu peyakt yag termasuk feks salura perapasa. Peumoa yatu terjad perada-ga atau rtas pada salah satu atau kedua paru yag d-sebabka oleh feks. Peyakt umumya terjad pada aak-aak dega cr-cr adaya demam, batuk dserta afas cepat atau sesak afas. Secara etolog, peumoa dbedaka berdasarka age peyebab feks, bak tu bakter, vrus maupu parast. Pada umumya terjad akbat adaya feks bakter peumokokus (Streptococcud Peumoae). Beberapa peelta meemuka bahwa kuma meyebabka peu-moahampr pada semua kelompok umur da palg bayak terjad d egara-egara berkembag. Kejada peumoa pada balta dperlhatka dega adaya cr-cr demam, batuk, plek dserta sesak afas da trka ddg dada baga bawah kedalam, serta saoss pada feks yag berat. Tarka ddg baga bawah kedalam terjad karea geraka paru yag megurag atau decreased lug complace akbat feks peumoa yag berat. Faktor rsko yag megkatak kemata akbat peumoa adalah umur, jes kelam, tgkat sosal ekoom redah, gz kurag, berat bada lahr redah, tgkat peddka bu, tgkat jagkaua pelayaa kesehata, kepadata rumah da polus udara. III. Sumber Data METODOLOGI PENELITIAN Sumber data yag dguaka dalam peelta adalah data sekuder megea peyakt peumoa d Kota Padag pada tahu 04 beserta faktor-faktor yag mem-pegaruhya yag dperoleh melalu data profl kesehata d Das Kesehata Kota Padag da data demograf d Bada Pusat Statstk Provs Sumatera Barat. Jumlah lokas pee-lta yag dguaka adalah sebayak kecamata. Varabel Peelta Varabel yag dguaka dalam peelta sebaga berkut.. Jumlah kasus peumoa d tap kecamata d Kota Padag(Y). Kepadata peduduk (jwa/km ) ( ) 3. Persetase rumah tagga yag berperlaku hdup bersh da sehat ( ) 4. Persetase bay yag medapat ASI ekslusf ( 3 ) 5. Persetase balta gz buruk ( 4 ) 6. Partculate matter (PM0, µgram/m 3 ) ( 5 ) Lagkah Aalss Lagkah aalss utuk meyelesaka permasalaha adalah. Medeskrpska karakterstk jumlah kasus peumoa d Kota Padag pada tahu 04 megguaka pemetaa wlayah utuk masgmasg varabel.. Pemerksaa multkoleartas. 3. Megaalss model regres Posso. 4. Peguja overdspers 5. Megaalss model regres bomal egatf 6. Peguja aspek spasal. 7. Megaalss model GWNBR 8. Meark kesmpula IV. ANALISIS DAN PEMBAHASAN Deskrps Varabel Peelta Statstka deskrptf varabel peelta yag dguaka dtujukka pada Tabel. Rata-rata kaus peumoa d Kota Padag tahu 04 sebayak 87 kasus. Varas jumlah kasus peumoa sagat besar yatu 97366, dmaa la varas lebh besar dbadgka la ratarata, data tersebut meu-jukka adaya overdspers. TABEL. STATISTIKA DESKRIPTIF VARIABEL PENELITIAN Varabel Rata-rata Varas M Maks Jumlah kasus peumoa
4 D-358 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) Kepadata peduduk Persetase rumah tagga ber-phbs 67,85 8,938 6,83 74,38 Persetase pembera 75,63 5,39 58,0 83,8 ASI ekslusf Persetase balta gz,8 53,6 3,9 30, buruk Partculate matter (PM0) 3, 06 35,5 54, Karakterstk Jumlah Kasus Peumoa d Kota Padag Tahu 04 Pada tahu 04 jumlah kasus peumoa d Kota Padag sebayak 8983 kasus dega jumlah kasus tertgg d Keca-mata Koto Tagah yatu sebayak 763 kasus sedagka kasus peumoa teredah d Kecamata Bugus Teluk Ka-bug dega 47 kasus. Gambar. Persebara Jumlah Peumoa d Kota Padag Gambar. meujukka persebara jumlah kasus peumoa d Kota Padag, dega membetuk tga kelompok yatu redah, sedag, da tgg. Dmaapersebara wlayah tersebut lebh ddomas pada jumlah kasus peuoma yag tergolog redah dega jumlah kasus ataa kasus. Pemerksaa Multkolertas Tabel. meujukka la VIF utuk setap varabel predktor. TABEL. NILAI VIF DARI VARIABEL PREDIKTOR Varabel VIF,9 3,534 3,758 4,408 5,409 Masg-masg varabel predktor berla kurag dar 0, maka dapat dsmpulka tdak ada kasus multkolertas. Sehgga dapat dlajutka ke pemodela regres Posso, regres bomal egatf da GWNBR. Pemodela Jumlah Kasus PeumoaMegguaka Regres Posso Berkut adalah hasl estmas parameter model regres Posso. TABEL 3. ESTIMASI PARAMETER MODEL REGRESI POISSON Parameter Estmas Stadart Error Z htug β 0 6,808 0,3809 7,876 β,953x0-5 4,809x0-6 -6,40 Parameter Estmas Stadart Error Z htug β 3x0 7,3x0-3 4,03 β 3 -,408x0-,505x0-3 -5,6 β 4-7,983x0,544x0-3 -3,385 β 5-4,86x0-4 9,074x0-5 -5,308 Devas 6,065 AIC 66,6 Tabel 3. meujukka la devas sebesar 6,065 dega taraf sgfkas 0% la χ (0,;5) sebesar 9,36. Hal berart la devas lebh besar dbadg la χ. Sehgga dperoleh kesmpula bahwa tolak H (0,;5) 0 yag artya mmal ada satu varabel predktor yag berpegaruh sg-fka terhadap varabel respo, sehgga perlu dlajutka peguja secara parsal utuk melhat varabel maa yag berpegaruh sgfka terhadap model. Berdasarka hasl peguja secara parsal dega taraf sgfkas 0% ddapatka la Z (0,05) sebesar,645. Nla Z htug yag dpe-roleh dtujukka pada Tabel, semua varabel memberka pegaruh yag sgfka terhadap model, karea la Z htug lebh besar dbadgka la Z (0,05). Sehgga model regres Posso yag dperoleh μˆ exp 6,808 -,953x0-7,983x0 3x0 4-4,86x0 Pemerksaa Overdspers ,408x0 3 Dkataka overdspers jka la devas dbag dega derajat bebasya meghaslka la lebh dar. Nla devas yag dperoleh dar pemodela regres Posso sebesar 6,065 dega derajat bebas adalah 5, hasl la devas dbag dega derajat bebas sebesar,43, la tersebut lebh dar. Hal meujukka bahwa terjad kasus overdspers.sehgga kasus overdspers tersebut harus da-tas. Salah satu metode yag dapat megatas kasus over-dspers yatu megguaka regres bomal egatf. Pemodela Jumlah Kasus PeumoaMegguaka Regres Bomal Negatf Berkut adalah hasl estmas parameter model regres bomal egatf. TABEL 4. ESTIMASI PARAMETER MODEL REGRESI BINOMIAL NEGATIF Parameter Estmas Stadart Error Z htug β 0 6,759 0,933 7,58 β,8x0-5,35x0-5,476 β 3,398x0,758x0,933 β 3 -,789x0 6,48x0-3,783 β 4-7,386x0 4,96x0-3 5,04 β 5-5,037x0-4,44x0-4,45 Devas 0,86 AIC 36,64 Tabel 4. meujukka la devas sebesar 0,86 dega taraf sgfkas 0% la χ (0,;5) sebesar 9,36. Hal berart la devas lebh besar dbadg laχ (0,;5). Sehgga dperoleh kesmpula bahwa tolak H 0 yag artya mmal ada satu varabel predktor yag berpegaruh sgfka terhadap varabel respo. Pada peguja secara seretak dperoleh hasl tolak H 0, sehgga perlu dlakuka peguja secara parsal. Berdasarka hasl peguja secara parsal dega taraf sgfkas 0% ddapatka la Z (0,05) sebesar,645.
5 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) D-359 Nla Z htug yag dperoleh dtujukka pada Tabel 4, seluruh la Z htug lebh besar dar la Z (0,05) yag berart semua varabel berpegaruh sgfka terhadap model. Sehgga model regres bomal egatf yag dperoleh μˆ exp 6,759 -,8x0-7,386x ,037x0 Peguja Aspek Spasal 3,398x0 5 -,789x0 3 Berdasarkahasl peguja heterogetas dperoleh la statstk uj Breusch-Paga sebesar 4,0684 dega p- value 0,5396, dega jumlah parameter 5 da dguaka α se-besar 0% maka ddapatka χ (0,;5) sebesar 9,36. Nla BP > χ, maka dambl keputusa gagal tolak (0,;5) H 0 yag berart varas atarlokas sama atau tdak terdapat perbedaa karakerstk atara satu lokas ttk pegamata dega ttk pegamata laya. Berdasarka hasl peguja dega matrks pembobot fxed gaussa kerel. Hasl perhtuga statstk uj dperoleh bahwa la Z t adalah sebesar,67. Nla lebh besar d-badgka la Z (0,05) yatu sebesar,645, sehgga dapat dputuska tolak H 0 yag berart bahwa ada depedes spasal atau pegamata suatu lokas bergatug pada peg-amata d lokas la yag letakya berdekata. Pemodela Jumlah Kasus Peumoa Megguaka Geographcally Weghted Negatf Bomal Regresso Peguja kesamaa model GWNBR dega regres bomal egatf dega regres bomal egatf. Nla devas model regres bomal egatf sebesar 0,86 da la devas model GWNBR sebesar 0,39, ddapatka F ht =,045, dega megguaka taraf sgfkas 0% ddapatka F (0,;5;5)= 3,45 yag berart gagal tolak H 0, dapat dsmpulka bahwa tdak terdapat perbedaa atara model regres bomal egatf dega model GWNBR. Pada peelta dplh model GWNBR sehgga dlajutka utuk peguja parameter. Berdasarka hasl perhtuga ddapatka la devas model GWNBR sebesar 0,39 dega taraf sgfkas 0% ddapatka χ (0,;5) sebesar 9,36, la devas lebh besar dbadgka la χ (0,;5), sehgga dapat dputuska bahwa tolak H 0, berart bahwa palg sedkt ada satu parameter model GWNBR yag berpegaruh sgfka, maka dlajutka dega peguja parameter secara parsal. Berdasarka hasl peguja sgfkas parameter, dperoleh parameter yag sgfka utuk tap kecamata tdak berbeda. Seluruh parameter,, 3, 4, da 5 mem-lk pegaruh yag sgfka utuk tap kecamata d Kota Padag pada tgkat kepercayaa 0%. Sedagka tgkat kepercayaa 5%, seluruh parameter memlk pegaruh yag sgfka utuk tap kecamata d Kota Padag kecual Kecamata Koto Tagah, dmaa parameter yag sgfka utuk Kecamata Koto Tagah adalah,, 3, da 4. Gambar. meujukka persebara wlayah berdasarka varabel yag sgfka, dmaa varabel yag sgfka adalah,, 3, 4, da 5, varabel yag sgfka utuk masg-masg wlayah adalah sama pada taraf sgfkas 0%. Pada taraf sgfkas 0%, terdapat kelompok wlayah berdasarka varabel yag sgfka, dmaa kelompok merupaka wlayah dega varabel yag sgfka adalah,, 3, 4, da 5, sedagka kelompok merupaka wlayah dega varabel yag sgfka adalah,, 3, da 4. TABEL 5. ESTIMASI PARAMETER MODEL GWNBR DI KECAMATAN PADANG TIMUR Parameter Estmas Z htug β 0 6, , β -3x0-5 -3,3 β 3,3339x0 4,405 β 3 -,735x0,5987 β 4-7,40x0 -,486 β 5-5x0-4,649 Seluruh varabel memberka pegaruh yag sgfka terhadap model, karea la Z htug lebh besar dbadgka la Z (0,05) sebesar,645, sehgga model GWNBR yag dapat dbetuk utuk Kecamata Padag Tmur adalah l(μˆ) 6, x0-5 3,3339x0-4 -,735x0 3-7,40x0 4-5x0 5 Berdasarka model yag terbetuk dsmpulka bahwa setap pertambaha jwa/km ( ) maka aka megurag rata-rata jumlah kasus peumoa sebesar exp(-3x0-5 ) kasus dega asums bahwa varabel laya kosta. Setap pertambaha perse rumah tagga yag berperlaku hdup bersh da sehat ( ) aka megkatka kasus peumoa sebesar exp(0,03339) kasus dega asums varabel laya kosta. Setap pertambaha perse pembera ASI ekslusf ( 3 ) aka megurag kasus peumoa sebesar exp(0,0735) kasus dega asums varabel laya kosta. Hal sesua bahwa jka pembera ASI secara ekslusf semak megkatka maka aka megurag kasus peumoa, ka-rea kaduga ASI bak utuk kesahata da perkembaga balta. Setap pertambaha perse balta gz buruk ( 4 ) aka megurag kasus peumoa sebesar exp(0,074) kasus dega asums varabel laya kosta. Selajutya setap pegkata ugram/m 3 partculate matter (PM0) aka me-gurag kasus peumoa sebesar exp(0,0005) dega asums varabel laya kosta. Gambar. Persebara Wlayah berdasarka Varabel yag Sgfka (α=0%)
6 D-360 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) (30-98 Prt) persetase rumah tagga berpe-rlaku hdup bersh da sehat ( ), persetase ASI ekslusf ( 3 ), persetase balta gz buruk ( 4 ) da kualtas udara ( 5 ). Sara utuk peelta selajutya dapat meambahka beberapa varabel da megguaka ut peelta yag lebh bayak utuk memperoleh hasl yag lebh bak, karea berdasarka hasl yag dperoleh beberapa parameter yag hasl koefse regresya tdak sesua. VI. UCAPAN TERIMA KASIH Terma kash peuls ucapka kepada Das Kesehata Kota Padag yag telah memberka z utuk melakuka pegambla data. Da terma kash peuls ucapka kepada seluruh phak yag telah memberka masuka, dukuga da sara dalam peelta. Gambar 3. Persebara Wlayah berdasarka Varabel yag Sgfka (α=5%) Pemlha model terbak berdasarka krtera la AIC, dmaa model yag terbak adalah model dega la AIC terkecl. Nla AIC utuk model regres Posso, regres Bomal Negatf da model GWNBR dapat dlhat pada Tabel 6 TABEL 6. NILAI AIC Model AIC Regres Posso 66,6 Regres Bomal Negatf 36,64 GWNBR 06,396 Tabel 6 meujukka bahwa dar ketga model tersebut la AIC palg kecl terdapat pada model GWNBR, sehgga dapat dputuska bahwa model GWNBR lebh bak dalam memodelka jumlah kasus peumoa d Kota Padag pada tahu 04. V. KESIMPULAN DAN SARAN Berdasarka hasl aalss da pembahasa yag telah dlakuka, dperoleh kesmpula yatumodel terbak utuk kasus peumoa d Kota Padag tahu 04 adalah model GWNBR. Hasl pemodela GWNBR dperoleh bahwa tdak terdapat perbedaa varabel yag sgfka utuk tap kecamata d Kota Padag. Semua varabel berpegaruh sgfkadalam pembetuka model, varabel tersebut yatu kepadata peduduk ( ), DAFTAR PUSTAKA [] Agrest,A. (00). Categorcal Data Aalyss Secod Edto. New York: Joh Wley & Sos. [] Asel, L. (998). Spatal Ecoometrs: Methods ad Models, Dordrecht: Kluwer Academc Publshers. [3] Camero, A.C. da Trved, P.K. (998). Regresso Aalyss of Cout Data. Cambrdge: Cambrdge Uversty Press. [4] Das Kesehata Kota Padag. (05). Profl Kesehata Kota Padag Tahu 04. Padag: Das Kesehata Kota Padag. [5] Famoye, F., Wulu, J.T. da Sgh, K.P. (004). O The Geeralzed Posso Regresso Model wth a Applcato to Accdet Data. Joural of Data Scece (004) [6] Hard, J. W., & Hlbe, J.M. (007). Geeralzed Lear Models ad Extesos Secod Edto. Texas: Stata Press. [7] Hockg, R. (996). Methods ad Applcato of Lear Models. New York: Joh Wley & Sos. [8] Hlbe, J.M. (0). Negatf Bomal Regresso Secod Edto. Cambrdge: Cambrdge Uversty Press. [9] Machmud, R Peumoa Balta d Idoesa da Pera Kabupate dalam Meaggulagya. Padag: Adalas Uversty Press. [0] Mc Cullagh, P. & Nelder,J.A. (007). Geeralzed Lear Models Secod Edto. Lodo: Chapma & Hall. [] Rcardo, A. & Carvalho, T.V.R. (03). Geographcally Weghted Negatf Bomal Regresso-Icorporatg Overdsperso. New York: Sprger Scece.
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 terperinciPemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped
JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Pemodela Kasus Peumoa Balta d Kota Surabaya dega Geographcally Weghted Posso Regresso da Flexbly Shaped Ftra Spatal Nur Maghfroh, Sca I
Lebih terperinciPemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif
Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciX 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 terperinciPemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif
JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-8 Pemodela Jumlah Kemata Bay d Provs Jawa Tmur Tahu 011 dega Pedekata Regres Bomal Negatf Selfy Atka Sary da I Nyoma Latra Jurusa Statstka,
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.
JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da
Lebih terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF
PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 0 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF Selfy Atka Sary, I Nyoma Latra Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS)
Lebih terperinci11/10/2010 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 terperinciPemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015
JURNAL SAINS DAN SENI IS Vol 6, No, (7) ISSN: 337-35 (3-98X Prt) D-44 Pemodela Regres Posso Iverse Gaussa Stud Kasus: Jumlah Kasus Baru HIV d Provs Jawa egah ahu 5 Adraa Y Herdrawat, I Nyoma Latra, da
Lebih terperinciBAB 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 terperinciAnalisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,
Lebih terperinciPERTEMUAN 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 terperinciAnalisis 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 terperinciBAB 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 terperinciI. PENDAHULUAN. Kata Kunci kematian ibu hamil, Jawa Timur, regresi poisson, binomial negatif, dan GWPR
Faktor yag Mempegaruh Jumlah Kemata Ibu Haml d Jawa mur Dega Megguaka Regres Bomal Negatf da Geographcally Weghted Posso Regresso(GWPR Rfk Arsta (, da Mutah Salamah ( Jurusa Statstka, Fakultas Matematka
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciPemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98X D-9 Pemodela Jumlah Balta Gz Buruk d Jawa Tmur dega Geographcally Weghted Posso Regresso Rahm Amela da Purhad Jurusa Statstka, Fakultas Matematka
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciBAB 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 terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciLANGKAH-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 terperinciANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA
ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA Edhy Bastya, da I Nyoma Latra Jurusa Statstka, Fakultas Matematka da
Lebih terperinciGEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) UNTUK PEMODELAN JUMLAH PENDERITA KUSTA DI JAWA TENGAH
Statstka, Vol., No., November 04 GEOGRAPHICALLY WEIGHED POISSON REGRESSION (GWPR) UNUK PEMODELAN JUMLAH PENDERIA KUSA DI JAWA ENGAH Devy Nova, Rochd Wasoo, Idah Mafaat Nur,, Program Stud Statstka FMIPA
Lebih terperinciBAB 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 terperinciRegresi 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 terperinciJawablah 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 terperinciBAB 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 terperinciStatistika ITS Surabaya
UJIAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA MASYARAKAT NELAYAN KECAMATAN BULAK SURABAYA Oleh : Ctra Elok M 305 00 03 Dose Pembmbg
Lebih terperinciPenerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah
The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:
Lebih terperinciPEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH
Semar Nasoal Statstka IX Isttut Tekolog Sepuluh Nopember, 7 November 009 PEMODELAN REGRESI POISSON UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH Yayuk Lsta 1, Purhad
Lebih terperinciREGRESI 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 terperinciFaktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan
JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Prt) 1 Faktor - Faktor yag Mempegaruh Pelayaa Dstrbus Ar Bersh d Kawasa Permukma Perkotaa Kabupate Pamekasa Dew Rupyat Saga da Da Rahmawat
Lebih terperinciABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2
Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,
Lebih terperinciBAB 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 terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciUji 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 terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciPENAKSIRAN PARAMETER DAN PENGUJIAN HIPOTESIS MIXED GEOGRAPHICALLY WEIGHTED BIVARIATE GENERALIZED POISSON REGRESSION
ESIS SS450 PENAKSIRAN PARAMEER DAN PENGUJIAN HIPOESIS MIXED GEOGRAPHICALLY WEIGHED BIVARIAE GENERALIZED POISSON REGRESSION (Stud Kasus: Jumlah Kemata Ibu da Bay d Provs Jaa mur ahu 05) ANNISA AYU UAMI
Lebih terperinci2.2.3 Ukuran Dispersi
3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka
Lebih terperinciPEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 2011 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR TAHUN 0 DENGAN REGRESI BINOMIAL NEGATIF DAN GWPR (GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Adya Frsaty Ikaprllada Dr. Purhad, M.Sc Jurusa Statstka,
Lebih terperinciSpatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 1) ISSN: 31-98 D-16 Spatal Durb Model utuk Megdetfkas Faktor-Faktor yag Mempegaruh Kemata Ibu d Jawa Tmur La Dw Pertw, Mutah Salamah, da Sutko Jurusa Statstka,
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinci3 Departemen Statistika FMIPA IPB
Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciANALISIS 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 terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciAnalisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Prt) D-9 Aalss Regres Double Hurdle terhadap Faktor-Faktor yag Mempegaruh Partspas Perempua Kaw dalam Kegata Ekoom d Jawa Tmur Devma Chrst Mukt
Lebih terperinciANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL
Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka
Lebih terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR
ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR Devma Chrst Mukt Ratau (), Dr. Dra. Isma Za, M. S. () Jurusa Statstka,
Lebih terperinciBAB 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 terperinciAnalisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter
Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperinciBAB 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 terperinciPENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU
Jural Barekeg Vol. 8 No. 2 Hal. 53 57 (2014) PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU Geographcally
Lebih terperinciAnalisis Regresi Logistik Ordinal terhadap Faktor-faktor yang Mempengaruhi Predikat Kelulusan Mahasiswa S1 di ITS Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (013) ISSN: 337-350 (301-98X Prt) D-177 Aalss Regres Logstk Ordal terhadap Faktor-faktor yag Mempegaruh Predkat Kelulusa Mahasswa S1 d ITS Surabaya Stt Imaslhkah,
Lebih terperinciBAB IX PENGGUNAAN STATISTIK DALAM SIMULASI
BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug
Lebih terperinciBAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat
BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciFAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO)
FAKTOR YANG BERPENGARUH TERHADAP PENYAKIT ISPA DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (STUDI KASUS KAWASAN LUMPUR LAPINDO KABUPATEN SIDOARJO Fahrul Roz Perdaa, Mutah Salamah ( Statstka, FMIPA, Isttut
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciBAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl
Lebih terperinciBAB 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 terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciPuasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner
D-56 JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) Faktor yag Memegaruh Kadar Gula Darah Puasa Pase Dabetes Melltus Tpe d Pol Dabetes RSUD Dr. Soetomo Surabaya Megguaka Regres Probt
Lebih terperinciANALISIS 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 terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciPemodelan 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 terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciMengatasi Overdispersi pada Model Regresi Poisson dengan Generalized Poisson Regression I
Jural Ekspoesal Volume 2, Nomor 2, Nopember 2011 ISSN 2085-7829 Megatas Overdspers pada Model Regres Posso dega Geeralzed Posso Regresso I Hadlg Overdsperso o Posso Regresso Models wth Geeralzed Posso
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)
Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciMETODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.
METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOTOR MENGGUNAKAN MODEL REGRESI ZERO-INFLATED
Aalss Faktor-Faktor (Muhammad aufa) ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI BANYAKNYA KLAIM ASURANSI KENDARAAAN BERMOOR MENGGUNAKAN MODEL REGRESI ZERO-INFLAED POISSON (Stud Kasus d P. Asuras Sar Mas Cabag
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciPEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum
PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref
Lebih terperinciPENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciUji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah
Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1
Lebih terperinciEstimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression
Prosdg Koferes Nasoal Matematka XVII - 4-4 Ju 4, IS, Surabaya Estmas da Pegua Hpotess pada Model Geographcally Weghted Multomal Logstc Regresso M. Fathurahma, Purhad, Sutko 3, Vta Ratasar 4 Mahasswa S3
Lebih terperinciAnalisis Korelasi dan Regresi
Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael
Lebih terperinci*Corresponding Author:
Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,
Lebih terperinciPendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin
4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua
Lebih terperinciRegresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )
Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciPengujian Autokorelasi terhadap Sisaan Model Spatial Logistik
Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska
Lebih terperinciANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA
Jural Ilmah MEDIA ENGINEERING Vol., No., Jul 0 ISSN 087-9334 (96-0) ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA Johas E. Lolog Dose Jurusa Spl Fakultas Tekk Uverstas Sam Ratulag
Lebih terperinciREGRESI LINIER SEDERHANA
MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa
Lebih terperinci