D-350 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print)
|
|
- Yanti Susanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 D-350 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (206) ( X Prit) Pemodela da Pemetaa Kasus Jumlah Peduduk Miski di Provisi Jambi pada Tahu 204 dega Megguaka Geographically Weighted Negative Biomial Regressio (GWNBR) Irdo Jasmadi, Dwiatmoo Agus Widodo, Pratya Paramitha Oktaviaa Jurusa Statistika, Fakultas MIPA, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 60 Idoesia dwiatmoo@statistika.its.ac.id, paramita@statistika.its.ac.id Abstrak Kemiskia merupaka suatu keadaa yag serig dihubugka dega kebutuha, kesulita da kekuraga di berbagai keadaa hidup. Jumlah peduduk miski di Provisi Jambi masih dikategorika tiggi. Peelitia ii igi medapatka model berdasarka Kabupate/Kota di Provisi Jambi megguaka metode Geographically Weighted Negative Biomial Regressio (GWNBR). Hasil pemodela dega metode GWNBR meujukka bahwa faktor-faktor yag mempegaruhi jumlah peduduk miski yag terjadi secara global di seluruh Kabupate/Kota di Provisi Jambi meliputi Produk Domestik Regioal Bruto Atas Dasar Harga Berlaku per kapita, Kepadata peduduk, Persetase rumah tagga yag meempati rumah dega status tidak milik sediri, da Jumlah fasilitas kesehata. Kata Kuci Geographically Weighted Negative Biomial Regressio, Overdispersi, Kemiskia. K I. PENDAHULUAN emiskia merupaka suatu keadaa yag serig dihubugka dega kebutuha, kesulita da kekuraga di berbagai keadaa hidup. Jumlah peduduk miski di provisi Jambi mulai tahu 203 sebayak 8,07% higga 204 sebayak 263,8 ribu atau 7,9% da agka tersebut lebih redah dari tigkat kemiskia Nasioal. Walaupu agka tersebut dikategorika redah, aka tetapi agka tersebut masih jauh dari target pemeritaha provisi Jambi utuk megetaska kemiskia higga agka 5% ditahu 205 []. Aspek spasial petig utuk dikaji dalam peelitia jumlah peduduk miski, dikareaka keadaa ekoomi da social disuatu wilayah meetuka tigkat kemiskia diwilayah tersebut. Perbedaa faktor-faktor yag berpegaruh di masig-masig topografi meujukka adaya pegaruh kodisi lokal dari suatu wilayah tertetu dalam meetuka faktor-faktor yag sigifika dalam pemodela kemiskia. Oleh karea itu, pada peelitia ii dilakuka aalisis dega memperhatika faktor spasial sehigga hasil pemodela jumlah kasus kemiskia mugki dapat meggambarka pola hubuga yag lebih baik daripada aalisis regresi global. Pemodela dega memperhatika faktor spasial megguaka Geographically Weighted Negative Biomial Regressio (GWNBR), dimaa setiap wilayah pasti memiliki kodisi geografis yag berbeda sehigga meyebabka adaya perbedaa jumlah kasus kemiskia atara wilayah satu dega wilayah yag laiya sesuai dega karakteristik wilayah tersebut. Peelitia ii igi medapatka model da pemetaa kasus jumlah peduduk miski di Provisi Jambi pada tahu 204 megguaka Geographically Weighted Negative Biomial Regressio (GWNBR). II. Statistika Deskriptif TINJAUAN PUSTAKA Statistika deskriptif adalah metode-metode yag berkaita dega pegumpula da peyajia gugus data sehigga memberika iformasi yag bergua. Statistika deskriptif memberika iformasi haya megeai data yag dimiliki da sama sekali tidak mearik kesimpula apapu tetag sekumpula data yag lebih besar [2]. Regresi Poisso Regresi poisso merupaka aalisis regresi oliear diguaka dalam megaalisis data diskrit (cout). Jika variabel Y berdistribusi poisso maka fugsi peluag dari distribusi poisso dapat diyataka sebagai berikut [3] y e f ( y, ), y 0,,2,... () y! Dega μ merupaka rata-rata variabel radom Y yag berdistribusi poisso dimaa ilai rata-rata da varias mempuyai ilai lebih dari ol. Persamaa regresi poisso dapat diyataka sebagai berikut. k i exp 0 j xij (2) j Peaksira parameter dilakuka dega megguaka metode Maximum Likelihood Estimatio (MLE) yaitu dega cara memaksimumka fugsi likelihood. Fugsi likelihood dirumuska sebagai berikut. x l L( β) e T i β T yixi β l( yi!) (3) i i i Pegujia sigifikasi parameter terdiri dari uji seretak da parsial yaitu megguaka Maximum Likelihood Ratio Test (MLRT).
2 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (206) ( X Prit) D-35 Overdispersi Overdispersi adalah kodisi dimaa ilai varias lebih besar dari ilai mea {Var(Y) > E(Y)}, yag artiya sifat equidispersio tidak terpeuhi. Overdispersio meyebabka taksira parameter model mejadi bias da tidak efisie. Selai itu, over-dispersio meyebabka tigkat kesalaha model semaki besar da regresi poisso mejadi tidak sesuai [4]. Regresi Biomial Negatif Utuk megatasi kasus Overdispersi dapat dilakuka dega regresi biomial egatif. Model regresi biomial egatif mempuya fugsi sebagai berikut. f ( yi i, ) yi y y i i i i i dega y i = 0,,2,... Estimasi parameter regresi biomial egatif diyataka sebagai berikut. (4) i exp( 0 xi 2 x2i k xki ) (5) Heterogeitas Spasial Pegujia heterogeitas spasial diguaka utuk melihat perbedaa karakteristik atara satu titik pegamata dega titik pegamata laiya meyebabka adaya heterogeitas spasial. Utuk melihat adaya heterogeitas spasial pada data dapat dilakuka pegujia Breusch-Paga [5]. Dega hipotesis sebagai berikut. H 0 :σ 2 = σ 2 2 = = σ 2 = σ 2 (variasi atar lokasi sama) H : Miimal adasatu σ 2 i σ 2, i=,2,..., (variasi atar lokasi berbeda) dega statistik uji Breusch-Paga (BP) adalah sebagai berikut. BP = ( 2 ) ft Z(Z T Z) Z T f~χ 2 (p) (6) dega e i = y i y i f = (f, f 2,, f ) T degaf i = e i 2 σ 2 σ 2 = varias dari y e 2 i = kuadrat sisaa utuk pegamata ke-i Z = matriks berukura x(p+) yag berisi vektor yag sudah di ormal bakuka (z) utuk setiap pegamata. Kriteria peolaka yaitu tolak H 0 jika statistik uji BP > χ 2 (α,p) yag artiya adalah variasi atar lokasi berbeda. Depedesi Spasial Pegujia depedesi spasial diguaa utuk melihat apakah pegamata pada suatu lokasi bergatug pada lokasi pegamata lai yag letakya berdekata. Statistik uji yag diguaka dalam autokorelasi spasial adalah Mora s I. Mora s I adalah ukura hubuga atara pegamata yag salig berdekata [5]. Hipotesis yag diguaka sebagai berikut. H 0 : I = 0 (tidak ada depedesi spasial) H : I 0 (ada depedesi spasial) dega statistik uji Mora s I sebagai berikut Z Ihit = I E(I ) (7) Var (I ) dimaa I = i= k= W ik(y i y )(y k y ) ( W ik ) (y i y ) 2 i= k= i= = bayak pegamata y = ilai rata-rata dari y i dari lokasi y i = ilai pegamata pada lokasi ke-i y k = ilai pegamata pada lokasi ke-k w ik = eleme matriks pembobot Kerel Fixed Gaussia Kriteria peolaka yaitu tolak H 0 jika ilai Z Ihit > Zα 2 yag artiya terdapat depedesi spasial. Badwidth da Pembobot Optimum Faktor pembobot utuk setiap lokasi berbeda-beda. Fugsi pembobot yag diguaka adalah fugsi Kerel Fixed Gaussia yag dapat ditulis sebagai berikut. w ik = exp ( (d ik 2 b ) 2 ) (8) dega d ik = (u i u k ) 2 + (v i v k ) 2 b = ilai badwidth optimum pada tiap lokasi Geographically Weighted Negative Biomial Regressio (GWNBR) Model Geographically Weighted Negative Biomial Regressio (GWNBR) merupaka salah satu metode yag cukup efektif meduga data yag memiliki heterogeitas spasial utuk data cout yag memiliki overdispersi. Model GWNBR merupaka pegembaga dari model regresi biomial egatif. Model GWNBR aka meghasilka parameter lokal dega masig-masig lokasi aka memiliki parameter yag berbeda-beda [6]. Model GWNBR dapat dirumuska sebagai berikut. p y i ~NB[exp( j=0 β j (u i, v i )x ij ), θ(u i, v i )], i =,2,3,, (9) Estimasi parameter model GWNBR diyataka sebagai beikut. L(β (ui,v i ), θ i y i, x i ) = ( (r + ) θ i y i r=0 ) i= ( (y i!) i= θi ) +θ i μ i y i r=0 ( θ iμ i +θ i μ i ) y i l L(β (ui,v i ), θ i y i, x i ) = [ l(r + θ i )) l (y i!) + θ i l ( + θ i μ i ) + y i l ( θ iμ i )] +θ i μ i y = [ i i= l(r + θ r=0 i )) l (y i!) + y i l θ i μ i (y i + θ i )l ( + θ i μ i )] (0) Kemiskia Pegertia kemiskia secara umum dipahami dega suatu permasalaha yag dikaitka dega sektor ekoomi masyarakat, padahal jika dilihat secara luas kemiskia dapat dilihat dari sudut padag baik sosial maupu budaya dari masyarakat. Kemiskia merupaka sebuah permasalaha yag serig dihadapi oleh masyarakat dimaa terdapat kodisi ketidak mampua utuk memeuhi kebutuha hidup sehari-hari dimulai dari pemeuha papa, sadag, maupu paga. Feomea seperti hal ii biasa terjadi dikareaka redahya peghasila masyarakat da juga redahya kualitas sumber daya mausia itu sediri [7]. III. Sumber Data METODOLOGI PENELITIAN Data yag diguaka dalam peelitia ii adalah data sekuder. Data yag diguaka diambil dari Bada Pusat Statistik (BPS) Provisi Jambi. Dalam peelitia ii yag mejadi uit aalisis adalah kab/kota di provisi Jambi.
3 D-352 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (206) ( X Prit) Variabel Peelitia Variabel yag diguaka dalam peelitia ii ada dua yaitu variabel depede da variabel idepede, lebih tepatya dijelaska pada Tabel. Variabel Y TABEL. VARIABEL PENELITIAN Keteraga Jumlah peduduk miski tiap kabupate/kota (jiwa) PDRB ADHB per kapita tiap Kabupate/kota (Juta) Persetase pegaggura terbuka tiap Kabupate/kota(%) Kepadata peduduk tiap Kabupate/Kota X 4 Pertumbuha ekoomi tiap Kabupate/Kota (%) Persetase tumah tagga yag meempati rumah dega status tidak milik sediri (%) Jumlah Fasilitas kesehata tiap Kabupate/Kota Lagkah Aalisis. Medeskripsika karakteristik jumlah peduduk miski di Provisi Jambi pada tahu 204 megguaka pemetaa wilayah utuk masigmasig variabel. 2. Pegujia kasus multikoliieritas berdasarka kriteria korelasi da VIF 3. Megaalisis regresi Poisso \ 4. Pegujia overdispersi atau uderdispersi. 5. Megaalisis regresi Biomial Negatif 6. Memodelka GWNBR utuk kasus jumlah peduduk miski di Provisi Jambi pada tahu 204, dega lagkah-lagkah sebagai berikut. a. Uji Breusch-Paga utuk melihat heterogeitas spasial data b. Meguji depedesi spasial data dega Mora s I c. Meghitug jarak Euclidea atar lokasi pegamata berdasarka posisi geografis. d. Medapatka badwidth optimal utuk setiap lokasi pegamata dega megguaka Cross Validatio (CV) e. Meghitug matrik pembobot dega megguaka fugsi kerel Fixed Gaussia f. Pemodela GWNBR g. Melakuka itepretasi model GWNBR yag didapatka da membetuk peta pegelompokka. IV. ANALISIS DAN PEMBAHASAN Pada bab ii aka dibahas megeai karakteristik jumlah peduduk miski di Provisi Jambi, pemetaa jumlah peduduk miski berdasarka varibel yag sigifika dega metode GWNBR Deskripsi Jumlah Peduduk Miski di Provisi Jambi Variabel Y X 4 TABEL 2. STATISTIKA DESKRIPTIF VARIABEL PENELITIAN Ratarata 2568,00 48,53 5,03 37,00 7,50 8,86 73,73 Varias Miimu Maksimum ,00 608,7 9, ,00,9 88,4 645, ,0 27,9,3 39,0 5,9 7,2 5, ,00 00,20 0, ,00 9,90 36,05,00 Tabel 2 meujukka bahwa rata-rata peduduk miski di Kab/Kota Provisi Jambi cukup tiggi yaitu Gambar. Persebara jumlah peduduk miski di Provisi Jambi (Y) Berdasarka Gambar terlihat bahwa Sembila Kabupate/Kota di Provisi Jambi jumlah peduduk miskiya masih diatas 5%. Deteksi Multikoliieritas TABEL 3. NILAI VIF MASING-MASING VARIABEL PREDIKTOR Xi X 4 Nilai VIF Berdasarka Tabel 3 diperoleh iformasi bahwa semua variabel prediktor memiliki ilai VIF<0. Ii medeteksi bahwa tidak terdapat variabel prediktor yag mejali korelasi dega variabel prediktor laiya yag berarti tidak terdpat kasus multikoliieritas. Dega demikia semua variabel prediktor diikutsertaka dalam aalisis Model Regresi Poisso Setelah dilakuka pedeteksia kasus multikoliieritas da tidak terdapat multikoliieritas, selajutya keeam variabel prediktor yag diguaka aka dicari hubugaya terhadap jumlah peduduk miski yag terdapat di Provisi Jambi dega cara memodelka megguaka aalisis Regresi Poisso. Berikut adalah hasil estimasi parameter model regresi Poisso TABEL 4. ESTIMASI PARAMETER MODEL REGRESI POISSON Parameter Estimasi SE Z P_Value β 0 β β 2 β 3 β 4 β 5 β 6 7,650 0,0090-0,0950 0,0006 0,550-0,0060 0,050 0,0520 0,0002 0,0020 0,0004 0,003 0,0003 0, ,40 47,5-47,6 62,74 49,5-5,62 74,6 Berdasarka aalisis diketahui P_value dari semua parameter lebih kecil dari 0,0. Selai itu, ilai Z hitug dari semua parameter lebih besar dari Z (α/2) =,645. Dega demikia diambil keputusa tolak H 0 utuk semua parameter, yag berarti β, β 2, β 3, β 4, β 5, β 6 sigifika berpegaruh terhadap model, sehigga model regresi Poisso yag dihasilka dapat dituliska. l(μ ) = 7,65 + 0,0099 0, , ,555X 4 0, ,0529
4 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (206) ( X Prit) D-353 Overdispersi Nilai devias model regresi Poisso sebesar 625,4 dega derajat bebas 4 sehigga rasio ilai devias dega derajat bebasya berilai 562,85. Nilai tersebut lebih besar dari yag artiya data jumlah peduduk miski di Provisi Jambi megalami kasus Overdispersi Model Regresi Biomial Negatif Berikut adalah estimasi parameter model regresi Biomial Negatif. TABEL 5. ESTIMASI PARAMETER MODEL REGRESI BINOMIAL NEGATIF Parameter Estimasi SE Z P_Value β 0 β β 2 β 3 β 4 β 5 β 6 6,7686 0,029-0,0957 0,0006 0,203-0,0046 0,085,234 0,0054 0,0485 0,000 0,0743 0,0093 0,0042 5,484 2,392 -,97 6,684 2,829-0,495 4,356 2,5x0-8 *,67x0-2* 4,87x0-2 * 2,32x0 - * 4,60x0-3* 6,2x0 -,33x0-5 * Pada taraf sigifikasi 0%, berdasarka Tabel 5 diketahui P_value dari semua parameter kecuali β 5 lebih kecil dari 0,0. Selai itu, ilai Z hitug dari semua parameter kecuali β 5 lebih besar dari Z (α/2) =,645. Dega demikia diambil keputusa tolak H 0 utuk semua parameter kecuali kecuali β 5, yag berarti β, β 2, β 3, β 4, β 6 sigifika berpegaruh terhadap model, sehigga model regresi Biomial Negatif yag dihasilka dapat dituliska. l(μ ) = 6, ,029 0, , ,203X 4 0, ,085 Heterogeitas Spasial Berdasaraka hasil pegujia diperoleh ilai statsitik uji Breusch_Paga sebesar 5,587 (Lampira 6) dega P- value 0,5236. Dega jumlah parameter 6 da diguaka α sebesar 0% maka didaptaka χ 2 (6;0.) = 0,64. Karea ilai BP <χ 2 (6;0.) maka diambil keputusa gagal tolak H 0 yag berarti variasi atar lokasi sama (homoge) atau tidak terdapat perbedaa karakteristik aatar satu titik pegamata dega titik pegamata laiya. Depedesi Spasial Berdasarka hasil pegujia dega matriks pembobot berupa jarak titik koordiat diperoleh statistik uji Ideks Mora s (I ) sebesar 0,078 dega ilai E(I ) sebesar -0, da se(i ) sebesar 0,752 sehigga diperoleh hasil perhituga Z I sebagai berikut. 0,0776 0, z I 2,538 0,004 Dega tarat yata 0% maka didapatka Z 0,05 sebesar,645. Karea ilai Z I > Z 0,05 atau P-value < 0, maka diambil keputusa tolak H 0 sehigga didapatka kesimpula bahwa terdapat depedesi atar lokasi yag berarti pegamata suatu lokasi bergatug pada pegamata di lokasi lai yag letakya berdekata Badwidth da Pembobot Optimum Badwidth optimum megguaka criteria CV da diguaka dalam meetuka pembobot utuk melakuka peaksira parameter. Dari hasil aalisis GWNBR dega fugsi kerel Fixed Gaussia diperoleh best badwidth size sebesar Sebagai cotoh Kota Sugai Peuh yag dipilih secara acak diguaka sebagai titik pusat, sehigga diperoleh jarak Euclid Kota Sugai Peuh dega Kab/Kota laiya di Provisi Jambi. Matriks pembobot yag diguaka utuk meaksir model GWNBR di Kota Sugai Peuh berbetuk matriks diagoal sebagai berikut. W (u,v ) = diag [W (u,v ) W 2 (u,v ) W (u,v )] = diag [0,9999 0,9596,0000] Pemodela GWNBR TABEL 6. VARIABEL YANG SIGNIFIKAN PADA MODEL GWNBR Kab/Kota Variabel yag Sigifika Kerici,, Meragi,, Sarolagu,, Bataghari,,, Muaro Jambi,,, Tajabtim,,, Tajabbar,,, Tebo,, Bugo,, Kota Jambi,,, Sugai Peuh,, Tabel 6 meujukka bahwa Kab/Kota di Provisi Jambi yag memiliki kesamaa variabel yag berpegaruh sigifika pada model GWNBR terbagi mejadi dua kelompok Kab/Kota. Kelompok pertama terdiri dari eam Kab/Kota dega tiga variabel yag berpegaruh sigifika terhadap jumlah peduduk miski yaitu PDRB ADHB per kapita ( ), Kepadata peduduk ( ), da Persetase rumah tagga yag meempati rumah dega status tidak milik sediri ( ). Kelompok dua terdiri dari lima Kab/Kota dega empat variabel yag berpegaruh sigifika terhadap jumlah peduduk miski yaitu PDRB ADHB per kapita ( ), Kepadata peduduk ( ), Persetase rumah tagga yag meempati rumah dega status tidak milik sediri ( ), da Jumlah fasilitas kesehata ( ). Gambar 2. Persebara pegelompoka Kabupate/KotaBerdasarka kesamaa variabel yag Sigifika Gambar 2 meujukka pegelompoka Kabupate/Kota yag memiliki kesamaa variabel yag berpegaruh sigifika terhadap jumlah peduduk miski di Provisi Jambi yag terbagi mejadi dua kelompok. Kelompok (biru) yag terdiri dari eam Kabupate/Kota yaitu Kabupate Kerici, Meragi, Sarolagu, Bugo, Tebo, da Kota Sugai Peuh dega tiga variabel yag berpegaruh sigifika. Kelompok 2 (merah) terdiri dari lima Kabupate/Kota yaitu Kabupate Batagahri, Muaro Jambi, Tajug Jabug Timur, Tajug Jabug Barat, da Kota Jambi dega empat variabel yag berpegaruh sigifika.
5 D-354 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (206) ( X Prit) Iterpretasi Model GWNBR Sebagai cotoh aka diiterpretasika model GWNBR pada Kota Sugai Peuh sebagai berikut. TABEL 7. UJI PARSIAL MODEL GWNBR KOTA SUNGAI PENUH Parameter Estimasi Zhitug β 0 β β 2 β 3 β 4 β 5 β 6 0,0038 0,0038 0,0233-0,0073 0,0578-0,000 0, ,080 7,87 * 0, ,35 * -0,008 22,03 * -0,99 Pada Tabel 7 dapat dilihat bahwa variabel-variabel yag berpegaruh sigifika utuk Kota Sugai Peuh terletak pada variabel β, β 3, β 5. Model GWNBR yag dapat dibetuk utuk Kota Sugai Peuh adalah sebagai berikut. l(μ ) = 0, , ,0233 0, ,0578X 4 0, ,00378 Sesuai model yag terbetuk Kota Sugai Peuh diatas dapat disimpilka bahwa setiap pertambaha juta PDRB ADHB per kapita ( ) maka aka meambah rata-rata jumlah peduduk miski sebesar exp(0,0038) peduduk miski dega asumsi variabel lai kosta. Hal ii dikareaka masih tiggiya ketimpaga yag terjadi di Provisi Jambi da mugki saja variabel ii tidak memberika dampak lagsug terhadap kemiskia. Pemiliha model terbaik Pemiliha model terbaik berdasarka kriteria AIC pada model regresi Poisso, regresi Biomial Negatif, da GWNBR adalah sebagai berikut. TABEL 8. PEMILIHAN MODEL TERBAIK DENGAN AIC Model Regresi Poisso Regresi Biomial Negatif GWNBR AIC 6395,40 227,08 239,47 Tabel 8 meujuka bahwa dari ketiga model tersebut, Regresi Biomial Negatif memiliki AIC palig kecil dibadigka dega Poisso da GWNBR. Hal ii dikareaka dalam peelitia ii megguaka metode GWNBR ada salah satu asumsi spasial yag tidak terpeuhi yaitu Heterogeitas, da jumlah uit pegamata juga kecil. Walaupu Biomial Negatif yag terbaik. Aka tetapi pegguaa metode GWNBR dilakuka utuk mejawab tujua peelitia ii yaitu medapatka faktor-faktor yag berpegaruh terhadap jumlah peduduk miski di Provisi Jambi. V. KESIMPUAN DAN SARAN Hasil pemodela GWNBR dega fugsi pembobot kerel Fixed Gaussia meujukka bahwa ada dua kelompok Kabupate/Kota berdasarka variabel-variabel yag sigifika. Kelompok pertama adalah Kabupate Kerici, Meragi, Sarolagu, Tebo, Bugo, da Kota Sugai Peuh. Pada kelompok ii terdapat tiga variabel yag berpegaruh sigifika, yaitu Produk Domestik Regioal Bruto Atas Dasar Harga Berlaku per kapita, Kepadata peduduk, da Persetase rumah tagga yag meempati rumah dega status tidak milik sediri. Kelompok dua terdiri dari Kabupate Bataghari, Muaro Jambi, Tajug Jabug Timur, Tajug Jabug Barat, da Kota Jambi. Pada kelompok ii terdapat empat variabel yag berpegaruh sigifika, yaitu Produk Domestik Regioal Bruto Atas Dasar Harga Berlaku per kapita, Kepadata peduduk, Persetase rumah tagga yag meempati rumah dega status tidak milik sediri, da Fasilitas kesehata. Pegelompoka Kabupate/Kota berdasarka variabel yag berpegaruh sigifika telah dibetuk sehigga diharapka kedepaya ada usaha yag yata utuk meeka jumlah peduduk miski dega megimplemetasika kabijaka prioritas berdasarka variabel yag sigifika disetiap Kabupate/Kota. Variabel yag diguaka salah satuya Jumlah fasilitas kesehata (X6), karea setiap Kabupate/Kota memiliki jumlah peduduk da jumlah fasilitas berbeda, disaraka peelitia selajutya utuk megguaka variabel Rasio fasilitas kesehata. UCAPAN TERIMA KASIH Peulis I.J. megucapka terima kasih kepada Kedua Orag Tua da saudara-saudara tercita yag selalu medukug serta selalu medo aka utuk keberhasila PeulisIr. Dwi Atmoo A. Widodo, MIKom da Pratya Paramitha Oktaviaa, M,Si. M,Sc selaku dose pembimbig yag telah bayak meluagka waktuya utuk memberika ilmu, bimbiga, da arahaya dalam peyelesaia Tugas Akhir ii. DAFTAR PUSTAKA [] Bada Pusat Statistik Provisi Jambi (205), Rigkasa Eksekutif Kodisi Kemiskia Provisi Jambi tahu 204. Jambi. [2] Walpole, R. E. (995). Pegatar Statistika Edisi Ke 3. Diterjemahka oleh: Sumatri, Bambag. Gramedia Pustaka Utama. Jakarta [3] Famoye, F., Wulu, J.T. da Sigh, K.P. (2004). O The Geeralized Poisso Regressio Model with a Applicatio to Accidet Data. Joural of Data Sciece 2 (2004) [4] Camero, A C & Trivedi, P K. (998) Regressio Aalysis of Cout Data. Cambridge: Cambridge Uiversity Press. [5] Aseli, L. (998). Spatial Ecoometris: Methods ad Models, Dordrecht: Kluwer Academic Publishers. [6] Ricardo, A. Ad Carvalho, T.V.R. (203). Geographically Weighted Negative Biomial Regressio-Icorporatig Overdispersio. New York: Spriger Sciece. [7] Sajogyo, (977). Kemiskia da Kebutuha Miimum Paga. Lembaga Peelitia Sosiologi Pedesaa. IPB. Bogor.
BAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciD-37 JURNAL SAINS DAN SENI ITS Vol. 4, No.1, (2015) ( X Print)
D-37 Pemetaa da Pemodela Jumlah Kasus Peyakit Tuberculosis (TBC) di Provisi Jawa Barat Pedekata Geographically Weighted Negative Biomial Regressio Wahedra(GWNBR) Pratama da Sri Pigit Wuladari Jurusa Statistika,
Lebih terperinciMetode Regresi Poisson Terboboti Geografis pada Pemodelan Data Spasial
Metode Regresi Poisso Terboboti Geografis pada Pemodela Data Spasial Yohaa Eggar Setyarii 1, Suyoo, Widyati Rahayu 3 Program Studi Matematika, Fakultas Matematika da Ilmu Pegetahua Alam,Uiversitas Negeri
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciPENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON
E-Jural Matematika Vol., No., Mei 013, 6-10 ISSN: 303-1751 PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON PUTU SUSAN PRADAWATI 1, KOMANG GDE SUKARSA, I GUSTI AYU MADE
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciMengidentifikasi Pola Spasial dan Autokorelasi Spasial Tingkat Pengangguran Terbuka Kabupaten/Kota di Kalimantan Selatan Tahun 2014
Megidetifikasi Pola pasial da Autokorelasi pasial Tigkat Pegaggura Terbuka Kabupate/Kota di Kalimata elata Tahu 04 Muktar Redy usila, Jurusa tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciKata Kunci : CHAID, IPM, regresi logistik ordinal.
ANALISIS CHAID DAN REGRESI LOGISTIK ORDINAL PADA INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Liaa Yuita Sari, Sri Sulistijowati Hadajai, da Satoso Budiwiyoo Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciAnalisis Pola Hubungan Persentase Penduduk Miskin dengan Faktor Lingkungan, Ekonomi, dan Sosial di Indonesia Menggunakan Regresi Spasial
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 27-3520 (2301-928X Prit) D-235 Aalisis Pola Hubuga Persetase Peduduk Miski dega Faktor Ligkuga, Ekoomi, da Sosial di Idoesia Megguaka Regresi Spasial Voesa
Lebih terperinciStatistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:
Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciSulistya Umie Rumana Sari. Riwayat Artikel: Diterima: 15 Mei 2017 Direvisi: 1 Juni 2017 Diterbitkan: 31 Juli 2017
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 017, Hal. 15466 p-issn: 580-4596; e-issn: 580-460X Halama 154 Perbadiga Model Regresi Noparametrik Splie Multivariabel
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciMata Kuliah: Statistik Inferensial
PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciPemodelan Panel Spasial pada Data Kemiskinan di Provinsi Papua
Statistika, Vol. 17 No. 1, 1 15 Mei 017 Pemodela Pael Spasial pada Data Kemiskia di Provisi Papua Admiistrasi Asurasi da Aktuaria Program Pedidika Vokasi Uiversitas Idoesia Depok e-mail: yuli.alhikmah47@gmail.com
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa
Lebih terperinciMINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA
MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR)
E-Jural Matematika Vol. 6 (1), Jauari 2017, pp. 37-46 ISSN: 2303-1751 PEMODELAN PENYEBARAN KASUS DEMAM BERDARAH DENGUE (DBD) DI KOTA DENPASAR DENGAN METODE SPATIAL AUTOREGRESSIVE (SAR) Ni Made Surya Jayati
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciMENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN
Saitia Matematika ISSN: 337-9197 Vol. 0, No. 03 (014), pp. 5 35. MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN Sabam
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciPENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai
1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh
Lebih terperinciSTATISTIKA NON PARAMETRIK
. PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kosep Kemiskia Kemiskia dapat dilihat dari dua sisi yaitu kemiskia absolut da kemiskia relatif. Kemiskia absolut da kemiskia relatif adalah kosep kemiskia yag megacu pada kepemilika
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciSPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
E-ISSN 2527-9378 Jural Statistika Idustri da Komputasi Volume 2, No. 2, Juli 2017, pp. 93-103 SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBIT
1 ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN GENDER (IPG) DENGAN MENGGUNAKAN REGRESI PROBI Ari Vaerli Fitarisca (1) da Vita Ratasari (2) (1)(2) Jurusa Statistika, FMIPA, IS, Istitut ekologi
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciRegresi Spasial Untuk Menentukan Faktor Faktor Kemiskinan Di Provinsi Sulawesi Selatan
Regresi Spasial Utuk Meetuka Faktor Faktor Kemiskia Di Provisi Sulawesi Selata Salmawaty 1, Sukara 2, Muhammad Abdy 3 1 Mahasiswa Program Studi S1 Matematika 2 Dose JurusaMatematika Jurusa Matematika,
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinci