BAB 1 PENDAHULUAN. 1.1 Latar belakang
|
|
- Widya Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga dapat diketahui suatu individu berada pada kelompok tertentu. Masalah klasifikasi ini muncul ketika terdapat sejumlah ukuran yang terdiri dari satu atau beberapa kategori yang tidak dapat didefinisikan secara langsung tetapi harus menggunakan suatu ukuran (Johnson dan Dean, 2007). Metode statistik yang sering digunakan untuk menyelesaikan masalah pengklasifikasian adalah analisis diskriminan dan regresi logistik. Kedua metode tersebut bersifat parametrik karena membutuhkan beberapa asumsi, seperti harus mengikuti suatu distribusi tertentu baik untuk variabel respon maupun variabel prediktor, kenormalan data dan matrik kovarian yang homogen. Kedua metode ini seringkali disebut sebagai metode tradisional. Sayangnya metode tersebut tidak praktis digunakan dan penggunaannya terbatas pada penyelesaian masalah pengklasifikasian. Menurut Lewis (2000) kesulitan penggunaan metode statistik tradisional tersebut adalah : (1) umumnya ada banyak variabel prediktor sehingga sulit menentukan variabel yang paling berpengaruh, sehingga metode ini kurang sesuai untuk perbandingan ganda (multiple comparison), (2) variabel prediktor jarang sekali yang berdistribusi normal dan kelompok yang berbeda mungkin mempunyai nilai varians yang berbeda pula, (3) interaksi dan pola yang kompleks mungkin muncul dalam data, (4) hasil metode statistik tradisional ini sulit digunakan. Multivariate Adaptive Regression Splines (MARS) adalah pendekatan untuk regresi multivariat nonparametrik yang diperkenalkan oleh Friedman
2 (1991). MARS merupakan metode yang tidak tergantung pada asumsi bentuk kurva tertentu, sehingga memberikan fleksibilitas yang lebih besar dalam penggunaannya. Kelebihan lain dari metode MARS adalah tidak dipengaruhi oleh volume data yang hilang. Hal ini dikarenakan MARS secara otomatis menciptakan suatu indikator nilai yang hilang untuk setiap variabel dengan nilai yang hilang. MARS juga dirancang untuk dapat menangkap order interaksi yang lebih tinggi atau untuk pemodelan data berdimensi tinggi (Friedman, 1991). Hidayat (2006) dalam penelitiannya menyimpulkan bahwa pengelompokkan dengan menggunakan metode MARS memiliki kesalahan pengelompokkan yang kecil, yaitu sebesar 5,1%. Klasifikasi pada model MARS didasarkan pada pendekatan analisis regresi. Jika variable respon terdiri dari dua nilai, maka dikatakan sebagai regresi dengan binary response (Cox, dan Snell, 1989). Untuk menghitung ketepatan klasifikasi digunakan alat ukur apparent error rate (APER). Nilai APER menyatakan representasi proporsi sampel yang salah diklasifikasikan oleh fungsi klasifikasi (Johnson dan Wichern, 1992). Namun, nilai ketepatan klasifikasi tersebut dapat ditingkatkan dengan pendekatan bootstrap resampling (bagging). Metode bagging pertama kali digunakan oleh Breiman (1994) sebagai alat untuk membentuk klasifikasi yang lebih stabil. Bagging predictor adalah metode untuk membangkitkan multiple version dari prediktor dan menggunakannya untuk aggregate predictor. Multiple version dibentuk dengan replikasi bootstrap dari sebuah data set. Data set real pada beberapa kasus bagging dapat meningkatkan akurasi. Ide dasar dari bagging adalah menggunakan bootstrap resampling untuk membangkitkan prediktor dengan banyak versi, dimana ketika dikombinasikan seharusnya hasilnya lebih baik dibandingkan dengan prediktor tunggal yang dibangun untuk menyelesaikan masalah yang sama.oleh karena itu, untuk memperoleh ketepatan klasifikasi yang lebih tinggi digunakan bagging MARS.
3 Kesejahteraan masyarakat merupakan salah satu tanggung jawab pemerintah negara. Salah satu permasalahan kesejahteraan adalah kemiskinan. Banyak program dan strategi yang dilakukan pemerintah untuk mengentaskan masyarakat dari kemiskinan. Agar program-program tersebut tepat sasaran, harus ada suatu cara untuk mengidentifikasi apakah suatu rumah tangga tersebut miskin atau tidak miskin. Selama ini rumah tangga miskin dikelompokkan berdasarkan pendapatan atau pengeluaran. Namun pendapatan atau pengeluaran tersebut kadang belum menggambarkan kondisi sesungguhnya dari suatu rumah tangga. Untuk itu, perlu digunakan cara lain untuk mengidentifikasi tingkat kesejahteraan. Salah satunya dengan melihat faktor-faktor yang dapat menjadi penciri tingkat kesejahteraan suatu rumah tangga. Pada penelitian ini akan diidentifikasi faktorfaktor tersebut. Hasilnya dapat digunakan untuk perencanaan pembangunan, sehingga pembangunan lebih terarah pada peningkatan kesejahteraan rumah tangga. Untuk mendeskripsikan karakteristik kesejahteraan rumah tangga dan melihat faktor yang paling berpengaruh pada suatu kelompok maka perlu dibuat suatu klasifikasi berdasarkan faktor-faktor yang mempengaruhinya. Metode klasifikasi tersebut adalah bagging MARS. Dari latar belakang tersebut peneliti mengangkat sebuah judul yaitu, Pemodelan Klasifikasi Kesejahteraan Rumah Tangga dengan MARS, Suatu Studi Kasus di Kota Medan. 1.2 Perumusan Masalah Dalam membuat perencanaan terhadap penuntasan kemiskinan di kota Medan, diperlukan suatu model untuk melihat faktor-faktor yang mempengaruhi tingkat kesejahateraan rumah tangga dan bagaimana model ini dibangun agar ketepatan klasifikasi rumah tangga miskin dan tidak miskin berdasarkan faktor-faktor yang mempengaruhinya cukup tinggi, merupakan permasalahan yang akan dibahas dalam penelitian ini. 1.3 Pembatasan Masalah
4 Kesejahteraan meliputi banyak aspek kehidupan. Untuk membatasi ruang lingkup penelitian dan menyederhanakan permasalahan maka kesejahteraan dalam penelitian ini difokuskan pada bidang kemiskinan dengan jumlah konsumsi/pengeluaran rumah tangga per bulan sebagai indikatornya. 1.4 Tinjauan Pustaka Herlina Jusuf dalam tulisannya berjudul pemodelan hibrid multivariate adaptive regression splines (MARS) arima untuk prediksi data series bahwa pada pemodelan MARS, pemilihan model digunakan metode stepwise. Forward stepwise dilakukan untuk mendapatkan fungsi dengan jumlah basis fungsi maksimum. Kriteria pemilihan basis fungsi pada forward adalah dengan meminimumkan Average Square Residual (ASR). Untuk memenuhi konsep parsemoni (model sederhana) dilakukan backward stepwise yaitu memilih basis fungsi yang dihasilkan dari forward stepwise dengan meminimumkan nilai Generalized Cross-Validation (GCV). Sumarno dalam tulisannya yang berjudul model klasifikasi menggunakan metode regresi logistik dan multivariate adaptive regression splines (MARS) pada kasus data survey biaya hidup kota Kediri bahwa dalam ketepatan klasifikasi, metode MARS memiliki ketepatan yang lebih baik jika dibandingkan dengan analisis regresi logistik sehingga untuk kasus mengklasifikasikan tempat berbelanja barang kebutuhan sandang rumah tangga di kota Kediri lebih tepat menggunakan metode MARS. Een (2009) dalam tulisannya yang berjudul klasifikasi kesejahteraan rumah tangga di Propinsi Jawa Tengah dengan pendekatan CART Arcing, hasilnya merupakan gambaran karakteristik rumah tangga miskin di Jawa Tengah sebagai masukan perancanaan pembangunan daerah Jawa Tengah. Kajian mengenai kesejahteraan telah banyak dilakukan antara lain pada tahun 1995 oleh Faturokhman dan Molo yang meneliti karakteristik rumah tangga miskin di Yogyakarta, Cahyat dkk (2007) mengkaji kemiskinan dan kesejahteraan rumah tangga dengan contoh dari Kutai Barat yang hasilnya merupakan sebuah
5 panduan pemantauan kemiskinan bagi pemerintah daerah, dan Suryadarma dkk (2005) mengkaji suatu obyektif kesejahteraan keluarga untuk penargetan kemiskinan dengan metode PCA (Principal Component Analysis) 1.5 Tujuan Penelitian Untuk membangun sebuah model guna melihat klasifikasi kesejahteraan rumah tangga di Medan berdasarkan faktor-faktor yang mempengaruhimya dengan menggunakan metode MARS dan menghitung ketepatan klasifikasi metode MARS dengan menggunakan bagging MARS. 1.6 Kontribusi Penelitian Untuk memberikan informasi kepada pemerintah daerah Medan terkait kesejahteraan rumah tangga di Medan bedasarkan faktor-faktor yang mempengaruhinya, sehingga dapat dijadikan bahan pertimbangan pemerintah daerah setempat dalam mengambil kebijakan untuk menyusun perencanaan pembangunan yang lebih terarah pada peningkatan kesejahteraan masyarakat.
Kata Kunci: Penciri Tingkat Kesejahteraan, Kemiskinan, bagging MARS
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 34 42 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND IDENTIFIKASI FAKTOR-FAKTOR PENCIRI TINGKAT KESEJAHTERAAN RUMAH TANGGA MENGGUNAKAN BOOTSTRAP AGREGATING
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 1.1 Analisis Regresi Salah satu metode statistik yang umum digunakan untuk menganalisis hubungan ataupun pengaruh antara variabel prediktor dan variabel respon. Mengatasi kurva
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI
Lebih terperinciKlasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging)
Klasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging) Dimas Arvian Pandu Pratama 1 (1307100059), dan Bambang
Lebih terperinciBAB I PENDAHULUAN. logistik didasarkan pada pendekatan analisis regresi linear merupakan metode yang
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan suatu metode statistika untuk mengelompokkan sekumpulan objek yang disusun secara sistematis ke dalam suatu kelompokkelompok baru yang lebih kecil
Lebih terperinciBAGGING MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI PASIEN HASIL PAP TEST PENYAKIT KANKER SERVIKS (STUDI KASUS DI RS X SURABAYA)
BAGGING MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI PASIEN HASIL PAP TEST PENYAKIT KANKER SERVIKS (STUDI KASUS DI RS X SURABAYA) Hartini Yastuti 1 dan Bambang Widjanarko Otok 2 1
Lebih terperinciPEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN )
PEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN ) PT Jasa Marga ro) C abang Semarang SKRIPSI Disusun Oleh
Lebih terperinciMemodelkan regresi logistik biner data set hasil sampel bootstrap B.
B O O T S T R A P A G G R E G A T I N G 1 2 3 4 5 6 7 Tinjauan Pustaka Algoritma Bagging Regresi Logistik Biner Mengambil sampel bootstrap sebanyak n dari data set dengan pengulangan sebanyak n. Pengambilan
Lebih terperinciKLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 839-848 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 PM -113 Kualifikasi Dan Mapping Kualitas Sekolah Menengah Swasta Di Tulungagung Berdasarkan Faktor Dominan Yang Berpengaruh Dengan Metode
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI KEJADIAN KONSTIPASI TERHADAP PEMBERIAN AIR SUSU IBU DAN PEMBERIAN AIR SUSU FORMULA 1 Ria Muslikah, Moh. Yamin Darsyah 1,,3 Program Studi
Lebih terperinciSEMINAR HASIL TESIS. Disusun oleh : EKO WIYONO NRP : DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si.
SEMINAR HASIL TESIS Disusun oleh : EKO WIYONO NRP : 39 7 DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si. PROGRAM MAGISTER JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciUNNES Journal of Mathematics
UJM 6 (1) 2017 UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm KETEPATAN KLASIFIKASI DENGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA KELOMPOK
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1077-1085 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN) SKRIPSI Oleh : YANI PUSPITA KRISTIANI 24010211120018
Lebih terperinciSeminar Tugas Akhir. Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING. Surabaya, Juli 2011
Surabaya, Juli 2011 Seminar Tugas Akhir Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING Ibrahim Widyandono 1307 100 001 Pembimbing : Dr. Bambang Widjanarko
Lebih terperinciPEMODELAN DAN PENGKLASIFIKASIAN KABUPATEN TERTINGGAL DI INDONESIA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) Abstrak
PEMODELAN DAN PENGKLASIFIKASIAN KABUPATEN TERTINGGAL DI INDONESIA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) Siskarossa Ika Oktora, Prof. DR. Sutawanir Darwis, Drs. Gatot Riwi Setyanto,
Lebih terperinciKata Kunci: Komponen Akreditasi, Multivariate Adaptive Regression Spline (MARS)
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 44 53 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MENGIDENTIFIKASI KOMPONEN YANG BERPENGARUH
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian yang berjudul Penerapan Metode Multivariate Adaptive Regression Splines
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Sebelumnya Penelitian tentang MARS telah banyak dilakukan. Salah satunya yaitu penelitian yang berjudul Penerapan Metode Multivariate Adaptive Regression Splines
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 014, Halaman 313-3 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Lebih terperinciKLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA (KB) DI KOTA SEMARANG MENGGUNAKAN METODE MARS DAN FK-NNC
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 341-349 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK SKRIPSI Disusun oleh KISHARTINI 24010210141008 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciα 0, j = 1,2,,m (1) dengan,
PEMODELAN ANGKA KEJADIAN PENYAKIT INFEKSI TUBERKULOSIS PARU (TB PARU) DI KABUPATEN SORONG SELATAN (PROVINSI PAPUA BARAT) DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Nama : Maylita
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 229-238 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Ketepatan Klasiikasi Status Pemberian Air Susu Ibu (ASI) Menggunakan
Lebih terperinciMETODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG
METODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG MUHAMMAD JAMAL MUTTAQIN 1311 201 205 PEMBIMBING DR. BAMBANG WIDJANARKO OTOK, M.SI. SANTI PUTERI RAHAYU, M.SI., PH.D.
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Metode Regresi 2.2 Model Aditif Terampat ( Generalized additive models , GAM)
II. TINJAUAN PUSTAKA. Metode Regresi Analisis regresi merupakan bagian dalam analisis statistika yang digunakan untuk memodelkan hubungan antara peubah tidak bebas (respon) dengan satu atau beberapa peubah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Definisi Belajar Menurut Dalyono (2007), ada beberapa definisi belajar dari para ahli, antara lain, yaitu: a) Witherington, dalam buku educational psychology mengemukakan:
Lebih terperinciIr. Sri Pingit Wulandari, M.Si
Pemodelan Angka Kejadian Penyakit Kaki Gajah (Filariasis) di Kabupaten Aceh Timur Menggunakan Multivariate Adaptive Regression Splines (MARS) Oleh: Yustiva Drisma Kurniasari 1307100034 Dosen Pembimbing
Lebih terperinciHYBRID MARS TIME SERIES PADA PEMODELAN STATISTICAL DOWNSCALLING Studi Kasus: Stasiun Losarang ABSTRAK
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 1 HYBRID MARS TIME SERIES PADA PEMODELAN STATISTICAL DOWNSCALLING Studi Kasus: Stasiun Losarang 1 Bisyri Effendi, 2 Sutikno,
Lebih terperinciHary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,
Lebih terperinciAnalisis Multivariat
Analisis Multivariat Analisis multivariat adalah teknik yang digunakan untuk melihat hubungan antara dua set variabel. Dua set variabel dapat terdiri dari: (1) satu set variabel akibat (dependent variable)
Lebih terperinciVolume 1, Nomor 2, Desember 2007
Volume, Nomor, Desember 007 Barekeng, Desember 007. hal.8- Vol.. No. ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK DAN MARS PADA PENGKLASIFIKASIAN DATA HBAT DAN IRIS THOMAS PENTURY Jurusan Matematika,
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciKLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA (KB) DI KOTA SEMARANG MENGGUNAKAN METODE MARS DAN FK-NNC
KLASIFIKASI KEIKUTSERTAAN KELUARGA DALAM PROGRAM KELUARGA BERENCANA (KB) DI KOTA SEMARANG MENGGUNAKAN METODE MARS DAN FK-NNC SKRIPSI Oleh : ARYONO RAHMAD HAKIM NIM : 24010211140104 DEPARTEMEN STATISTIKA
Lebih terperinciPERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA AKREDITASI SEKOLAH DASAR NEGERI DI KOTA SEMARANG SKRIPSI Oleh
Lebih terperinciSKRIPSI. Disusun Oleh : YUSUF ARIFKA RAHMAN
Ketepatan Klasifikasi Status Pemberian Air Susu Ibu (ASI) Menggunakan Multivariate Adaptive Regression Splines (MARS) dan Algoritma C4.5 di Kabupaten Sragen SKRIPSI Disusun Oleh : YUSUF ARIFKA RAHMAN 24010211120011
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Regresi Linear Sederhana Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel prediktor terhadap satu buah variabel respon. Model
Lebih terperinciADLN - Perpustakaan Universitas Airlangga BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1. Latar Belakang Badan Pusat Statistik Provinsi Jawa Timur dalam buku hasil Survey Sosial Ekonomi Nasional Tahun 2008 menyebutkan bahwa kesehatan adalah hak dasar manusia dan merupakan
Lebih terperinciKLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
KLASIFIKASI KELULUSAN MAHASISWA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) SKRIPSI Disusun oleh : RIZAL YUNIANTO GHOFAR 240102101410029
Lebih terperinciBootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS) untuk Mengklasifikasikan Rumah Tangga Miskin di Kabupaten Jombang
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-91 Bootstrap Aggregating Multivariate Adaptive Regression Splines (Bagging MARS) untuk Mengklasifikasikan Rumah Tangga Miskin
Lebih terperinciMinggu XI ANALISIS KOMPONEN UTAMA. Utami, H
Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciMaylita Hasyim Dosen STKIP PGRI Tulungagung
PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DENGAN BINARY RESPONSE UNTUK MENGANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP NILAI UN SMA PENDAHULUAN Maylita Hasyim Dosen STKIP PGRI Tulungagung
Lebih terperinciBAB I PENDAHULUAN. penyakit maupun cacat. Sejalan dengan definisi sehat menurut WHO, menurut
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut WHO dalam Nona (2013), sehat adalah keadaan sejahtera secara fisik, mental dan sosial yang merupakan satu kesatuan, bukan hanya terbebas dari penyakit maupun
Lebih terperinci: Analisis Diskriminan pada Klasifikasi Desa di Kabupaten. Tabanan Menggunakan Metode K-Fold Cross Validation. 2. I Gusti Ayu Made Srinadi, S.Si, M.
Judul : Analisis Diskriminan pada Klasifikasi Desa di Kabupaten Tabanan Menggunakan Metode K-Fold Cross Validation Nama : Ida Ayu Made Supartini Pembimbing : 1. Ir. I Komang Gde Sukarsa, M.Si 2. I Gusti
Lebih terperinciHYBRID MARS TIME SERIES PADA PEMODELAN STATISTICAL DOWNSCALLING Studi Kasus: Stasiun Losarang
HYBRID MARS TIME SERIES PADA PEMODELAN STATISTICAL DOWNSCALLING Studi Kasus: Stasiun Losarang 1 Bisyri Effendi, 2 Sutikno, dan 3 Bambang Widjanarko Otok 1 Mahasiswa S2 Jurusan Statistika FMIPA ITS 2,3
Lebih terperinciPENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MENENTUKAN FAKTOR YANG MEMPENGARUHI MASA STUDI MAHASISWA FPMIPA UPI
PENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK MENENTUKAN FAKTOR YANG MEMPENGARUHI MASA STUDI MAHASISWA FPMIPA UPI Mardiah Annur, Jarnawi Afgani Dahlan, Fitriani Agustina Departemen
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Secara sederhana, ekonometrika berarti pengukuran indikator ekonomi. Meskipun pengukuran secara kuantitatif terhadap konsep konsep ekonomi seperti produk domestik
Lebih terperinciPEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
ARIKA, Vol. 04, No. 2 Agustus 2010 ISSN: 1978-1105 PEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Fentje
Lebih terperinciRANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA
RANDOM FOREST DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) BINARY RESPONSE UNTUK KLASIFIKASI PENDERITA HIV/AIDS DI SURABAYA 1 Nidhomuddin, 2 Bambang Widjanarko Otok 1,2 Jurusan Statistika,Fakultas
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Dalam ilmu statistika, metode yang dapat digunakan untuk menganalisis pola hubungan antara satu variabel atau lebih dengan satu variabel atau lebih lainnya
Lebih terperinciPEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA FAKTOR-FAKTOR RESIKO ANGKA KESAKITAN DIARE
PEMODELAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA FAKTOR-FAKTOR RESIKO ANGKA KESAKITAN DIARE (Studi Kasus : Angka kesakitan Diare di Jawa Tengah, Jawa Timur dan Daerah Istimewa Yogyakarta
Lebih terperinciPENGEMBANGAN MODEL RAMALAN PRODUKSI PADI DENGAN PENDEKATAN BAGGING MARS
PENGEMBANGAN MODEL RAMALAN PRODUKSI PADI DENGAN PENDEKATAN BAGGING MARS Alif Yuanita 1, Bambang Widjanarko Otok 2, dan Sutikno 3 1 Mahasiswa Statistika, Institut Teknologi Sepuluh Nopember 2,3 Dosen Statistika,
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE
PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE SKRIPSI Disusun Oleh : ANISA SEPTI RAHMAWATI 24010212140046 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN KLASIFIKASI DATA HBAT DAN DATA IRIS
Jurnal Barekeng Vol. 7 No. 2 Hal 47 51 (2013) PENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN KLASIFIKASI DATA HBAT DAN DATA IRIS The Applications
Lebih terperinciBINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI SKRIPSI Disusun oleh: RIDHA RAMANDHANI 24010212140071 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciVolume II No. 2, Juni 2017 ISSN
Volume II No., Juni 7 ISSN 5-74 MODEL PREDIKSI TIMELINESS PELAPORAN KEUANGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE ( Studi Kasus pada Perusahaan Perbankan Go Public di BEI) Erna Hayati
Lebih terperinciBAGGING MARS PADA PEMODELAN ANOMALI LUAS PANEN PADI DI KABUPATEN NGAWI. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 BAGGING MARS PADA PEMODELAN ANOMALI LUAS PANEN PADI DI KABUPATEN NGAWI Naily Kamaliah (1), Bambang Widjanarko Otok (2),
Lebih terperinciRMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X
pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang
Lebih terperinciPENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005
1 PENGGUNAAN REGRESI SPLINE ADAPTIF BERGANDA UNTUK DATA RESPON BINER AZWIRDA AZIZ SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2005 2 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI
Lebih terperinciPendekatan Multivariate Adaptive Regression SPLINES (MARS) pada Pemodelan Penduduk Miskin di Indonesia Tahun
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 214 175 Pendekatan Multivariate Adaptive Regression SPLINES (MARS) pada Pemodelan Penduduk Miskin di Indonesia Tahun 28-212 (Multivariate
Lebih terperinciPemodelan Kemiskinan di kabupaten Jombang dengan Pendekatan Multivariate Adaptive Regression Splines (MARS)
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (214) 2337-352 (231-928X Print) D-32 Pemodelan Kemiskinan di kabupaten Jombang dengan Pendekatan Multivariate Adaptive Regression Splines (MARS) Millatur Rodliyah,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kota Medan merupakan ibukota Provinsi Sumatera Utara dan menjadi kota terbesar nomor 3 (tiga) di Indonesia setelah Jakarta dan Surabaya. Selain sebagai kota
Lebih terperinciPEMODELAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS)
PEMODELAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) SKRIPSI Oleh: NDARU DIAN DARMAWANTI 24010210141010 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciKlasifikasi Nilai Peminat SBMPTN (Seleksi Bersama Masuk Perguruan Tinggi Negeri) ITS dengan Pendekatan Classification and Regression Trees (CART)
D193 Klasifikasi Nilai Peminat SBMPTN (Seleksi Bersama Masuk Perguruan Tinggi Negeri) ITS dengan Pendekatan Classification and Regression Trees (CART) Lely Dwi Bhekti Pratiwi, Wahyu Wibowo, dan Ismaini
Lebih terperinciJurnal Matematika Vol. 3 No. 1, Juli ISSN :
Jurnal Matematika Vol. 3 No. 1, Juli 2013. ISSN : 1693-1394 Pemodelan Angka Harapan Hidup di Provinsi Jawa Timur Tahun 2007 dan 2011 Berdasarkan Angka Melek Huruf, Rata-rata Lama Sekolah, dan Pengeluaran
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengklasifikasian merupakan salah satu metode statistika untuk mengelompok atau menglasifikasi suatu data yang disusun secara sistematis. Masalah klasifikasi sering
Lebih terperinciBAB I PENDAHULUAN. Universitas Pendidikan Indonesia repository.upi.edu
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kehadiran bank syariah di Indonesia didorong oleh keinginan masyarakat Indonesia (terutama masyarakat Islam) yang berpandangan bahwa bunga merupakan hal yang
Lebih terperinci: Persentase Penduduk Dengan Sumber Air Minum Terlindungi PDAM : Pengeluaran Perkapita Penduduk Untuk Makan Sebulan
22 BAB III MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) 3.1 Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini adalah data derajat kesehatan tahun 2013 pada 27 kabupaten
Lebih terperinciGENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 191 196. GENERALIZED CROSS VALIDATION DALAM REGRESI SMOOTHING SPLINE Andi Sayuti, Dadan Kusnandar, Muhlasah Novitasari Mara
Lebih terperinciKLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN CART ARCING
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN CART ARCING 1 Ibrahim Widyandono 2 Bambang Widjanarko Otok 3 Jerry Dwi Trijoyo Purnomo 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinciBAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan ialah memperkirakan apa yang akan terjadi masa datang (Armstrong, 2001). Peramalan merupakan alat bantu yang penting dalam suatu perencanaan. Peramalan
Lebih terperinciPERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK
PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. mendapatkan model dan faktor-faktornya, terlebih dahulu akan dibahas. bagaimana mendapatkan sampel dalam penelitian ini.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan hasil dari penelitian yang meliputi model terbaik dari indeks prestasi kumulatif mahasiswa dan faktor-faktor apa saja yang berpengaruh terhadap
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Seperti yang kita ketahui, bahwa akhir-akhir ini nilai standar kelulusan Ujian Nasional (UN) di Indonesia terkhususnya pendidikan di tingkat SMA semakin tinggi. Oleh
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Menurut Hosmer dan Lemeshow (2000) tujuan melakukan analisis data kategori menggunakan regresi logistik adalah mendapatkan model terbaik dan sederhana untuk
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS ARILANGGA BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statistika Deskriptif Statistika deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan informasi yang berguna. Metode
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciBAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
BAB III MODEL REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON 3.1 Regresi Poisson Regresi Poisson merupakan salah satu model regresi dengan variabel responnya tidak berasal
Lebih terperinciPerbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank
Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Fajri Zufa Alumni Program Studi Statistika, FMIPA, Universitas Bengkulu e-mail
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)
PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan) I Made Budiantara Putra 1, I Gusti Ayu Made Srinadi 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinci6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM
6. PENGGUNAAN REGRESI SPLINES ADAPTIF BERGANDA UNTUK STATISTICAL DOWNSCALING LUARAN GCM 6.1 Pendahuluan Model regresi SD dinyatakan y = f(x) ε dimana y adalah peubah respon (curah hujan observasi, beresolusi
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
Lebih terperinciANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE
ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE SKRIPSI Oleh : ALVITA RACHMA DEVI 24010210120017 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciUNIVERSITAS NEGERI GORONTALO UNIVERSITAS NEGERI GORONTALO OKTOBER 2014 AGUSTUS 2014
1 Bidang Unggulan : Pengembangan Nilai-Nilai Kearifan Lokal Dalam Bidang Unggulan : Mengatasi Pengembangan Problem Nilai-Nilai Sosial dan Kearifan Hukum Lokal Dalam Mengatasi Problem Sosial dan Kode/Nama
Lebih terperinciUNNES Journal of Mathematics
UJM 5 (2) 2016 UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG) E.D. Asriani, Sugiman,
Lebih terperinciPENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE)
Natural Vol. 11, No. 2, Mei 2007, hal. 112-118. PENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE) A. Efendi dan H. Kusdarwati Program Studi
Lebih terperinci