PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH
|
|
- Yohanes Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah Semarag imarohizza@gmail.com ABSTRAK Ideks Pembagua Mausia (IPM) atau Huma Devlompet Idex (HDI) merupaka ideks pembagua mausia yag diperguaka utuk pecapaia hasil dari pembagua suatu daerah atau wilayah dalam tiga dimesi dasar pembagua yaitu lamaya hidup, pegetahua/tigkat pedidika da stadar hidup layak. Dalam peelitia ii dilakuka pedeskripsia Ideks Pembagua Mausia (IPM) da faktorfaktor yag mempegaruhiya dari sudut padag kewilayaha dega matriks pembobot customaize, serta pemodela Ideks Pembagua Mausia (IPM) dega megguaka spatial Durbi Error Models. Hasil peelitia meuuka bahwa peyebara Idek Pembagua Mausia di Provisi Jawa Tegah mempuyai pola yag meyebar. Berdasarka hubuga Ideks Pembagua (IPM) dega variabel yag mempegaruhiya yaitu Agka Harapa Hidup (AHH), Rata-rata Lama Sekolah (RLS), Harapa Lama Sekolah (HLS), da Pegeluara Perkapita yag Disesuaika (PPDS) dapat diartika bahwa persamaa da perbedaa karakteristik pada setiap kabupate/kota yag berdekata dapat meimbulka peigkata atau peurua Ideks Pembagua Mausia di Provisi Jawa Tegah. Model yag memeuhi evaluasi model spatial ecoometriks yaitu model SDEM ( Spatial Durbi Error Models), da variabel yag mempuyai efek tidak lagsug adalah pegeluara erkapita yag disesuaika artiya Ideks Pembagua Mausia disuatu wilayah dipegaruhi oleh pegeluara perkapita yag disesuaika pada wilayah tersebut da wilayah lai yag memiliki karakteristik yag sama. Kata Kuci : Ideks Pembagua Mausia, Spatial Error Model (SEM), Spatial Durbi Error Model (SDEM) PENDAHULUAN Huma Devlompet Idex (HDI) atau IPM merupaka ideks pembagua mausia yag diperguaka utuk pecapaia hasil pembagua suatu wilayah yag terdiri dari tiga dimesi dasar pembagua diataraya adalah lama hidup, tigkat pedidika/pegetahua da stadar hidup yag layak. Idikator yag diguaka utuk megukur dimesi kesehata adalah agka harapa hidup waktu lahir. Agka harapa hidup uga diguaka sebagai tolak ukur rata-rata masa hidup daerah atau wilayah tersebut. Dimesi pegetahua dapat diukur melalui gabuga idikator rata-rata lama sekolah da harapa lama sekolah. Faktor terpetig dalam meuag pembagua adalah pediddika karea dari pedidikalah mausia itu berkembag da berfikir mau, fasilitasfalisitas pedidika yag memadai da 33
2 system pedidika yag bagus sagatlah medukug utuk terciptaya dimesi pegetahu yag tiggi. Adapu dimesi hidup layak dapat diukur melalui idikator rata-rata besarya pegeluara perkapita yag disesuaika oleh kemampua daya beli masyarakat terhadap seumlah kebutuha pokok [6]. Ideks pembagua mausia megukur capaia pembagua mausia berbasis seumlah kompee dasar kualitas hidup [1]. BPS mecatat, capaia IPM Jawa Tegah pada tahu 2010 sebesar 66,08 meadi 69,49 di tahu 2015 [2], dilihat dari adaya peigkata tersebut, artiya pertumbuha ekoomi Jawa Tegah dapat diikmati oleh masyarakat secara keseluruha. Meski meuukka kemaua yag cukup baik dari tahu 2010 ke tahu 2015, aka tetapi pembagua mausia di Jawa Tegah masih berstatus sedag. Utuk megatasi masalah IPM tersebut diguaka suatu metode pedekata spasial yag memugkika pegukura IPM beserta faktor-faktor yag mempegaruhiya ditampilka dalam betuk visualisasi utuk memberika iformasi yag mudah dipahami. Visualisasi dalam betuk peta diharapka dapat memberika gambara kecederuga spasial yag lebih baik utuk aalisis dalam melihat pola spasial dari IPM beserta variabel-variabel yag mempegaruhiya [4]. Metode spasial merupaka metode utuk medapatka iformasi pegamata yag dipegaruhi efek ruag atau lokasi. Efek spasial serig teradi atara satu wilayah dega wilayah yag lai. Pada data spasial, pegamata disuatu lokasi serigkali bergatug pada pegamata lokasi yag berdekata [5]. Oleh karea itu, peeliti igi meeliti dega melibatka efek spasial didalamya dikareaka ika terdapat efek spasial didalamya tidak diguaka efek spasial tersebut maka hasil peelitia diaggap bias. Tuua dari peelitia ii yaitu utuk melihat peyebara data IPM di Provisi Jawa Tegah melalui peta tematik da memodelka serta megkai lebih laut tetag model IPM di Jawa Tegah dega megguaka Spatial Durbi Error Model (SDEM). Peelitia ii megambil 4 parameter yag mempegaruhi IPM yaitu AHH, HLS, RLS da PPDS dega memperhituga faktor lokasi (spasial). Dalam peelitia ii model regresi yag dipakai diataraya model OLS, Spatial Error Model (SEM), da Spatial Durbi Error Model (SDEM). METODE PENELITIAN Sumber Data da Variabel Peelitia Variabel yag aka diguaka dalam peelitia meruuk pada peelitia Paaita (2012). Variabel pada peelitia ii terdiri atas dua bagia, yaitu variabel bebas (Y) da variabel terikat (X). Variabel yag mempegaruhi peelitia ii terdapat dalam tabel 1, sebagai berikut : Tabel 1. Variabel Peelitia No Variabel Keteraga Jeis Variabel 1 IPM Ideks Pembagua Mausia Bebas 2 AHH Agka Harapa Hidup Terikat 3 4 HLS RLS Harapa Lama Sekolah Rata-rata Lama Sekolah Terikat Terikat 5 Pegelua perkapita Pegeluara perkapita yag disesuaika Terikat 34
3 Metode Aalisis Adapu lagkah-lagkah yag dilakuka pada peelitiha ii adalah sebagai berikut: a. Melakuka eksplorasi data peta tematik utuk megetahui pola peyebara da depedesi masig-masig variabel utuk megetahui pola hubuga varibel X da Y. b. Meetuka model Spatial Ecoometrics yag tepat utuk data IPM di Kabupate da Kota di Provisi Jawa Tegah, lagkah-lagkahya adalah sebagai berikut : i. Ui depedesi spatial atau autokorelasi dega Mora s I pada masig-masig variabel. Selautya dilakuka pembetuka Mora s Scatterplot utuk megetahui peyebara atar lokasi. ii. Melakuka pemodela Ordiary Least Square (OLS), yag meliputi estimasi parameter, peguia hipotesis sigifikasi parameter, ui asumsi residual (idetik, idepede, da berdistribusi ormal), da ui depedesi spatial Mora s I pada residual. iii. Meetuka pembobot spatial costumaize atar lokasi iv. Melakuka pemodela SEM da SDEM v. Melakuka evaluasi model Spatial Ecoometrics vi. Megiterpretasika da meyimpulka hasil yag telah diperoleh. HASIL PENELITIAN 1. Pola Peyebara IPM Peyebara IPM dielaska dalam gambar sebagai berikut : Gambar 1. IPM Kabupate/Kota di Provisi Jawa Tegah Berdasarka gambar 1 dapat diketahui bahwa wara lokasi semaki gelap, maka IPM semaki tiggi. Terlihat bahwa kabupate/kota yag memiliki IPM berkisar atara 76,39 sampai 80,96 adalah Kota Surakarta, Kota Tegal, Kota Semarag, Kudus, Kota Pekaloga. Kabupate/kota yag memiliki IPM berkisar atara 71,89 sampai 76,39 adalah Kabupate Klate, Kabupate Sukoharo, Kabupate Karagayar da Kota Tegal. Sedagka kabupate/kota yag memiliki IPM berkisar atara 68,51 sampai 71,89 adalah Kabupate Boyolali, Kabupate Srage, Kabupate Bayumas, Kabupate Kedal, Kabupate Semarag, Kabupate Demak, Kabupate Jepara, Kota Magelag da Kabupate Purworeo. Kabupate/kota yag memiliki IPM berkisar atara 65,70 sampai 68,51 adalah Kabupate Cilacap, Kabupate Purbaligga, Kabupate Kebume, Kabupate Pekaloga, Kabupate Temaggug, Kabupate Woogiri, Kabupate Blora, Kabupate Pati, da Kabupate Rembag. Kemudia kabupate/kota yag memiliki IPM 36
4 berkisar atara 63,18 sampai 65,70 adalah Kabupate Baaregara, Kabupate Wosobo, Kabupate Batag, Kabupate Pemalag, Kabupate Tegal, Kabupate Brebes. 2. Pemodela IPM Jawa Tegah 2.1 Ui Depedesi Spatial Berdasarka hasil peguia Moras I pada tabel 2 dapat diketahui bahwa variabel IPM, AHH, HLS, PPDS da RLS terdapat depedesi spatial dega α = 5%. Jadi dapat disimpulka bahwa terdapat depedesi spatial dalam semua variabel. Tabel 2. Peguia Moras I Variabel Moras I P-value Kesimpula IPM e-07* Tolak 0 AHH e-10* Tolak 0 HLS e-05* Tolak 0 PPDS * Tolak 0 RLS 2,6173 0,004431* Tolak 0 Gambar 2. Moras Scatterplot IPM Dari gambar 2 dapat disimpulka bahwa pola peyebara IPM meuukka pola meyebar baik pada kuadra I, II, II da kuadra IV yag berarti kabupate/kota yag memiliki IPM tiggi meyebar disemua kabupate/kota di Provisi Jawa Tegah. Sebagai cotoh Kota Surakarta da Kota Salatiga terletak di kuadra II, artiya Kota Surakarta da Kota Salatiga mempuyai IPM tiggi da dikeliligi oleh kabupate/kota yag memiliki IPM yag tiggi uga. Sedagka cotoh lai Kabupate Woogiri terletak di kuadra I, artiya Kabupate Woogiri mempuyai IPM yag redah, amu dikeliligi oleh kabupate/kota yag mempuyai IPM tiggi. 2.2 Matriks Pembobot Spatial Dalam peelitia ii megguaka pembobot customize karea matriks pembobot spatial ii tidak haya mempertimbagka faktor persigguga da kedekata atar lokasi wilayah aka tetapi faktor-faktor laiya yag disesuaika dega karakteristik masalahya yaitu adaya hubuga salig mempegaruhi atar wilayah karea memiliki hubuga timbal balik. Dimaa W=1 utuk wilayah yag bersisia ( commo size) atau titik sudutya (commo vertex) bertemu dega wilayah yag meadi perhatia, Wi=0 utuk wilayah laiya. 2.3 Estimasi Parameter Model OLS, SEM da SDEM Secara umum model OLS, SEM da SDEM berdasarka hasil estimasi parameter pada tabel 3 adalah: 1. Ordiary least Square (OLS) y 1, 611E 07 2, 022E0 1X 3, 563E 01X 1 2 1, 764E 01X 3 3, 760E 01X 4 2. Spatial Error Models (SEM) y 1, 419E 03 2, 034E 01X 3, 532E 01X , 811E 01X 3, 777E 01X u ui 4, 626E 02 w iu + εi =1,i¹ 3. Spatial Durbi Error Models (SDEM) y 7,549E 02 1,993 E 01X 1,861 E 03 i 1i i 1i i 3,50 E 01X 9,142 E 03 w X 1,993 E 01X 2i i 2i 3i i 9,566 E 03 w X 3,618 E 01X i 8,732 E 03 w X u i u 1,879 E 02 w u i i i 3i 4i i i 4i i i w X 36
5 Tabel 3. Hasil Peguia Estimasi Parameter Model OLS, SEM da SDEM Parameter OLS Koefisie (P-value) SEM Koefisie (P-value) SDEM Koefisie (P-value) Itercept 1,611E-07 1,419E-03 7,549E-02 (1) (6.515E-01) (3,981E-01) AHH 2,022E-01 2,034E-01 1,993E-01 (<2E-16***) (<2E-16***) (<2E-16***) HLS 3,563E-01 3,532E-01 3,650E-01 (<2E-16***) (<2E-16***) (<2E-16***) RLS 1,764E-01 1,811E-01 1,695E-01 (5,190E-11***) (<2E-16***) (<2E-16***) PPDS 3,760E-01 3,777E-01 3,618E-01 (<2E-16***) (<2E-16***) (<2E-16***) lag.ahh ,861E (7,024E-01) lag.hls ,142E (4,011E-01) lag.rls - - 9,566E (2,599E-01) lag.ppds E (2,866E-02*) Lamda - -4,626E-02-1,879E-02 2,141E-01 (3,667E- 05***) Berdasarka output tabel 3 dapat disimpulka bahwa semua parameter model OLS, SEM da SDEM sigifika pada α = 0.1% dega ilai p. value <2e- 16 kecuali parameter RLS dalam model OLS = 5.19e-11, artiya utuk model OLS, SEM da SDEM semua parameter yaitu AHH, RLS, HLS, da PPDS berpegaruh sigifika terhadap IPM. sedagka utuk pegaruh kewilayaha model SDEM pada semua parameter yaitu AHH, RLS, HLS tidak berpegaruh sigifika terhadap wilayah disekitarya kecuali pada parameter PPDS sigifika pada α = 5% yaitu dega p. value sebesar 0,02866 yag artiya parameter PPDS mempuyai pegaruh atar wilayah yag sigifika. 2.4 Evaluasi Model Spatial Ecoometrics 1. Kriteria Ekoomi Tabel 4. Evaluasi Model Kriteria Ekoomi Kriteria Ekoomi Koefisie Parameter OLS SEM SDEM β1 > 0 2,022E-01 2,034E-01 1,993E-01 β2 > 0 3,563E-01 3,532E-01 3,650E-01 β3 > 0 1,764E-01 1,811E-01 1,695E-01 β4 > 0 3,760E-01 3,777E-01 3,618E-01 Lagβ1 > ,861E-03 Lagβ2 > ,142E-03 Lagβ3 > ,566E-03 Lagβ4 > ,732E-03 Lambda>0-1,879E-02 Dari hasil evaluasi model berdasarka kriteria ekoomi dapat disimpulka bahwa semua parameter dalam model OLS, SEM da SDEM sesuai dega teori ekoomi yag ada, karea tadaya positif atau β > 0. Sedagka utuk parameter Lagβ1 da Lagβ2 < 0 artiya masig-masig daerah yag diboboti memiliki agka harapa hidup da harapa lama sekolah yag berbedabeda tetapi agka harapa hidup da harapa lama sekolah tidak boleh bertada egative terhadap Ideks Pembagua Mausia sehigga pada Lagβ1 da Lagβ2 < 0 tidak sesuai dega kriteria ekoomi, tetapi variabel AHH da HLS tidak sigifika sehigga diyataka bahwa model SDEM memeuhi kriteria. Sedagka Lambda sigifika secara statistik da berilai egative atau lambda < 0 tetapi haya berpegaruh kecil terhadap daerah yag di boboti yaitu haya sebesar -1,879E- 02. Jadi dari ketiga model tersebut dapat simpulka bahwa model OLS,SEM da SDEM memeuhi kriteria secara ekoomi. 37
6 2. Kriteria Statistik Kriteria statistik ii diguaka utuk megui kelayaka model ( goodess of fit) dega melihat ilai MSE yag terkecil da sigifikasi parameter. Adapu hasil kriteria statistik disaika dalam tabel 4.3 diatas, dapat disimpulka bahwa semua parameter model OLS, SEM da SDEM sigifika pada α = 0,1%, dega ilai p. value <2e-16 kecuali parameter RLS dalam model OLS = 5.19E-11. Artiya utuk model OLS, SEM da SDEM semua parameter yaitu AHH, RLS, HLS, da PPDS berpegaruh sigifika terhadap IPM. Sedagka utuk pegaruh kewilayaha model SDEM pada semua parameter yaitu AHH, RLS, HLS tidak berpegaruh sigifika terhadap wilayah disekitarya kecuali pada parameter PPDS sigifika pada α = 5% yaitu dega p. value sebesar 2,866E-02 yag artiya parameter PPDS mempuyai pegaruh atar wilayah yag sigifika. 3. Kriteria Ekoometrika Dalam kriteria ekoometrika ii aka diui asumsi klasik. Beberapa asumsi klasik yag harus terpeuhi adalah residual berdistribusi ormal, tidak teradi multikoliieritas, tidak teradi heteroskedastisitas, da autokorelasi. Hasil evaluasi model berdasarka kriteria ekoometrika dari masigmasig model adalah sebagai berikut : Tabel 5. Evaluasi Model Berdasarka Kriteria Ekoometrika Ui Asumsi Klasik Kriteria Ekoomertika OLS SEM SDEM Normalitas p-value > α TM TM M Autokorelasi p-value > α M TM M Heteroskedastisitas p-value > α M TM M Multikoliieritas VIF < 10 M M M Ket : M = Memeuhi kriteria ekoometrika TM = Tidak memeuhi kriteria ekoometrika *Utuk model SEM da SDEM megguaka autokorelasi spatial Dari tabel 5 dapat disimpulka bahwa hasil ui residual berdistribusi ormal ii megguaka ui Aderso Darlig (AD), meyataka bahwa model OLS memiliki p-value sebesar 0,015 artiya tidak sigifika karea p-value < α = 5%. Sedagka model SEM p-value = <0,005 da p-value SDEM = 0,941 sigifika karea p-value > α = 5%. Kesimpulaya adalah model SDEM berdistribusi ormal, sedagka model OLS da SEM tidak bertistribusi ormal. Hasil ilai test Durbi-Watso utuk megui autokorelasi pada residual OLS = 0.304, SEM = da SDEM = Nilai tersebut dibadigka dega ilai tabel Durbi-Watso utuk k=4 da =35 diperoleh batas bawah sebesar 1,222 da batas atas sebesar 1,726. Karea ilai test Durbi-Watso lebih kecil dari batas bawah maka dapat disimpulka bahwa H0 ditolak, artiya teradi autokorelasi pada residual OLS d. Sedagka berdasarka Moras I test model SEM da SDEM, diketahui bahwa p-value model SEM < α, dega α = 5% da p-value SDEM >< α, Artiya pada model SEM tidak ada depedesi spatial atau ada hubuga atar wilayah IPM kabupate da kota di provisi Jawa Tegah tetapi pada Model SDEM ada depedesi spatial atau tidak ada hubuga atar wilayah IPM kabupate da kota di provisi Jawa Tegah. Hasil peguia Breusch-Paga test (BP test) utuk megui heteroskedastisitas model SDEM meuuka bahwa p-value model SDEM = 0,576 da model OLS=0,342 lebih besar dari α. Artiya ada keragama betuk fugsioal da 38
7 parameter pada setiap lokasi (homoskedastisitas). Sedagka utuk model SEM terdapat heteroskedastisitas karea p-value < α. Hasil peguia multikoliearitas dilihat berdasarka ilai Variace Iflatio Factors (VIF), hasil ilai VIF dari model OLS, SEM da SDEM < 10. Artiya tidak terdapat multikoliearitas pada model OLS, SEM da SDEM. 2.5 Pemiliha Model Terbaik Pemiliha model terbaik berdasarka hasil Evaluasi Model Spatial Ecoometrics yaitu kriteria ekoomi, kriteria statistik da kriteria ekoometrika. Berikut hasil pemiliha model terbaik spatial ecoometrics: Tabel 6. Pemiliha Model Terbaik Model Kriteria Kriteria Kriteria Ekoomi Statistika Ekoomertika OLS M M TM SEM M M TM SDEM M M M Tabel 7. Nilai AIC Model AIC OLS SEM SDEM Berdasarka evaluasi model spatial ecoometrics yaitu eveluasi kriteria ekoomi, evaluasi kriteria statistik da evaluasi kriteria ekoometrika maka dapat simpulka bahwa model OLS da model SEM buka model yag terbaik karea ada salah satu kriteria model yag tidak terpeuhi yaitu kriteria ekoometrika sedagka model SDEM disimpulka bahwa model tersebut adalah model yag terbaik karea memeuhi tiga kriteria evaluasi model terbaik. Berdasarka tabel 7 dapat dielaska semaki kecil ilai AIC suatu model maka aka semaki baik model yag didapatka. Berdasarka ilai AIC diatas dapat disimpulka ilai AIC yag palig kecil adalah model SDEM sebesar , artiya dari ketiga model OLS, SEM da SDEM yag terbaik adalah model SDEM. Model SDEM yag terbetuk secara umum adalah sebagai berikut : y 1,993 E01X 3,650 E01X 1,695 E01X 1i 2i 3i 3,618 E01X 8,732 E03 u 1,879 E02 W u 4i i 4i i i i i w X Model SDEM dapat diiterpretasika bahwa Ideks Pembagua Mausia (IPM) di Provisi Jawa Tegah di pegaruhi oleh variabel lagsg da tidak lagsug. Variabel yag berpegaruh lagsug terhadap IPM adalah Agka Harapa Hidup (AHH), Harapa Lama Sekolah (HLS), Rata - rata Lama Sekolah (RLS), da Pegeluara Perkapita yag Disesuaika (PPDS). Sedagka variabel tidak lagsug yag berpegaruh terhadap IPM adalah Pegeluara Perkapita yag disesuaika. KESIMPULAN Berdasarka hasil aalisis da pembahasa, peelitia ii dapat disimpulka peyebara IPM di Provisi Jawa Tegah mempuyai pola yag meyebar atara wilayah yag salig berdekata satu sama lai. Berdasarka hubuga atara Ideks Pembagua Mausia (IP M) dega variabel yag mempegaruhiya Agka Harapa Hidup (AHH), Harapa Lama Sekolah, (HLS), Rata-rata Lama Sekolah (RLS) da Pegeluara Perkapita yag disesusaika (PPDS) dapat diartika bahwa persamaa da perbedaa karakteristik pada setiap Kabupate/Kota yag berdekata dapat meimbulka peigkata atau peurua IPM di Provisi Jawa Tegah. Kabupate/kota yag memiliki IPM berkisar atara 76,39 sampai 80,96 39
8 adalah Kota Surakarta, Kota Tegal, Kota Semarag, Kudus, Kota Pekaloga. Kabupate/kota yag memiliki IPM berkisar atara 71,89 sampai 76,39 adalah Kabupate Klate, Kabupate Sukoharo, Kabupate Karagayar da Kota Tegal. Sedagka kabupate/kota yag memiliki IPM berkisar atara 68,51 sampai 71,89 adalah Kabupate Boyolali, Kabupate Srage, Kabupate Bayumas, Kabupate Kedal, Kabupate Semarag, Kabupate Demak, Kabupate Jepara, Kota Magelag da Kabupate Purworeo. Kabupate/kota yag memiliki IPM berkisar atara 65,70 sampai 68,51 adalah Kabupate Cilacap, Kabupate Purbaligga, Kabupate Kebume, Kabupate Pekaloga, Kabupate Temaggug, Kabupate Woogiri, Kabupate Blora, Kabupate Pati, da Kabupate Rembag. Kemudia kabupate/kota yag memiliki IPM berkisar atara 63,18 sampai 65,70 adalah Kabupate Baaregara, Kabupate Wosobo, Kabupate Batag, Kabupate Pemalag, Kabupate Tegal da Kabupate Brebes. Da pemodela IPM di Provisi Jawa Tegah dapat disimpulka bahwa, model yag memeuhi semua evaluasi spatial ecoometrics yaitu model SDEM. [5] Setiawa da Kusrii, D.E., 2010, Ekoometrika, Adi, Yogyakarta [6] Paaita, W.M., 2012, Peerapa Regresi Spasial pada Pemodela Kasus Ketergatuga Spasial (Studi Kasus: Ideks Pembagua Mausia Tahu 2010). Ititut Pertaia Bogor. DAFTAR PUSTAKA [1] Bada Pusat Statistik., 2009, Ideks Pembagua Mausia Jakarta-Idoesia [2] Bada Pusat Statistik (BPS), 2015, Ideks Pembagua Mausia. [3] Lee, J. da Wog, D. W. S., 2001, Statistical Aalysis with Arcview GIS, Joh Wiley ad Sos, New York. [4] LeSage, J.P. da Pace, R.K., 2009, Itroductio to Spatial Ecoometrics, R Press, Boca Ratio. 40
SPATIAL 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 terperinciEfek Lokal Spasial Program Swasembada Padi di Jawa Tengah Menggunakan Local Moran s
The 4 th Uivesity Research Coloquium 016 Efek Lokal Spasial Program Swasembada Padi di Jawa Tegah Megguaka Local Mora s Abdul Karim 1, Rochdi Wasoo 1, Program Studi Statistika, Fakultas Matematika da Ilmu
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA.1 Aalisis Regresi Bergada Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu variabel bebas (Y) dega satu atau lebih
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 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 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 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 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 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 terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jural Ilmiah Widya Tekik Volume 6 Nomor 07 ISSN 4-7350 PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL Loviaa, Dia Reto Sari Dewi *, Luh Jui Asrii Jurusa Tekik
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 terperinciAutocorrelation Spatial Program Swasembada Padi di Jawa Tengah
Autocorrelatio patial Program wasembada Padi di Jawa Tegah Abdul Karim ), Rochdi Wasoo ) ),) tatistika, Fakultas Matematika da Ilmu Pegetahua Alam, Uiversitas Muhammadiyah emarag Alamat e-mail : abdulkarim@uimus.ac.id,
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 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 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 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 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 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 terperinciIDENTIFIKASI AUTOKORELASI SPASIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEKS MORAN
Idetifikasi Autokorelasi (Triastuti) IDENTIFIKAI AUTOKORELAI PAIAL PADA JUMLAHPENGANGGURAN DI JAWA TENGAH MENGGUNAKAN INDEK MORAN Triastuti Wuryadari, Abdul Hoyyi Dewi etya Kusumawardai 3, Dwi Rahmawati
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 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 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 terperinciPEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD)
THE 5 TH URECOL PROCEEDING 8 February 27 PEMODELAN REGRESI SPASIAL PADA KASUS DEMAM BERDARAH DENGUE (DBD) Putri Ayu Setiyowati ), Safaat Yuliato 2) Departeme Statistika, (AIS) Muhammadiyah Semarag email:
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II INJAUAN PUSAKA. Aalisis Regresi Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu peubah respo dega satu atau lebih peubah pejelas.
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 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 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 terperinciMODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR
1 MODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR Fui Rahayu Wilueg, Dra. Nuri Wahyuigsih [1] Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam
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 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 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 terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
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 terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciBAB IV DESKRIPSI DAN ANALISIS DATA. penelliti dilakukan ada dua jenis. Tes kemampuan verbal disusun untuk
44 BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi Hasil Peelitia Data yag diperoleh dari siswa kelas VIII SMP Zaiuddi Waru adalah skor tes kemampua verbal (X 1 ), skor tes kemampua umerik (X ), da skor
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
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 terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
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 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 terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dibahas mengenai gambaran persebaran IPM dan komponen-komponen penyususn IPM di Provinsi Jawa Tengah. Selanjutnya dilakukan pemodelan dengan menggunakan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
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 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 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 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 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 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 terperinciPEMODELAN GIZI BURUK PADA BALITA DI KOTA SURABAYA DENGAN SPATIAL AUTOREGRESSIVE MODEL (SAR)
PEMODELAN GIZI BURUK PADA BALIA DI KOA SURABAYA DENGAN SPAIAL AUOREGRESSIVE MODEL (SAR) Qurrota A yui, da Dr. Brodol Sutio S.U, M.Si, Jurusa Statistika Istitut ekologi Sepuluh Nopember Surabaya e-mail
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 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 terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
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 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 III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel
49 BAB III METODOLOGI PENELITIAN 3.1 Jeis da Sumber Data Jeis data yag diguaka berupa data sekuder yag megguaka Tabel Iput Output Idoesia Tau 2005 dega klasifikasi 9 sektor. Data tersebut berasal dari
Lebih terperinciAnalisis Faktor-Faktor yang Memengaruhi Angka Prevalensi Penyakit Kusta di Jawa Timur dengan Pendekatan Spatial Durbin Model
JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Prit) D-95 Aalisis Faktor-Faktor yag Memegaruhi Agka Prevalesi Peyakit Kusta di Jawa Timur dega Pedekata Spatial Durbi Model Erawati, I Nyoma Latra.
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 terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
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 terperinciPEMODELAN REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR DENGAN MENGGUNAKAN METODE REGRESI SPASIAL
PEMODELAN REMAJA PUUS SEKOLAH USIA SMA DI PROVINSI JAWA IMUR DENGAN MENGGUNAKAN MEODE REGRESI SPASIAL Liska Septiaa (), Sri Pigit Wuladari (), () Mahasiswa Statistika FMIPA IS_l5_k4@yahoo.co.id, () Dose
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 terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
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 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 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 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 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 terperinciMODUL PRAKTIKUM Statistik Inferens (MIK 411)
MODUL PRAKTIKUM tatistik Iferes (MIK 4) Disusu Oleh Nada Aula Rumaa, KM., MKM UNIVERITA EA UNGGUL 07 Revisi (tgl) : 0 (0 Desember 07) / 4 UJI T DEPENDEN/BERPAANGAN (PAIRED T TET) A. Pedahulua Uji t berpasaga,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
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 terperinciIV. METODOLOGI PENELITIAN
49 IV. METODOLOGI PENELITIAN 4.1. Tempat da Waktu Peelitia Ruag ligkup peelitia mecakup perekoomia Provisi NTT utuk megkaji peraa sektor pertaia dalam perekoomia. Kajia ii diaggap perlu utuk dilakuka dega
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
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 terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
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 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 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 terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
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 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 terperinciMETODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa
III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara
Lebih terperinciPengelompokan Kepemilikan Jaminan Kesehatan Menggunakan Metode Fuzzy C-Means Algorithm
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 299-305 p-issn: 2580-4596; e-issn: 2580-460X Halama 299 Pegelompoka Kepemilika Jamia Kesehata Megguaka
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciKeterkaitan Karakteristik Pergerakan di Kawasan Pinggiran Terhadap Kesediaan Menggunakan BRT di Kota Palembang
C463 Keterkaita Karakteristik di Kawasa Piggira Terhadap Kesediaa Megguaka BRT di Kota Palembag Dia Nur afalia, Ketut Dewi Martha Erli Hadayei Departeme Perecaaa Wilayah da Kota, Fakultas Tekologi Sipil
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 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 III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
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 terperinciPEMODELAN PRODUKSI PADI DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL ECONOMETRICS
PEMODELAN PRODUKSI PADI DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPATIAL ECONOMETRICS 1 Fathikatul Arnanda, 2 Abdul Karim 1,2 Program Studi Statistik Fakultas Matematika dan IlmuPengetahuaan Alam,Universitas
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 VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinci