PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT
|
|
- Leony Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember (IS Jalan Arief Rahman Hain, Surabaya purhadi@statistia.its.ac.id Abstra Penelitian ini menelasan tentang fator yang mempengaruhi HIV dan AIDS di abupaten dan ota di Jawa imur. Kasus HIV dan AIDS merupaan edua asus yang berbeda tetapi mempunyai eteraitan satu dengan yang lain, arena itu regresi poisson bivariat diduga menadi metode yang bai untu memodelan umlah asus HIV dan umlah asus AIDS. erdapat tiga buah model regresi poisson bivariat yang dibangun. Nilai parameter yang didapatan dari etiga buah regresi tersebut berbeda-beda, arena itu perlu memilih salah satu dari etiga model tersebut.model terbai dari regresi poisson bivariat adalah model dengan nilai melibatan variabel preditor. Pada model terbai tida semua variabel preditor berpengaruh terhadap respon umlah asus AIDS. Variabel preditor yang berpengaruh pada model umlah asus AIDS adalah persentase pendudu tamat SMA, persentase pengguna ondom, persentase pendudu elompo umur -9 tahun, persentase daerah berstatus desa dan persentase pendudu misin di tiap abupaten dan ota. Kata unci: HIV, AIDS, Regresi Poisson Bivariat I. PENDAHULUAN Kesehatan adalah ha dasar manusia dan merupaan salah merupaan salah satu aspe ualitas sumber daya manusia yang penting untu dicermati. Hal itu diarenaan esehatan merupaan salah satu peran penting dalam investasi sumber daya manusia, maa sangat tepat peran yang dilauan pemerintah dalam pembangunan di bidang esehatan secara terus menerus. Penyait HIV dan AIDS adalah new emerging diseases serta menadi pandemi di beberapa awasan dalam beberapa watu terahir ini. Salah satu enis penyait yang perlu diperhatian di Jawa imur adalah mengenai HIV dan AIDS. Regresi poisson bivariat diperuntuan untu pemodelan saat terdapat sepasang sepasang variabel respon dengan bentu data count (umlah yang menunuan nilai orelasi tinggi []. Selain itu asumsi depedensi variabel respon harus benar-benar terpenuhi saat pemodelan menggunaan regresi poisson bivariat []. Jumlah asus HIV dan umlah asus AIDS di Provinsi Jawa imur mempunyai eteraitan satu sama lain, sehingga diduga mempunyai orelasi yang tinggi. Selain itu data umlah asus HIV dan umlah asus AIDS berupa count maa pemodelan menggunaan regresi poisson bivariat bisa digunaan. uuan dalam penelitian ini adalah mendapatan model umlah asus HIV dan AIDS dengan menggunaan regresi poisson univariat, mendapatan penasir parameter dan statisti ui dari asus HIV dan AIDS di abupaten dan ota di Jawa imur menggunaan regresi poisson bivariat, mendapatan model terbai yang dihasilan dari etiga buah model regresi poisson bivariat dan mendapatan fator yang mempengaruhi HIV dan AIDS di tiap abupaten dan ota di Jawa imur menggunaan regresi poisson bivariat dari model terbai. Sehingga bisa dietahui fator apa saa yang berpengaruh terhadap asus HIV dan AIDS di Provinsi Jawa imur, hal tersebut menadi masuan untu Dinas Kesehatan Provinsi Jawa imur. II. INJAUAN PUSAKA inauan dalam penelitian yaitu regresi poisson univariat dan regresi poisson bivariat. A.Distribusi Poisson Percobaan yang menghasilan nilai untu variabel random dan merupaan banyanya hasil percobaan yang teradi selama selang watu tertentu atau di suatu daerah tertentu disebut percobaan poisson []. Distribusi poisson mempunyai arateristi yang tida biasa yaitu mempunyai mean dan variansi yang sama yaitu. Fungsi probabilitasnya adalah y e ; y,,,,... f ( y y! ( ; y yanglain Distribusi poisson bivariat teradi saat terdapat variabel random U, U dan U merupaan variabel random yang berdistribusi poisson dengan parameter λ, λ dan λ. erdapat variabel random Y, Y dengan Y = U + U dan Y = U + U dengan fungsi probabilitas ditunuan oleh persamaan. Saat variabel random Y, Y secara bersama-
2 sama berdistribusi poisson bivariat, maa fungsi probabilitas adalah y y s ;,,,... y e! ( f ( y, y y! ; y yanglain B. Regresi Poisson Univariat Analisis regresi merupaan alat statisti yang memanfaatan hubungan antara dua atau lebih peubah uantitatif sehingga salah satu peubah bisa diramalan dari peubah lain []. Apabila peubah ta bebas Y berdistribusi poisson maa model regresi yang digunaan adalah regresi poisson. Model regresi poisson merupaan model standar untu data disrit dan termasu dalam model regresi linier. Penasiran parameter regresi poisson meggunaan MLE dengan metode newton raphson []. Model regresi poisson dengan satu buah variabel respon ditulisan sebagai beriut y ~ poisson( e x β ( dimana x [ x x x ] H ditola apabila nilai dari z hitung z yang artinya variabel e signifian terhadap respon. C. Regresi Poisson Bivariat Salah satu teni untu memodelan data multivariat saat tipe data count, merupaan salah satu cara lama dan sering dipelaari adalah regresi poisson bivariat []. Variabel random mengiuti distribusi poisson dengan EY ( dan EY (. Nilai Cov( Y, Y, adalah uuran etergantungan dari edua variabel random. Model yang lebih realistis dapat ditunuan ia membuat model, dan digunaan sebagai covariate sebagai regressor. Model regresi poisson bivariat mendapatan bentu beriut ( Y, Y ~ PB( i, i, x i ( β i e ;, ( erdapat tiga buah model dengan nilai yang berbeda beda, yaitu model dengan nilai adalah suatu onstanta, model dengan nilai dimana terdapat covariate β [ ] di dalam nilai tersebut dan model dengan nilai adalah nol dimana dianggap tida terdapat covarian dari dua buah Penguian secara serenta parameter model regresi variabel, lazimnya disebut model double poisson. Penasiran poisson untu melihat esesuaian model yang dihasilan. parameter untu regresi poisson bivariat digunaan metode Hipotesis yang digunaan untu penguian parameter secara newton raphson [7]. Rumusan penguian hipotesis untu serenta adalah parameter secara serenta adalah H : H : ;, H : palingsediit ada satu ;,,, H : paling tida ada satu i ;,; i,,... sehingga diperoleh hubungan sebagai beriut L( ˆ L( D( β ln L( ˆ L( (7 ˆ L( ˆ n n n D( ln ln L( ˆ D( β exp( xi β exp( xi β ln Ai ( i i i ˆ n n n D( ~ (, dengan exp( exp( ln Ai Nilai devians model regresi poisson mengiuti i i i distribusi sehingga tola H ia D( ˆ.Penguian D(βˆ adalah devians dari model yang merupaan statistic parameter secara parsial digunaan untu mengetahui ui dengan riteria penguiannya adalah tola H ia parameter mana saa yang memberian pengaruh signifian terhadap model. Hipotesis yang digunaan untu penguian D( β ˆ (,. Hipotesis parameter parsial adalah parameter secara parsial adalah H : l H : H : l ;, H : dengan,,, ˆ Statisti ui yang digunaan adalah l z (8 ˆ se( ˆ l z ( ( se( ˆ Hipotesis awal aan ditola saat nilai z hitung. z
3 D. Estimasi Standar Eror dengan Bootstrap Algoritma bootstrap untu mengestimasi standar eror dari parameter adalah menari B sampel independen bootstrap, mengevaluasi repliasi bootstrap yang bersesuaian pada setiap sampel, membentu model dari setiap repliasi. Dari hasil setiap repliasi nilai estimasi parameternya disimpan. Kemudian mengestimasi standar eror dengan rumusan se B B ˆ( ˆ(. B nilai ˆ B ˆ( (. adalah rata-rata estimasi parameter. B E. HIV dan AIDS HIV dan AIDS sering dianggap sebagai hal yang sama, padahal terdapat perbedaan diantara eduanya.. HIV adalah singatan dari Human Immunodefidiency Virus. Virus ini menyerang limfosit CD yaitu dari sistem eebalan tubuh. Virus ini ditularan dari manusia yang terinfesi epada elompo manusia yang sehat. Kerusaan besar terhadap tingat euatan eebalan tubuh dapat disebaban. AIDS adalah singatan dari Acquired Immunodefidiency Syndrome. Kondisi ini berembang dari infesi HIV, ia penderita HIV tida mematuhi pengobatan antivirus seperti yang disaranan doter, HIV aan berembang menadi lebih cepat menadi AIDS. Selain itu anga watu untu HIV berembang menadi AIDS lebih cepat adalah orang yang terena gizi buru, usia tua, dan stres berat. Pencegahan perembangan HIV menadi AIDS dapat dibantu dengan menalani gaya hidup sehat dan mematuhi saran doter [8]. E. Penelitian erdahulu Penelitian HIV/AIDS pernah dilauan sebelumnya menggunaan regresi poisson. Dari hasil pemodelan regresi poisson hal yang berpengaruh secara signifian yaitu persentase pendudu yang tamat SMA, persentase pendudu misin dan umlah daerah berstatus desa [9]. III. MEODOLOGI PENELIIAN Data yang digunaan dalam penelitian ini adalah data seunder yang berasal dari Data Profil Kesehatan Provinsi Jawa imur ahun. Dengan unit penelitian sebanya 9 abupaten dan 9 ota di Jawa imur.langah analisis yang dilauan untu mencapai tuuan dari penelitian ini adalah melauan analisis desriptif dan ui orelasi terhadap variabel, mendetesi multiolinieritas antara variabel preditor. Setelah terpenuhi syarat tida teradi multiolinieritas dilauan pemodelan. Pemodelan (9 pertama adalah regresi poisson univariat. Kemudian berlanut e pemodelan regresi poisson bivariat yang aan dibangun tiga buah model, yaitu : Model pertama adalah model dengan nilai adalah suatu onstanta. Model edua adalah model dengan nilai suatu persamaan. Model etiga adalah model dengan nilai adalah. Menghitung standar eror dari regresi poisson bivariat dengan menggunaan metode bootsrap untu mengetahui signifiansi parameter. Dari etiga model dipilih model terbai berdasaran nilai AIC dan BIC. Dilauan analisis dan penarian esimpulan. Pada penelitian ini tida mengui adanya overdispersi pada model. Variabel penelitian yang digunaan pada penelitian ini di tunuan oleh abel. Variabel Y Y X X X X X X IV. abel. Variabel Penelitian Keterangan Jumlah asus HIV Jumlah asus AIDS Persentase pendudu pengguna ondom terhadap alat ontrasepsi lain Persentase elompo umur -9 tahun terhadap umlah pendudu Persentase daerah berstatus desa terhadap umlah daerah tingat II Persentase pendudu yang tamat SMA terhadap umlah pendudu Persentase pendudu misin terhadap umlah pendudu Persentase umlah tenaga medis terhadap umlah pendudu ANALISIS DAN PEMBAHASAN A. Desripsi Data Penelitian abel menunuan hasil statistia desriptif dari variabel respon dan preditor yang digunaan. erlihat dari abel bahwa rata-rata umlah asus HIV mempunyai ratarata lebih tinggi daripada umlah asus AIDS, demiian uga nilai varians dari asus tersebut. etapi nilai minimum di antara edua variabel tersebut bernilai sama yaitu, artinya pada tahun terdapat daerah yang tida menyumbang umlah asus baru HIV dan AIDS. Varians dari variabel X ali lebih besar daripada variabel X, hal itu menunuan persebaran data pada variabel persentase daerah berstatus desa lebih besar dibandingan persentase umlah tenaga medis. Variabel X menunuan variabel persentase pendudu tamat SMA, ternyata mempunyai varians yang cuup besar. Hal tersebut menunuan bahwa persebaran pendudu tamat SMA masih urang merata di daerah Jawa imur.
4 abel.statistia Desriptif Variabel Variabel Mean Var Min Mas Y 8, 9, 9 Y,9 89,78 9 X,7,7,,7 X 8,97,7 7,,98 X 7,8,88 X 8, 77,, 7,8 X,,7,97 7, X,,,, B. Ui Multiolinearitas Apabila teradi multiolinieritas maa proses pembangunan model menadi tida mudah. Nilai VIF untu masing-masing variabel preditor yang digunaan ditunuan pada abel. abel. Nilai VIF Variabel Preditor Variabel VIF R X,8,9 X,,98 X,,9 X,79,8 X,,779 X,89 8,8 abel menunuan bahwa nilai VIF masingmasing variabel preditor urang dari. Hal itu mengindiasian bahwa tida ada multiolinieritas antara variabel preditor. C. Hasil Regresi Poisson Univariat Pemodelan dari umlah asus HIV menunuan nilai D (ˆ tersebut adalah,8. Nilai tersebut dibandingan dengan nilai yaitu,9.ernyata nilai D(ˆ lebih (,. besar dari nilai (,. sehingga eputusan yang dihasilan adalah tola H berarti terdapat variabel preditor yang bepengaruh terhadap model.ernyata dengan menggunaan statisti ui z menunuan bahwa semua variabel berpengaruh terhadap respon.abel menunuan hasil estimasi parameter dan statisti ui dari pemodelan.variabel yang mempunyai ontribusi terbesar terdapat pada variabel X yaitu persentase umlah tenaga medis terhadap umlah pendudu. Hasil estimasi parameter variabel tersebut menunuan setiap % peningatan umlah sarana esehatan aan memperecil umlah asus HIV sebesar exp( 9,,8 dari rata-rata umlah asus. abel. Model Regresi Poisson Univariat Jumlah Kasus HIV Par Estimasi SE Z P-value,89,,,9. -9,,,79 7,. -9,,,79. -,,7 -,8,8. -,,7 8,8. - -,, -,,. -7-9,, -,. - D (ˆ yang dihasilan model regresi poisson univariat umlah asus AIDS adalah,. Nilai tersebut dibandingan dengan nilai,. yaitu sebesar,9, nilai D ( ˆ (,., maa terdapat minimal satu variabel preditor yang berpengaruh terhadap model. abel. Model Regresi Poisson Univariat Jumlah Kasus AIDS Parameter Estimasi SE Z P-value,,9, <. -,,,, ,, -, <. - -,,8 -,,,,8 8,7 <. - -,, -,9 7, ,79, -,87 <. - Model untu umlah asus AIDS ditunuan sebaai beriut ˆ exp(,,x,x,x,x,x 7,79X Hasil p-value penguian parameter secara parsial menunuan bahwa terdapat satu variabel yang tida berpengaruh terhadap respon yaitu variabel persentase daerah berstatus desa.setiap penambahan % tenaga medis menyebaban pelipatgandaan sebesar exp( 7,79, dari rata-rata umlah asus AIDS semula.selanutnya dibangun model persamaan untu etiga buah model dengan nilai covarian berbeda pada regresi poisson bivariat. D. Hasil Regresi Poisson Bivariat Pada pemodelan bivariat dibangun tiga buah model yang nantinya aan dibandingan untu mendapatan model terbai. Dari model pertama nilai D(βˆ adalah 9,. Nilai tersebut dibandingan dengan,. Nilai,.
5 D( β ˆ, berarti paling tida ada satu variabel yang tabel berpengaruh. abel.penasiran Parameter Model Pertama Jumlah Kasus HIV Jumlah Kasus AIDS par oef SE z hitung oef SE z hitung,,8, 7,,7,7,,,,,,,,, -,, -, -,,8 -, -,,9 -,,, 8,,,, -,, -, -,,9 -, -,,7 -,9-8,9,7 -,99 Nilai z dibandingan dengan nilai z saat hitung nilai α adalah, maa nilai z, adalah,9. abel menunuan bahwa semua variabel signifian berpengaruh terhadap edua asus tersebut, ecuali variabel persentase daerah berstatus desa (X. Dari hasil estimasi parameter abel 7 diperoleh nilai sebesar,. abel 7.Penasiran Parameter dari Model Pertama oef SE z hitung,,,9 Model pertama yang didapatan adalah ˆ * exp(,,x,x,x,x,x,x ˆ * exp(7,,x,x,x,x,x 8,9 x ˆ exp(, Kontribusi terbesar dari model pertama ditunuan oleh variabel persentase umlah tenaga medis. abel 8.Penasiran Parameter Model Kedua Jumlah Kasus HIV Jumlah Kasus AIDS par oef SE z hitung Koef SE z hitung -,7, -,79,,7, -,, -, -,,9 -,,,, -,,7 -,,,,7,, 7,7,,,9,,, -,, -,8 -,, -, -,,7-8,7,,, Pemodelan penasiran parameter model edua ditunuan oleh abel 8 sedangan nilai yang dihasilan ditunuan oleh abel 9. Nilai D (βˆ yang dihasilan adalah 9,.Nilai tersebut dibandingan dengan nilai yaitu, sebesar 8,89, hal itu menunuan bahwa minimal terdapat satu variabel yang signifian berpengaruh terhadap respon. Untu mengetahui variabel mana yang berpengaruh dilauan penguian parameter secara parsial. erlihat pada abel 8 pada model persamaan pada model edua semua variabel tida berpengaruh signifian. abel 9.Penasiran Parameter Model Kedua par oef SE z hitung -8,, -, -,, -,,,,8 -,, -,9 7,97,7, -,,98 -, -7,8,9 -, Model yang didapatan dari hasil penasiran parameter regresi poisson bivariat yang tersai pada abel 8 dan abel 9 dapat diperlihatan dari persamaan beriut ˆ * exp(,7,x,x,x,x,x,x ˆ * exp(,,x,x,x,x,x,x ˆ exp( 8,,x,x,x 7,97x,x 7,8x Kontribusi terbesar bisa diperlihatan dari seberapa besar nilai estimasi parameter yang dihasilan. abel.penasiran Parameter Model Ketiga Jumlah Kasus HIV Jumlah Kasus AIDS par oef SE z hitung oef SE z hitung Pada abel dapat dilihat hasil estimasi parameter dan standar eror dari model etiga dengan nilai adalah.nilai D(βˆ yang dihasilan adalah,8.nilai tersebut dibandingan dengan nilai,.ernyata nilai D( βˆ,.yaitu sebesar,. yang berarti minimal terdapat satu variabel preditor yang berpengaruh terhadap respon. Variabel yang tida signifian pada model etiga
6 adalah persentase daerah berstatus desa pada pemodelan AIDS. Model persamaan yang terbentu adalah exp(,89,x,x,x,x,x 9, * x * exp(,,x,x,x,9x,x 7,79x abel menunuan semua nilai α adalah, maa nilai dari zhitung z tabel, dengan nilai z tabel adalah,9. Semua parameter pada persamaan ˆ * signifian berpengaruh terhadap respon. Kontribusi terbesar diberian pada model umlah asus HIV adalah variabel persentase umlah tenaga medis. E. Perbandingan Model Regresi Poisson Bivariat Salah satu permasalahan dalam pemodelan adalah melihat salah satu dari model mana yang paling bai untu mempredisi variabel yang digunaan. Untu melihat ebaian model terdapat beberapa riteria, beberapa diantaranya adalah nilai AIC dan BIC yang dihasilan oleh model. abel.perbandingan Model Poisson Bivariat AIC BIC Loglielihood Model pertama 79,,7-7,8 Model edua, 8, -,8 Model etiga, 7, -7,89 abel menunuan bahwa terdapat perbedaan nilai AIC dan BIC yang dihasilan oleh model pertama, edua dan etiga. Nilai AIC dan BIC menunuan nilai ebaian model yang dihasilan. Semain ecil nilai AIC dan BIC maa semain bai model yang tersebut. Nilai AIC yang paling ecil ditunuan oleh model edua yaitu sebesar,. Pada riteria pemilihan BIC uga menunuan bahwa nilai BIC yang paling ecil ditunuan oleh model edua yaitu sebesar 8,9. Sehingga pemodelan umlah asus HIV dan AIDS lebih disaranan menggunaan model edua yaitu model dengan nilai adalah suatu persamaan. pendudu misin di tiap abupaten dan ota. Saran yang bisa dilauan setelah melihat model terbai adalah nilai eteraitan dari umlah asus HIV dan AIDS di masingmasing daerah adalah sama, sehingga tida diperluan perlauan husus untu masing-masing daerah. DAFAR PUSAKA [] Karlis, D., & Ntzoufras, I. (. Bivariate Poisson and Diagonal Inflated Bivariate Poisson Regression Models in R. Journal of Statistical Software, -. [] Bermudes, L., & Karlis, D. (. A Finite Mixture of Bivariate Poisson Regression Models with an Application to Insurance Ratemaing. Computational Statistics and Data Analysis, [] Drapher, N., & Smith, H. (99. Analisis Regresi erapan. Jaarta: P Gramedia Pustaa Utama. [] Walpole, R. E. (99. Pengantar Statistia. Jaarta: P Gramedia Pustaa Utama. [] Drapher, N., & Smith, H. (99. Analisis Regresi erapan. Jaarta: P Gramedia Pustaa Utama. [] Agresti, A. (99. Categorical Data Analysis. New Yor: John Wiley & Sons, Inc.. [] Cameron, A. C., & rivedi, P. K. (998. Regression Analysis of Count Data. Cambridge: Cambridge University Press. (998. An Introduction to Stochastic Modeling. San Diego: Academic Press. [7] Jung, C. R., & Winelmann. (99. wo Aspectsof Labor Mobility: A Bivariate Poisson Regression Approach. Empirical Economics, -. [8] Anonim. (, November. apotas. Dipeti Februari,, dari /perbedaan-hiv-dan-aids/ [9] Assriyanti, N., & Purhadi. (8. ugas Ahir dengan Judul Perbandingan Analisis Regresi Poisson, Generalized Poisson Regrression (Studi Kasus : Pemodelan Jumlah Kasus AIDS di Jawa imur ahun 8. Surabaya: IS press. IV. KESIMPULAN Nilai parameter yang didapatan dari etiga buah model regresi poisson bivariat berbeda, demiian uga halnya dengan nilai z hitung yang dihasilan oleh model uga menghasilan nilai berbeda dari etiga buah model regresi. Dari etiga model regresi poisson bivariat, model terbai adalah model edua yaitu model dengan nilai mengandung nilai variabel preditor lainnya. Hasil signifiansi parameter model regresi poisson bivariat terbai adalah tida semua variabel signifian terhadap model umlah asus AIDS, variabel yang signifian adalah persentase pendudu pengguna ondom, persentase elompo umur -9 tahun, persentase daerah berstatus desa, persentase pendudu tamat SMA dan persentase
Pemodelan Faktor yang Mempengaruhi Jumlah Hiv dan Aids Provinsi Jawa Timur Menggunakan Regresi Poisson Bivariat
JURNAL SAINS DAN SENI POMIS Vol., No., ( 7- (-98X Print D- Pemodelan Faktor yang Mempengaruhi Jumlah Hiv dan Aids Provinsi Jawa imur Menggunakan Regresi Poisson Bivariat Novi ri Ratnasari dan Purhadi Jurusan
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciRegresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur
1 Regresi Bivariat Poisson Dalam Pemodelan Jumlah Kematian Bayi dan Jumlah Kematian Ibu di Propinsi Jawa Timur Elvira Pritasari dan Purhadi Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciModel Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan
Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular
Lebih terperinciPEMODELAN IPM PROVINSI JAWA TIMUR, JAWA TENGAH, JAWA BARAT DAN SUMATERA UTARA DENGAN METODE REGRESI LOGISTIK ORDINAL
PEMODELAN IPM PROVINSI AWA IMUR, AWA ENGAH, AWA BARA DAN SUMAERA UARA DENGAN MEODE REGRESI LOGISIK ORDINAL Citra Fatimah Nur dan Purhadi Mahasiswa urusan Statistia, Institut enologi Sepuluh Nopember Kampus
Lebih terperinciPemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-3 (3-98X Print) D-98 Pemodelan Jumlah Kasus Hiv dan Aids di Kota Surabaya Menggunakan Bivariate Generalized Poisson Regression Suprianto Simanuntak,
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciAnalisis Regresi Multivariat Terhadap Penilaian Listening, Structure, dan Reading Pada Nilai Tes EFL Mahasiswa ITS
JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04) 337-350 (30-98X Print) D-70 Analisis Regresi Multivariat erhadap Penilaian Listening, Structure, dan Reading Pada Nilai es EFL Mahasiswa IS Heni Kartiasari
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciGENERALIZED POISSON REGRESSION (GPR)
PEMODELAN JUMLAH KASUS KANKER SERVIKS DI JAWA TIMUR MENGGUNAKAN ANALISIS GENERALIZED POISSON REGRESSION (GPR) 12/06/2012 Oleh: RIZA INAYAH / 1309.030.042 Dosen Pembimbing: DR. Purhadi, M.Sc Jurusan Statistika
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciHUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG
Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo
Lebih terperinciPEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER
PEMODELAN OPTIMALISASI PRODUKSI UNTUK MEMAKSIMALKAN KEUNTUNGAN DENGAN MENGGUNAKAN METODE PEMROGRAMAN LINIER Tantri Windarti Program Studi Sistem Informasi STMIK Surabaya Jl Raya Kedung Baru 98, Surabaya
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciPendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciKECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009
KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciPEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR- FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI SULAWESI SELATAN TAHUN 2014
PEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR- FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI SULAWESI SELATAN TAHUN 2014 SKRIPSI Diajuan Untu Memenuhi Salah Satu Syarat Meraih Gelar Sarjana
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: ( X Print) D-108
JURNAL SAINS DAN SENI IS Vol. 6, No., (7 ISSN: 337-3 (3-98X Print D-8 Analisis Faktor-Faktor yang Berpengaruh erhadap Jumlah Kematian Ibu dan Jumlah Kematian Bayi di Provinsi Jawa engah dengan Bivariate
Lebih terperinciBAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER
BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian
Lebih terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciUkuran Pemusatan Data
Uuran Pemusatan Data Atina Ahdia, S.Si., M.Si. Universitas Islam Indonesia Uuran Pemusatan Data 1. Mean (rata-rata) 2. Median (nilai tengah) 3. Modus Mean 1. Rata-rata Hitung Misalan terdapat N observasi,
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciTUGAS I RANCANGAN PERCOBAAN BAB I
TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciOPTIMASI FORMULA ADHESIVE PADA POLYVINYL CHLORIDE FILM PRODUKSI DI PT KARYATERANG SEDATI DENGAN METODE RESPON SURFACE
OPTIMASI FORMULA ADHESIVE PADA POLYVINYL CHLORIDE FILM PRODUKSI DI PT KARYATERANG SEDATI DENGAN METODE RESPON SURFACE Shabira Mayestia Alfath, Muhammad Sahid Abar, Adatul Muarromah 3 Mahasiswa S Statistia
Lebih terperinciHUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK
HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL Afifah *), Indri Subeti **) *) Mahasiswa Abid Unisa **)Dosen Abid Unisa ABSTRAK
Lebih terperinciBEBERAPA MODIFIKASI METODE NEWTON RAPHSON UNTUK MENYELESAIKAN MASALAH AKAR GANDA. Supriadi Putra, M,Si
BEBERAPA ODIFIKASI ETODE NEWTON RAPHSON UNTUK ENYELESAIKAN ASALAH AKAR GANDA Suriadi Putra,,Si Laboratorium Komutasi Numeri Jurusan atematia Faultas atematia & Ilmu Pengetahuan Alam Universitas Riau Kamus
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciPemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif
1 Pemodelan Jumlah Kematian Bayi Di Kabupaten Bojonegoro Dengan Menggunakan Metode Analisis Regresi Binomial Negatif Nike Dwi Wilujeng Mahardika dan Sri Pingit Wulandari Statistika, FMIPA, Institut Teknologi
Lebih terperinciANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution
Jurnal Bareeng Vol. 8 No. Hal. 5 0 (04) ANALISIS PRBANDINGAN OMULAN TRHADAP BBRAPA JNIS DISTRIBUSI HUSUS Analysis of Comulans Comparative on some Types of Special Distribution ABRAHAM ZACARIA WATTIMNA,
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciSistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation
1 Sistem Informasi Peramalan Beban Listri Janga Panang di Kabupaten Jember Menggunaan JST Bacpropagation Dodi Setiabudi Abstra Kebutuhan energi listri sebagai salah satu infrastrutur penting sangat diutamaan.
Lebih terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TENGAH MENGGUNAKAN REGRESI GENERALIZED POISSON DAN BINOMIAL NEGATIF 1 Alan Prahutama, 2 Sudarno, 3 Suparti, 4 Moch. Abdul Mukid 1,2,3,4
Lebih terperinciPenentuan Harga Opsi Asia dengan Metode Monte Carlo
JURAL AEAIKA AIK Vol. 3 o. 1. ei 217. Penentuan Harga Opsi Asia dengan etode onte Carlo Surya Amami Pramuditya 1 FKIP, Universitas Swadaya Gunung Djati 1, amamisurya@fip-unswagati.ac.id 1 DOI: https://doi.org/1.15642/manti.217.3.1.46-5
Lebih terperinciMODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON
MODEL REGRESI POISSON YANG DIPERUMUM UNTUK MENGATASI OVERDISPERSI PADA MODEL REGRESI POISSON Ade Susanti, Dewi Retno Sari Saputro, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciPrediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)
Jurnal PROte Vol. 3 No. 1, 216 Predisi Jumlah Kasus Demam Berdarah Dengue Menggunaan Jaringan Syaraf Tiruan Iis Hamsir Ayub Wahab Program Studi Teni Eletro Faultas Teni, Universitas Khairun Email: hamsir@unhair.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
Lebih terperinciMODEL SISTEM ANTRIAN
BB V MODEL SISTEM TRI ada teori antrian, suatu model antrian digunaan untu memperiraan suatu situasi antrian sesungguhnya, sehingga elauan antrian dapat dianalisa secara matemati. Dengan model sistem antrian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belaang Industri sepeda motor nasional merupaan industri yang masih terus mengalami pertumbuhan. Berdasaran data dari AISI (Asosiasi Industri Sepedamotor Indonesia) tingat produsi
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciCATATAN KULIAH RISET OPERASIONAL
CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK
Lebih terperinci