BAB III METODE PENELITIAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III METODE PENELITIAN"

Transkripsi

1 digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta jurnal yang berkaitan dengan stochastic frontier metode Bayesian. Adapun langkah-langkah penelitian, yaitu 1. Menganalisis stochastic frontier 2. mengkaji ulang model stochastic frontier distribusi normal-gamma, yaitu a) menunjukkan distribusi bersama dari distribusi normal distribusi gamma serta menentukan mean variansi dari masingmasing distribusi, b) menentukan distribusi bersama dari kombinasi linear, c) menunjukkan distribusi marginal dari fungsi distribusi eror,, menentukan mean variansinya, d) menentukan harga harapan dari fungsi densitas probabilitas Z bersyarat. 3. Mengestimasi parameter model stochastic frontier distribusi normalgamma dengan metode Bayesian, yaitu a) menentukan fungsi likelihood, b) menentukan distribusi prior, c) menentukan distribusi posterior memaksimumkan distribusi posterior yang diperoleh dengan menyelesaikan persamaan turunan parsial pertamanya terhadap parameter yang disamakan dengan nol. d) menentukan nilai estimasi parameter untuk. 19

2 digilib.uns.ac.id 20 BAB IV HASIL DAN PEMBAHASAN Bab ini dibahas kajian ulang model stochastic frontier distribusi normalgamma estimasi parameternya dengan metode Bayesian yang mengacu pada Steel Koop [13]. 4.1 Stochastic Frontier Stochastic frontier merupakan pendekatan parametrik dengan model stochastic frontier memiliki dua error term yang tidak saling berkorelasi. Analisis ini dikembangkan oleh Aigner et al. [1] berdasarkan persamaan (2.1) pada data panel Jika, diperoleh dengan merupakan fungsi terhadap merupakan kombinasi error. Data panel merupakan bentuk khusus dari pooled data atau penggabungan data antara data cross-section data time series, dengan merupakan unit dari data cross-section merupakan data time series. Berdasarkan persamaan (2.1) ke persamaan (2.2) dengan merupakan variabel output, merupakan variabel input merupakan error dengan dua komponen yang tidak saling berkorelasi. Komponen pertama merupakan faktor error term yang bersifat random merepresentasikan statistic noise. Statistic noise merupakan gangguan simetris yang berasal dari sumber variasi data yang tidak dapat dimasukkan kedalam model, yang biasa dikenal dengan sesatan. Komponen kedua merupakan faktor error term yang merepresentasikan inefisiensi. Inefisiensi merupakan ketidakberaturan atau ketidakseimbangan antara input output, kemampuan menghasilkan ouput yang maksimal optimal dengan input yang ada merupakan ukuran yang diharapkan. Persamaan (2.1) (2.2) merupakan

3 digilib.uns.ac.id 21 interpretasi data pengamatan yang diharapkan untuk menghasilkan ouput yang maksimal optimal dengan input yang ada, dengan dua komponen error tersebut diasumsikan berdistribusi normal gamma. Variabel random berdistribusi normal standar, variabel random berdistribusi gamma, Secara umum, variabel random berdistribusi secara identik independen. 4.2 Distribusi Normal-Gamma Variabel random yang berdistribusi normal dengan parameter yang dinotasikan mempunyai fungsi densitas probabilitas dengan. Jika maka serta berdasarkan definisi berlaku,

4 digilib.uns.ac.id 22 dari persamaan (4.4), (4.5) definisi berlaku, Jadi, nilai mean variansi dari distribusi normal, adalah

5 digilib.uns.ac.id 23 Persamaan (4.1) dikatakan variabel random yang berdistribusi normal, berdasarkan persamaan (4.3), (4.4), (4.6) mempunyai fungsi densitas probabilitas dengan nilai mean variansinya adalah Variabel random berdistribusi gamma dengan parameter yang dinotasikan mempunyai fungsi densitas probabilitas Berdasarkan definisi diperoleh

6 digilib.uns.ac.id 24 Berdasarkan persamaan (4.9), (4.10) definisi diperoleh Jadi, nilai mean variansi dari distribusi Gamma, adalah Selanjutnya, ditunjukan fungsi densitas probabilitas bersama dari variabel random. Berdasarkan persamaan (4.7), (4.8) definisi , diperoleh Jika diambil sembarang dengan merupakan konstanta bernilai, maka dapat dinyatakan sebagai

7 digilib.uns.ac.id 25 Dengan melakukan transformasi, dengan jacobian dari transformasi tersebut diperoleh berdasarkan persamaan (4.11) diperoleh fungsi densitas probabilitas untuk adalah

8 digilib.uns.ac.id 26 dengan, Selanjutnya, ditunjukan fungsi densitas probabilitas marginal untuk. Berdasarkan definisi persamaan (4.13) diperoleh fungsi densitas probabilitas marginal untuk,

9 digilib.uns.ac.id 27

10 digilib.uns.ac.id 28 dengan merupakan fungsi kumulatif distribusi normal standar merupakan mean dari nonnegatif distribusi truncated normal pada variabel random, yang diperoleh berdasarkan mempunyai fungsi densitas probabilitas untuk, sedemikian hingga, Berdasarkan persamaan (4.14) diperoleh

11 digilib.uns.ac.id 29

12 digilib.uns.ac.id 30 dengan, berdasarkan persamaan (4.12) diperoleh nilai mean adalah

13 digilib.uns.ac.id 31 variansi adalah Berdasarkan persamaan (4.15) definisi diperoleh fungsi likelihood dari distribusi normal-gamma adalah Selanjutnya, menentukan mean dari distribusi bersyarat. Berdasarkan (4.13), (4.14) definisi diperoleh

14 digilib.uns.ac.id 32 dengan nilai mean adalah Persamaan (4.19) merupakan nilai yang diharapkan dari data pengamatan. Dasar dari penelitian ini adalah mengkaji ulang model stochastic frontier mengestimasi parameter model stochastic frontier berdistribusi normal-gamma dengan metode Bayesian. Berikut ini uraian dari estimasi parameter model stochastic frontier distribusi normal-gamma dengan metode Bayesian.

15 digilib.uns.ac.id Estimasi Parameter Estimasi parameter model stochastic frontier distribusi normal-gamma diperoleh dengan menggunakan metode Bayesian. Dalam metode Bayesian, estimasi parameter diperoleh dengan memaksimumkan distribusi posterior. Berdasarkan teorema bayes, distribusi posterior berasal dari fungsi likelihood distribusi prior. Pada subbab ini, pertama ditentukan fungsi likelihood dari distribusi normal-gamma. Kedua, menentukan distribusi prior. Ketiga, menentukan distribusi posterior memaksimumkannya Fungsi Likelihood Fungsi likelihood dari distribusi normal-gamma berdasarkan persamaan (4.18) dapat dinyatakan sebagai dengan,,, Distribusi Prior Distribusi prior merupakan distribusi awal suatu variabel random sebelum dilakukan pengambilan sampel. Distribusi prior terbagi menjadi dua, yaitu distribusi prior conjugate distribusi prior noninformatif. Distribusi prior conjugate merupakan pemberian bentuk distribusi prior yang sekawan berdasarkan pola data, segkan distribusi prior noninformatif merupakan pemberian bentuk distribusi prior yang tidak sekawan dengan bentuk hasil identifikasi dari data. Pada estimasi parameter dengan metode Bayesian, distribusi posterior lebih mudah diperoleh menggunakan distribusi prior conjugate, yaitu himpunan distribusi yang setiap anggotanya dapat dikombinasikan dengan fungsi likelihoodnya tanpa menimbulkan kesulitan dalam perhitungan. Namun, dalam

16 digilib.uns.ac.id 34 pembahasan ini tidak dapat digunakan distribusi prior conjugate dikarenakan fungsi likelihood distribusi normal-gamma belum mempunyai distribusi prior yang conjugate. Menurut Steel and Koop [13], distribusi posterior diperoleh dari fungsi likelihood kombinasi distribusi prior noninformatif. Distribusi prior untuk distribusi normal-gamma berdasarkan persamaan (4.20) merupakan distribusi prior normal-gamma untuk dengan dinotasikan sebagai. Menurut Steel Koop [13], masing-masing distribusi prior diasumsikan, dengan yaitu merupakan fungsi indikator untuk economic regularity condition, Sebagai alternatif, prior untuk yang proper sesuai, biasanya diasumsikan berdistribusi normal-truncated normal. Distribusi prior untuk adalah dengan merupakan distribusi prior dari distribusi gamma noninformatif yang dinyatakan dalam persamaan dengan melakukan tranformasi maka,

17 digilib.uns.ac.id 35 diperoleh, untuk maka Persamaan (4.22) dapat dinyatakan sebagai distribusi prior invers gamma dengan parameter. Jika, maka distribusi prior invers gamma dinyatakan sebagai Distribusi prior untuk adalah dengan merupakan distribusi prior gamma noninformatif dengan parameter yang dinyatakan dalam persamaan dengan. Berdasarkan persamaan (4.21), (4.23) (4.24) diperoleh distribusi prior untuk masing-masing parameter, maka dapat ditentukan distribusi posteriornya.

18 digilib.uns.ac.id Distribusi Posterior Distribusi posterior berdasarkan definisi untuk kontinu adalah atau dengan,. Berdasarkan persamaan (4.20), (4.21), (4.23) persamaan (4.24) dapat ditentukan distribusi posterior untuk masing-masing parameter. Berikut adalah uraian masing-masing distribusi posterior : 1. Distribusi posterior untuk adalah dengan merupakan fungsi indikator. Berdasarkan kriteria teorema Bayes, persamaan (4.20) (4.21) diperoleh

19 digilib.uns.ac.id 37 Karena distribusi posterior untuk adalah 1, tidak dapat dilakukan estimasi terhadap parameternya. Berdasarkan persamaan (2.1) diperoleh dengan asumsi kenormalan pada model regresi linier diperoleh estimasi parameter untuk adalah sehingga, 2. Distribusi posterior untuk adalah Berdasarkan kriteria teorema Bayes, persamaan (4.20) (4.23) diperoleh Persamaan (4.27) tidak dapat diselesaikan secara analitis. Oleh karena itu, dilakukan penyelesaian dengan pendekatan lain, yaitu berdasarkan asumsi bahwa persamaan (4.1) diperoleh fungsi likelihood adalah

20 digilib.uns.ac.id 38 Persamaan (4.28) merupakan distribusi dari sampel normal. Berdasarkan kriteria teorema Bayes, persamaan (4.28) (4.23) diperoleh integralnya adalah misal,

21 digilib.uns.ac.id 39 diperoleh

22 digilib.uns.ac.id 40 sehingga, Jadi, distribusi posterior untuk merupakan distribusi invers gamma dengan parameter, berdasarkan persamaan (2.1) diperoleh 3. Distribusi posterior untuk adalah Berdasarkan persamaan (4.2), diberikan sampel berdistribusi gamma dengan parameter maka diperoleh fungsi likelihood

23 digilib.uns.ac.id 41 Berdasarkan persamaan (4.30) (4.24) diperoleh integralnya adalah diperoleh

24 digilib.uns.ac.id 42 sehingga, sedemikian hingga, distribusi posterior untuk gamma dengan parameter dinyatakan sebagai adalah distribusi invers Selanjutnya, berdasarkan persamaan (4.25), (4.26) (4.29) diperoleh distribusi posterior untuk masing-masing parameter, maka dapat ditentukan estimasi parameter dengan memaksimumkan persamaan (4.25), (4.26) (4.29) Maksimum Distribusi Posterior Distribusi posterior diperoleh dari fungsi likelihood distribusi prior dari distribusi normal-gamma berdasarkan Teorema Bayes pada persamaan (2.3). Distribusi posterior untuk adalah

25 digilib.uns.ac.id 43 Selanjutnya, estimasi parameter distribusi normal-gamma dengan metode Bayesian dilakukan dengan memaksimumkan distribusi posterior. Karena fungsi merupakan bentuk eksponensial, penentuan nilai maksimumnya diperoleh berdasarkan fungsi yang diubah ke dalam bentuk logaritma natural dengan fungsi diselesaikan berdasarkan turunan parsial pertama terhadap parameternya, kemudian mengambil ruas kanan yang disamakan dengan nol. Berikut uraian dari masing-masing distribusi posterior yang dimaksimumkan : 1. Nilai maksimum untuk adalah diperoleh. Berdasarkan asumsi persamaan (2.1) dengan adalah vektor, adalah matriks adalah vektor parameter yang tidak diketahui dengan. Persamaan (4.31) dapat dinyatakan dalam matriks Estimasi parameter diperoleh dengan metode kuadrat terkecil, yaitu dengan meminimumkan bentuk kuadrat error. Jumlah kuadrat error diperoleh

26 digilib.uns.ac.id 44 Persamaan (4.32) diturunkan secara parsial terhadap nol sehingga diperoleh disamakan dengan 2. Turunan parsial pertama untuk ln adalah menyamadengankan nol, Jadi, nilai maksimum distribusi posterior untuk adalah

27 digilib.uns.ac.id 45 dengan adalah fungsi digamma. 3. Turunan parsial pertama untuk ln adalah menyamadengankan nol, Jadi, nilai maksimum distribusi posterior untuk adalah

28 digilib.uns.ac.id 46 dengan adalah fungsi digamma. Berdasarkan turunan parsial pertama terhadap masing-masing parameter distribusi posterior, diperoleh nilai maksimum dari distribusi posterior diperoleh pula nilai estimasi parameternya. Dengan distribusi posterior yang merepresentasikan inefisiensi teknis diberikan dengan merupakan distribusi bersyarat merupakan distribusi posterior untuk. Pada proses ditentukan distribusi posterior untuk terdapat, dengan merupakan distribusi yang merepresentasikan inefisiensi teknis, sehingga dengan. Pada dasarnya, merupakan fungsi densitas probabilitas bersyarat, dengan diasumsikan sebagai fungsi yang merepresentasikan inefisiensi. merupakan fungsi densitas probabilitas bersyarat, dengan diasumsikan sebagai fungsi yang merepresentasikan pengukuran efisiensi teknis. Dengan persamaan (4.33) (4.34) diperoleh nilai efisiensi dari setiap data pengamatan. Berdasarkan persamaan (4.25), (4.26) (4.29) yang diturunkan secara parsial terhadap parameter, diperoleh estimasi parameter yang merepresentasikan technical efficiency pada distribusi normal-gamma dengan metode Bayesian Contoh Kasus

29 digilib.uns.ac.id 47 Untuk contoh ini diambil data sebaran tenaga kerja berdasarkan lapangan usaha dari tahun (Buletin Ekonomi Moneter Dan Perbankan Vol. 14. No. 3 Januari 2012). Tabel 1. Sebaran Tenaga Kerja Berdasarkan Lapangan Usaha Pada Tahun (dalam persen) Sektor Pertanian 46,38 43,33 43,97 42,05 41,24 40,30 39,68 Industri 12,39 11,81 12,72 12,46 12,38 12,24 12,24 Perdagangan, Hotel 18,59 20,40 19,06 20,13 20,57 20,69 20,93 Restauran Jasa 10,60 11,22 10,99 11,90 12,03 12,77 13,35 Sumber : Buletin Ekonomi Moneter Dan Perbankan Vol. 14. No. 3 Januari 2012 Hasil Pembahasan : Tabel 2. Hasil Efisiensi Sektor Pertanian 2% 2% 2% 2% 2% 2% 3% Industri 8% 8% 8% 8% 8% 8% 8% Perdagangan, Hotel 5% 5% 5% 5% 5% 5% 5% Restauran Jasa 9% 9% 9% 8% 8% 8% 7% Efisiensi 79% 81% 72% 93% 73% 61% 65% Data diolah dari sebaran tenaga kerja berdasarkan lapangan usaha pada tahun Tabel 2 menunjukkan hasil analisis faktor input output, serta diberikan presentase tingkat efisiensi dari yang paling besar ke paling kecil dengan masing-masing berdasarkan model nilainya sebesar 93% 61%, yang diperoleh dengan nilai estimasi untuk Berdasarkan persamaan (4.35) berarti, jika, maka untuk setiap kenaikan satu satuan sektor pertanian, sektor industri, sektor perdagangan, sektor jasa maka masing-masing sektor akan mengakibatkan kenaikan terhadap sebaran

30 digilib.uns.ac.id 48 tenaga kerja sebesar 186; 81,4; 125; 58,7. Pada sektor pertanian, industri, perdagangan jasa memberikan tingkat efisiensi yang signifikan setiap tahunnya. Dengan sektor jasa memberikan tingkat efisiensi sebesar 9% pada tahun , segkan tahun mengalami penurunan secara signifikan. Sektoral yang lain memberikan tingkat efisiensi yang dengan rata-rata yang sama. Sektor industri sebesar 8%, sektor perdagangan sebesar 5% sektor petanian memiliki tingkat efisiensi dengan rata-rata presentase terkecil. Grafik 1. Rata-Rata Sebaran Tenaga Kerja Berdasarkan Lapangan Usaha Sebaran tenaga kerja berdasarkan lapangan usaha di sisi sektoral diberikan dari empat sektor, yaitu pertanian, industri, perdagangan jasa. Berdasarkan Grafik 1 tampak terlihat bahwa sektor pertanian dengan rata-rata presentase sebesar 42,42% memiliki peran yang signifikan terhadap pergerakan sebaran tenaga kerja diikuti oleh perdagangan, industri, jasa dengan rata-rata presentase masing-masing sektor sebesar 20,05%; 12,32%; 11,84%. Grafik 2. Peranan Sektor Terhadap Sebaran Tenaga Kerja Tahun

31 digilib.uns.ac.id 49 Berdasarkan Grafik 2 tampak terlihat bahwa pada tahun 2003 peran sektoral pertanian, industri, perdagangan jasa memberikan peran yang paling besar dengan rata-rata 21,99%, segkan pada tahun 2008 mempunyai peran yang paling kecil dengan rata-rata 21,5%. Grafik 3. Plot Distribusi Normal-Gamma Grafik 3 menunjukkan bahwa probabilitas distribusi normal-gamma dengan menggambarkan bahwa dua komponen distribusi error pada stochastic frontier terhadap sebaran tenaga kerja berdasarkan lapangan usaha pada tahun yang simetris asimetris terhadap nilai meannya.

32 digilib.uns.ac.id 50

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel

Lebih terperinci

KONSEP DASAR TERKAIT METODE BAYES

KONSEP DASAR TERKAIT METODE BAYES KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan

Lebih terperinci

BAB III EXTENDED KALMAN FILTER DISKRIT. Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended

BAB III EXTENDED KALMAN FILTER DISKRIT. Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended 26 BAB III EXTENDED KALMAN FILTER DISKRIT 3.1 Pendahuluan Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended Kalman Filter merupakan algoritma yang digunakan untuk mengestimasi variabel

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data 5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan

Lebih terperinci

INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI

INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam

Lebih terperinci

BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU

BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU BAB III PERLUASAN MODEL REGRESI COX PROPORTIONAL HAZARD DENGAN VARIABEL TERIKAT OLEH WAKTU 3.1 Model Regresi Cox Proportional Hazard dengan Variabel Terikat oleh Waktu Model regresi Cox proportional hazard

Lebih terperinci

BAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.

BAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal. BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir

Lebih terperinci

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut

Lebih terperinci

BAB I PENDAHULUAN. hubungan antara dua variabel yang terdiri dari variabel tak bebas (Y ) dengan

BAB I PENDAHULUAN. hubungan antara dua variabel yang terdiri dari variabel tak bebas (Y ) dengan BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi adalah metode statistika yang paling sering digunakan dalam segala bidang ilmu pengetahuan, analisis ini bertujuan untuk memodelkan hubungan antara

Lebih terperinci

Distribusi Weibull Power Series

Distribusi Weibull Power Series Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,

Lebih terperinci

BAB V HASIL ANALISIS DAN PEMBAHASAN

BAB V HASIL ANALISIS DAN PEMBAHASAN BAB V HASIL ANALISIS DAN PEMBAHASAN Pada bab ini akan dilakukan analisis model Fixed Effect beserta pengujian hipotesisnya yang meliputi uji serempak (uji-f), Uji signifikansi parameter individual (Uji

Lebih terperinci

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL

PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen

Lebih terperinci

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di

BAB II LANDASAN TEORI. landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di 5 BAB II LANDASAN TEORI Bab ini membahas pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya. Pengertian-pengertian dasar yang di bahas adalah sebagai berikut: A.

Lebih terperinci

BAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)

BAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan

Lebih terperinci

ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION DENGAN METODE GENERALIZED LEAST SQUARE

ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION DENGAN METODE GENERALIZED LEAST SQUARE digilibunsacid ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION DENGAN METODE GENERALIZED LEAST SQUARE oleh RATNA MUFLICHAH M0107050 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN A. Analisis Regresi 1. Uji Asumsi Klasik. Pengujian ini hanya akan menguji dua uji asumsi klasik karena menggunakan metode data panel, yaitu uji multikolinieritas dan uji heterokedastisitas.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Objek Penelitian dan Subjek Penelitian 1. Objek Penelitian Penelitian ini dilakukan di Provinsi Jawa Tengah yang memiliki 29 kabupaten dan 6 kota. Dan dalam penelitian ini,

Lebih terperinci

BAB V HASIL PENELITIAN DAN PEMBAHASAN. syarat kriteria BLUE (Best Unbiased Estimato). model regresi yang digunakan terdapat multikolinearitas.

BAB V HASIL PENELITIAN DAN PEMBAHASAN. syarat kriteria BLUE (Best Unbiased Estimato). model regresi yang digunakan terdapat multikolinearitas. 81 BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas Penelitian ini menggunakan analisis model GLS (General Least Square). Metode GLS sudah memperhitungkan heteroskedastisitas pada variabel independen

Lebih terperinci

BAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari

BAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan

Lebih terperinci

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel 5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengguji hipotesis sehingga termasuk dalam

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengguji hipotesis sehingga termasuk dalam BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini bertujuan untuk mengguji hipotesis sehingga termasuk dalam metode eksplanasi ilmu, menyatakan hubungan satu variabel menyebabkan perubahan variabel

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1 Data Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder. Data tersebut diambil dari beberapa instansi negara yakni Departemen Keuangan, Badan Kepegawaian

Lebih terperinci

BAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,

BAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi, BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi

Lebih terperinci

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut

BAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN BAB III Metode Penelitian A. Populasi dan Sampel Populasi dalam penelitian ini adalah keseluruhan Bank Perkreditan Rakyat Konvensional maupun Bank Pembiayaan Rakyat Syariah yang

Lebih terperinci

BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi

BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA. Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi BAB III ANALISIS SPEKTRAL PADA RUNTUN WAKTU MODEL ARIMA Analisis spektral adalah metode yang menggambarkan kecendrungan osilasi atau getaran dari sebuah data pada frekuensi tertentu. Analisis spektral

Lebih terperinci

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang. MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro

Lebih terperinci

METODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel

METODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel 43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.

Lebih terperinci

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan

Lebih terperinci

BAB IV PEMBAHASAN. BPRS, seperti nilai rasio keuangan financing to deposit ratio (FDR) dan

BAB IV PEMBAHASAN. BPRS, seperti nilai rasio keuangan financing to deposit ratio (FDR) dan BAB IV PEMBAHASAN A. Analisis Karakteristik BPRS Sampel Bank Pembiayaan Rakyat Syariah (BPRS) memiliki karakteristik masing-masing yang dipengaruhi oleh daerah tempat operasionalnya. Perbedaan yang berkaitan

Lebih terperinci

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.

Lebih terperinci

BAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan

BAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi

BAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Estimasi minimax adalah suatu upgrade pendekatan non-klasik (upgraded non-classical approach) dalam bidang estimasi inferensi statistik yang diperkenalkan oleh Abraham

Lebih terperinci

INFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF

INFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro

Lebih terperinci

3. METODE. Kerangka Pemikiran

3. METODE. Kerangka Pemikiran 25 3. METODE 3.1. Kerangka Pemikiran Berdasarkan hasil-hasil penelitian terdahulu serta mengacu kepada latar belakang penelitian, rumusan masalah, dan tujuan penelitian maka dapat dibuat suatu bentuk kerangka

Lebih terperinci

II. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2

II. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2 5 II. LANDASAN TEORI Dalam proses penelitian penduga parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut ini akan dijelaskan beberapa konsep

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data

III. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data 40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan teknik statistik untuk investigasi dan pemodelan hubungan antar variabel. Hubungan antara dua variabel dapat dilihat dengan analisis

Lebih terperinci

PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC) oleh NURUL KUSTINAH M

PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC) oleh NURUL KUSTINAH M PEMILIHAN MODEL REGRESI TERBAIK DENGAN BAYESIAN INFORMATION CRITERION (BIC) oleh NURUL KUSTINAH M0106057 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains

Lebih terperinci

aljabar geo g metr me i

aljabar geo g metr me i Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate

Lebih terperinci

BAB III METODE PENELITIAN. ASEAN. Pengambilan data penelitian ini dilakukan di 7 (tujuh) Negara ASEAN yaitu

BAB III METODE PENELITIAN. ASEAN. Pengambilan data penelitian ini dilakukan di 7 (tujuh) Negara ASEAN yaitu BAB III METODE PENELITIAN A. Objek/Subjek Penelitian Dalam penelitian ini penulis melakukan penelitian yang dilakukan di Negara ASEAN. Pengambilan data penelitian ini dilakukan di 7 (tujuh) Negara ASEAN

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN

BAB IV ANALISIS HASIL DAN PEMBAHASAN 42 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statisitik Deskriptif Statistik deskriptif digunakan untuk gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Dari 34 perusahaan barang konsumsi

Lebih terperinci

LANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan

LANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan

Lebih terperinci

ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI

ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI Megawati 1, Anisa 2, Raupong. 3 Abstrak Regresi kuadrat terkecil berdasarkan plot peluang,

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data panel (pooled data) yang merupakan gabungan data silang (cross section)

Lebih terperinci

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang

BAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian

Lebih terperinci

ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN RESIDU BERPOLA AUTOREGRESSIVE ORDE SATU MENGGUNAKAN METODE PARK

ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN RESIDU BERPOLA AUTOREGRESSIVE ORDE SATU MENGGUNAKAN METODE PARK i ESTIMASI PARAMETER MODEL SEEMINGLY UNRELATED REGRESSION (SUR) DENGAN RESIDU BERPOLA AUTOREGRESSIVE ORDE SATU MENGGUNAKAN METODE PARK oleh KHAMSATUL FAIZATI M0108052 SKRIPSI ditulis dan diajukan untuk

Lebih terperinci

BAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk

BAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi

Lebih terperinci

BAB III METODE PENELITIAN. data PDRB, investasi (PMDN dan PMA) dan ekspor provinsi Jawa Timur.

BAB III METODE PENELITIAN. data PDRB, investasi (PMDN dan PMA) dan ekspor provinsi Jawa Timur. BAB III METODE PENELITIAN A. Lokasi Penelitian Lokasi penelitian diambil di provinsi Jawa Timur dengan menggunakan data PDRB, investasi (PMDN dan PMA) dan ekspor provinsi Jawa Timur. B. Jenis dan Sumber

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini berlokasi di Desa Sungai Ular Kecamatan Secanggang

BAB III METODE PENELITIAN. Tempat penelitian ini berlokasi di Desa Sungai Ular Kecamatan Secanggang BAB III METODE PENELITIAN 3.1. Tempat dan Waktu Penelitian Tempat penelitian ini berlokasi di Desa Sungai Ular Kecamatan Secanggang Kabupaten Langkat. Pemilihan lokasi penelitian dilakukan secara sengaja

Lebih terperinci

BAB III METODE PENELITIAN. yang mempengaruhi aliran ekspor Surakarta ke Negara tujuan utama ekspor.

BAB III METODE PENELITIAN. yang mempengaruhi aliran ekspor Surakarta ke Negara tujuan utama ekspor. digilib.uns.ac.id 34 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan suatu kajian masalah terhadap faktor-faktor yang mempengaruhi aliran ekspor Surakarta ke Negara tujuan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Dalam penelitian ini, peneliti menggunakan data kuantitatif, sesuai dengan namanya, banyak dituntut menggunakan angka, mulai dari pengumpulan data,

Lebih terperinci

BAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64

BAB IV KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 64 DAFTAR ISI Halaman HALAMAN JUDUL... ii HALAMAN PENGESAHAN... iii KATA PENGANTAR... v ABSTRAK... vii ABSTACT... viii DAFTAR ISI... ix DAFTAR SIMBOL... xii DAFTAR TABEL... xiv DAFTAR GAMBAR... xv DAFTAR

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji 35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,

Lebih terperinci

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar

Lebih terperinci

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan

Lebih terperinci

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik

Lebih terperinci

BAB III METODE PENELITIAN. (2014: 46-48) menyatakan bahwa penelitian kuantitatif berawal dari

BAB III METODE PENELITIAN. (2014: 46-48) menyatakan bahwa penelitian kuantitatif berawal dari BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini merupakan jenis penelitian kuantitatif.sugiyono (2014: 46-48) menyatakan bahwa penelitian kuantitatif berawal dari mengidentifikasi masalah

Lebih terperinci

HASIL ANALISA DATA ROE LDA DA SDA SG SIZE

HASIL ANALISA DATA ROE LDA DA SDA SG SIZE HASIL ANALISA DATA STATISTIK DESKRIPTIF Date: 06/15/16 Time: 11:07 Sample: 2005 2754 ROE LDA DA SDA SG SIZE Mean 17.63677 0.106643 0.265135 0.357526 0.257541 21.15267 Median 11.00000 0.059216 0.251129

Lebih terperinci

REGRESI LINIER BERGANDA

REGRESI LINIER BERGANDA REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal

Lebih terperinci

PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC) oleh EKO UTORO M

PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC) oleh EKO UTORO M PEMILIHAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN BAYESIAN INFORMATION CRITERION (BIC) oleh EKO UTORO M0108041 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN

ESTIMASI 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 terperinci

BAB V HASIL ANALISIS DAN PEMBAHASAN

BAB V HASIL ANALISIS DAN PEMBAHASAN BAB V HASIL ANALISIS DAN PEMBAHASAN Penelitian ini menganalisis pengaruh kemiskinan, pengeluran pemerintah bidang pendidikan dan pengeluaran pemerintah bidang kesehatan terhadap Indeks Pembangunan Manusia

Lebih terperinci

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E 5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan

Lebih terperinci

BAB III METODE PENELITIAN. B. Jenis Penelitian Penelitian ini menggunakan jenis penelitian deskriptif dengan

BAB III METODE PENELITIAN. B. Jenis Penelitian Penelitian ini menggunakan jenis penelitian deskriptif dengan A. Lokasi Penelitian BAB III METODE PENELITIAN Lokasi penelitian adalah di Kawasan SWP Gerbangkertosusila Plus yang terdiri dari 12 Kabupaten/Kota yaitu: Kota Surabaya, Kabupaten Sidoarjo, Kabupaten Gresik,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini menggunakan penelitian kuantitatif yang menggunakan data numerik atau angka-angka. Metode deskriptif yaitu untuk menjawab pertanyaan-pertanyaan

Lebih terperinci

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di: JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman 129-135 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 563-572 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PENGARUH INFLASI, KURS, DAN SUKU BUNGA SERTIFIKAT BANK

Lebih terperinci

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT

BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga

Lebih terperinci

BAB V HASIL ANALISIS DAN PEMBAHASAN. Pada bab ini akan dilakukan analisis model Fixed Effect beserta pengujian

BAB V HASIL ANALISIS DAN PEMBAHASAN. Pada bab ini akan dilakukan analisis model Fixed Effect beserta pengujian BAB V HASIL ANALISIS DAN PEMBAHASAN Pada bab ini akan dilakukan analisis model Fixed Effect beserta pengujian hipotesisnya yang meliputi uji srempak (uji-f), Uji signifikansi parameter individual (Uji

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian 1. Objek Penelitian Dalam penelitian ini daerah yang digunakan adalah Pulau Jawa, Bali dan Nusa Tenggara yang terdiri : a. Jawa Barat b. Jawa Tengah

Lebih terperinci

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi ESTIMASI TITIK Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi sampel. Statistik merupakan bentuk dari

Lebih terperinci

BAB V HASIL ANALISIS DAN PEMBAHASAN

BAB V HASIL ANALISIS DAN PEMBAHASAN BAB V HASIL ANALISIS DAN PEMBAHASAN Penelitian ini menganalisis pengaruh Belanja Pemerintah di Bidang Kesehatan, Belanja Pemerintah di Bidang Pendidikan, Indeks Pemberdayaan Gender, dan Infrastruktur Jalan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Lokasi Penelitian Penelitian ini dilakukan di Indonesia dengan menggunakan data Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia (IPM), Upah Minimum dan Jumlah Penduduk

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 28 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data sekunder, yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series

BAB IV ANALISIS HASIL DAN PEMBAHASAN. Uji akar akar unit yang bertujuan untuk menganalisis data time series 44 BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1 Analisa Kelayakan Data 4.1.1 Uji Stasioner Uji akar akar unit yang bertujuan untuk menganalisis data time series stasioner (tidak ada akar akar unit) atau tidak

Lebih terperinci

PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E

PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI Oleh : Pramita Elfa Diana Santi JE 005 40 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)

ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika

Lebih terperinci

BAB I PENDAHULUAN. sangat mempengaruhi hasil analisis yang diperlukan. Data yang dapat

BAB I PENDAHULUAN. sangat mempengaruhi hasil analisis yang diperlukan. Data yang dapat BAB I PENDAHULUAN 1.1 Latar Belakang Dalam analisis perekonomian, ketersediaan data yang sesuai sangat mempengaruhi hasil analisis yang diperlukan. Data yang dapat dianalisis terdiri dari tiga jenis data,

Lebih terperinci

III. METODE PENELITIAN. berupa data panel terdiri dari dua bagian yaitu : (1) time series dan (2) cross

III. METODE PENELITIAN. berupa data panel terdiri dari dua bagian yaitu : (1) time series dan (2) cross 36 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa data panel terdiri dari dua bagian yaitu : (1) time series dan (2) cross

Lebih terperinci

3 KERANGKA PEMIKIRAN. Konsep Efisiensi Produksi

3 KERANGKA PEMIKIRAN. Konsep Efisiensi Produksi 10 produsen. Kelemahan model tersebut menurut Coelli et al. (1998) dan Adiyoga (1999) yaitu: (1) Model tersebut sulit digunakan pada produsen yang menghasilkan dua output; (2) distribusi dari inefisiensi

Lebih terperinci

Bab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

Bab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat Bab 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini bersumber dari data sekunder mulai dari tahun 2005 sampai dengan tahun 2010. Data tersebut didapat dari beberapa

Lebih terperinci