Metode Regresi Robust Dengan Estimasi-M pada Regresi Linier Berganda (Studi Kasus : Indeks Harga Konsumen Kota Tarakan)
|
|
- Herman Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN Metode Regresi Robust Dega Estimasi-M pada Regresi Liier Bergada (Studi Kasus : Ideks Harga Kosume Kota Taraka) Robust Regressio Method to m-estimatio o Multiple Liear Regressio (Case Study: Cosumer Price Idex Taraka City) Al Ghazali, Desi Yuiarti, Memi Nor Hayati Program Studi Statistika FMIPA Uiversitas Mulawarma Fakultas Matematika da Ilmu Pegetahua Alam Uiversitas Mulawarma al_ghazali@ymail.com Abstract Ordiary Least Square is oe method to fid the values of the parameters estimated o regressio. Oe of the robust regressio estimatio that mostly used to fid the estimate is the M-estimatio which was itroduced by Huber. M-estimatio method is similar to the OLS, the differece is oly i givig the same weightig. From the aalysis results obtaied with the robust regressio equatio m-estimatio is:,965 0,40 X 0,89 X 0, 99 X 3. Based o the partial sigificace testig ca be cocluded that all the idepedet variables (groceries (X ), clothig (X ), ad educatio (X 3 )) CPI effect o the depedet variable (Y). Keywords: Ordiary Least Squares, robust regressio, outliers, Differet fitted FITS value, m-estimatio. Pedahulua Istilah regresi pertama kali diperkealka oleh Sir Fracis Galto pada tahu 877 dalam peelitia biogeisisya. Regresi bergua dalam meelaah hubuga sepasag variabel atau lebih. Salah satu cara utuk mecari estimasi koefisie parameter dega dega megguaka Metode Kuadrat Terkecil atau Ordiary Least Square (OLS) (Sembirig, 995). Aalisis regresi merupaka aalisis statistik yag bertuua utuk memodelka hubuga atara variabel terikat dega variabel bebas. Model regresi yag baik memerluka data yag baik pula. Suatu data dikataka baik apabila data tersebut berada di sekitar garis regresi. Keyataaya, terkadag terdapat data yag terletak auh dari garis regresi atau pola data keseluruha. Data tersebut dikeal dega istilah pecila atau outlier. Pecila merupaka suatu kegaila da meadaka suatu titik data yag sama sekali tidak tipikal dibadig data laiya (Draper da Smith,99). Salah satu metode utuk megatasi pecila adalah regresi robust. Regresi robust merupaka metode regresi yag diguaka ketika distribusi dari residual tidak ormal da atau megadug beberapa pecila yag berpegaruh pada model (Rya, 997). Guadi (0) perah melakuka peelitia tetag regresi robust dega udul, Regresi Robust dega Metode M-Estimator da Aplikasiya pada Regresi Liier Sederhaa. Oleh karea itu, peulis melakuka peelitia regresi robust dega estimasi-m da aplikasiya pada regresi liier bergada. Berdasarka latar belakag tersebut, peulis tertarik memilih udul Metode Regresi Robust dega Estimasi-M pada Regresi Liier Bergada (Studi Kasus: Data Ideks Harga Kosume Kota Taraka). Regresi Liier Bergada Regresi bergada adalah regresi dega dua atau lebih variabel X, X, X 3... X k sebagai variabel bebas da variabel Y sebagai variabel tak bebas, Nilai-ilai koefisie atau taksira parameter regresi bergada dapat diperoleh dega metode OLS Model regresi liier bergada dapat dilihat pada persamaa : Yi 0 X i X i 3 X i3... k X ik i () Estimasi Parameter Model Regresi Bergada Pada regresi bergada utuk k variabel bebas peaksira dari diyataka dega ˆ. Meurut Metode OLS peaksira tersebut dapat diperoleh dega memiimumka betuk kuadrat. Sehigga estimasi OLS utuk ˆ adalah (Guarati, 999) : βˆ T - T (X X) X y () Peguia Sigifikasi Parameter Peguia sigifikasi parameter pada regresi liier bergada (Sudaa, 00). Peguia secara Simulta (Ui-F). Peguia secara Parsial (Ui-t) Asumsi-asumsi Pada Regresi Liier Bergada Asumsi utama yag medasari pedugaa koefisie regresi dega megguaka metode OLS adalah (Widaroo, 007): Program Studi Statistika FMIPA Uiversitas Mulawarma 37
2 Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN Normalitas Residual. No multikolieritas 3. No Autokorelasi 4. Heteroskedastisitas Pecila Meurut Motgomery da Peck (99), pecila adalah suatu pegamata yag ekstrim. Residual yag ilai mutlakya auh lebih besar daripada yag lai da bisa adi terletak tiga atau empat simpaga baku dari rata-rataya adalah yag meyebabka data sebagai pecila. Pecila adalah titik-titik data yag tidak setipe dega titik data yag laiya. Dampak Pecila Keberadaa pecila aka meggagu dalam proses aalisis data da harus dihidari dalam bayak hal. Dalam kaitaya dega aalisis regresi, pecila dapat meyebabka hal-hal berikut (Soemartii, 007):. Residual yag besar dari model yag terbetuk atau E ( e) 0. Varias pada data tersebut meadi lebih besar. 3. Taksira iterval memiliki retag yag lebar. Pedeteksia pecila dega Megguaka scatter plot metode ii yaitu mudah dipahami karea meampilka data secara grafis (gambar) da tapa melibatka perhituga yag rumit. Selai megguaka scatter plot pedeteksia uga megguaka ui Differet fitted value FITS (DfFITS). Hipotesis yag diguaka dalam peguia DfFITS adalah H 0 : Pecila ke i tidak berpegaruh, i=0,,,3... H : Pecila ke i berpegaruh Diasumsika bahwa f i = Y i Y i utuk i=0,,,3... dega s(f i ) sebagai galat baku, maka DfFITS didefiisika sebagai berikut: f i k DfFITS ei s( f i ) JKG( hii ) e i hii hii (3) Nilai h ii didapatka dega rumus (Motgomery da Peck,98) : H = X(X T X) X T (4) Regresi Robust Regresi Robust merupaka metode yag diguaka ketika ada beberapa pecila pada model. Metode ii merupaka alat petig utuk megaalisis data yag dipegaruhi oleh pecila sehigga dihasilka model robust atau kekar terhadap pecila. Suatu estimati yag robust adalah relatif tidak terpegaruh oleh perubaha kecil pada bagia besar data (Rya,997). Regresi Robust Estimasi-M Salah satu estimasi regresi robust yag palig petig da palig luas diguaka adalah estimasi-m yag diperkealka oleh Huber. Pada prisipya estimasi-m merupaka estimasi yag memiimumka suatu fugsi obektif ρ k mi ( e i) mi y i Xi (5) i i 0 i ei ( ui ) (6) ˆ i dimaa ( u i ) adalah fugsi simetris dari residual atau fugsi yag memberika kotribusi pada masig-masig residual pada fugsi obektif. Pada umumya suatu estimasi skala robust perlu diestimasi daˆ adalah skala estimasi robust. Utuk mecari ˆ pada regresi robust dega estimasi-m yag serig diguaka persamaa : media ei media( ei ) ˆ l l =,,3... 0,6745 (7) Peyelesaia Koefiesie Regresi Robust Estimasi-M Utuk memiimumka fugsi obektif ρ turua parsial pertama dari ρ terhadap β dimaa = 0,,..,k, harus disama degaka 0. Sehigga aka meghasilka suatu syarat perlu utuk miimum. Ii meghasilka sistem persamaa (Huber, 98): 0 (8) k y i X i e i 0 X i X i 0 (9) i ˆ i ˆ dimaa ' da X i adalah observasi ke-i pada parameter ke- da Xi0 didefiisika fugsi pembobot: ei ˆ W ( ui ) (0) ei ˆ Meurut Fox (00) fugsi obyektif diguaka utuk medapatka ilai fugsi pembobot pada regresi robust. Fugsi pembobot pada regresi robust estimasi-m yag serig diguaka adalah fugsi pembobot Huber. Kriteria fugsi pembobot Huber sebagai berikut: 38 Program Studi Statistika FMIPA Uiversitas Mulawarma
3 Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN W ( u i ), u i c c, u i u i > c () u i merupaka residual ke-i, sedagka ilai c diyataka dega tuig costat. Tuig costat dalam regresi robust meetuka kerobusta peaksir terhadap pecila da efisiesi peaksir dalam ketidakadaa pecila. Jika diambil α = 5%, maka estimasi-m Huber aka efektif diguaka ilai c =,345 (Fox, 00). Meurut Motgomery da Peck (99), estimasi parameter pada regresi robust estimasi- M dilakuka dega estimasi Iteratively Reweighted Least Square (IRLS). Iterasi ii membutuhka proses iterasi dimaa ilai W i aka berubah ilaiya di setiap iterasi. Utuk megguaka IRLS, diaggap ˆ 0 ada daˆ l adalah skala estimlasi robust. Kemudia p = +k ditulis sistem persamaa : k X iwi y i Xi 0 () i 0 W adalah matriks diagoal berukura x dega eleme-eleme diagoalya, W W W. Jadi estimasi parameter W,,,,3, regresi robust dega IRLS, utuk l+ iterasi adalah: βˆ T l T l (X W X) X W y l = 0,,,3... (3) Ideks Harga Kosume Ideks Harga Kosume (IHK) merupaka salah satu idikator ekoomi petig yag dapat memberika iformasi megeai perkembaga harga barag da asa yag dibayar oleh kosume atau masyarakat, khususya masyarakat perkotaa. IHK megukur perubaha pegeluara/biaya barag da asa (komoditas) yag biasa dibeli oleh mayoritas rumah tagga dari waktu ke waktu. Dega kualitas da kuatitas paket komoditas yag diaggap kosta pada tahu dasar. Ideks tersebut semata-mata mecermika perubaha harga da didesai sebagai ukura dari dampak perubaha harga pada pembelia barag da asa (BPS, 04). Metode Peelitia Variabel peelitia yag diguaka ada 4 yaitu variabel Y merupaka data ideks harga kosume kota taraka, sedagka variabel X (baha makaa), X (sadag) da X 3 (pedidika). Adapu tekik aalisis data dalam peelitia ii adalah: ) Aalisis Deskriptif ) Peetua variabel da persamaa model regresi awal 3) Estimasi parameter model utuk data IHK Kota Taraka ) Peguia sigifikasi parameter 5) Persamaa model Regresi yag terbaik 6) Peguia Asumsi aalisis regresi liier bergada 7) Pedekteksia pecila 8) Permodela regresi liier bergada megguaka metode regresi robust dega estimasi-m Hasil da Pembahasa Hasil aalisis deskriptif pada data IHK Kota Taraka tahu Tabel. Aalisis Deskriptif Variabel Rataa Stadar Variasi Deviasi IHK 45,54 8,3 334,87 Baha Makaa 70,96 9,8 888,57 Sadag 30,5,3 5,09 Pedidika 36,5,7 47,64 Berdasarka Tabel aalisis deskriptif data IHK didapatka hasil bahwa rata-rata ilai harga ideks utuk IHK sebesar 45,54, ratarata harga ideks baha makaa, sadag da pedidika yag dikosumsi oleh kosume masig-masig sebesar 70,96, 30,5, da 36,5. Stadar deviasi utuk IHK sebesar 8,30. Ideks harga Baha makaa memiliki stadar deviasi sebesar 9,80, ideks harga sadag memiliki stadar deviasi sebesar,30 da ideks harga pedidika memiliki stadar deviasi sebesar,7. IHK, ideks harga baha makaa, ideks harga sadag da ideks harga pedidika memiliki variasi masigmasig sebesar 334,87, 888,57, 5,09 da 47,64. Diperoleh estimasi model regresi utuk data IHK Kota Taraka Tahu 00-04: 8,48 0,398 X 0,47 X 0, 98 X 3 Sebelum diaalisis lebih laut maka dilakuka peguia secara simulta (ui F), peguia variabel bebas secara parsial (ui t), da dilautka dega peguia asumsi. Peguia sigifikasi secara simulta (ui- F), utuk megetaui ada tidakya pegaruh variabel bebas terhadap variabel terikat. Hipotesis: H 0 : H : miimal ada satu 0 dimaa =0,,,3 Dari hasil diperoleh ilai p-value = 0,000 < α = 0,05, dega demikia meolak H 0, artiya miimal ada satu yag berpegaruh terhadap IHK. Program Studi Statistika FMIPA Uiversitas Mulawarma 39
4 Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN Peguia sigifikasi secara parsial (ui-t) bertuua utuk melihat ada tidakya pegaruh secara idividual variabel bebas Tabel. Hasil Peguia Parameter Secara Parsial Paramater Estimate Stadard Error p-value (SE) Kostata 8,48 3,47 0 Baha Makaa 0,398 0,09 0 Sadag 0,47 0,054 0 Pedidika 0,98 0,07 0 Hipotesis: H 0 : 0 utuk = 0,,,3 H : 0 utuk = 0,,,3 Dari Tabel diperoleh bahwa ilai p-value utuk masig-masig parameter adalah sebesar 0,000 < α = 0,05 maka dapat diambil keputusa bahwa meolak H 0 da dapat disimpulka bahwa kostata, baha makaa, sadag da pedidika berpegaruh terhadap IHK. Berdasarka ui sigifikasi parameter yag berpegaruh, model persamaaa regresi merupaka persamaa model regresi yag terbaik. 8,48 0,398 X 0,47 X 0, 98 X 3 Peguia asumsi pada regresi liier bergada. Normalitas residual dega hipotesis sebagai berikut: H 0 : Residual berdistribusi ormal H : Residual tidak berdistribusi ormal Statistik ui yag diguaka adalah Kolmogorov-Smirov, diperoleh ilai p-value statistik ui Kolmogorov-Smirov adalah sebesar 0,0. Nilai p-value utuk Kolmogorov-Smirov sebesar 0,0 < α = 0,05, dega demikia keputusaya H 0 ditolak. Dapat disimpulka bahwa data residual tidak berdistribusi ormal. Pedeteksia Multikoliieritas dilakuka dega melihat ilai Variace Iflatio Factor (VIF). Tabel 3. Nilai VIF No Variabel VIF Baha Makaa 6,9 Sadag 9,3 3 Pedidika 3 Berdasarka Tabel 3 disimpulka bahwa tidak terdapat masalah multikoliieritas atara variabel baha makaa, sadag da pedidika dikareaka ilai VIF yag diperoleh lebih kecil dari 0. Peguia Autokorelasi dilakuka dega megguaka ui Durbi-Watso (DW) dega prosedur: Hipotesis: H 0 : Tidak terdapat masalah autokorelasi dalam model regresi H : Terdapat masalah autokorelasi dalam model regresi Statistik Ui: Statistik ui yag diguaka adalah Ui DW da diperoleh ilai DW adalah sebesar,730. Kriteria Peolaka: H 0 ditolak ika ilai 0< DW < d L H 0 diterima ika ilai d u < DW < 4-d u Kesimpula: Nilai DW =,784, ilai d L =,4064 da d U =,6708 Dilihat pada tabel Durbi-Watso berdasarka ilai k = 3, = 60 da α = 0,05. Sehigga d u (,4064) < DW(,730) <4 d u (,39) maka dapat disimpulka meerima H 0, adi tidak terdapat masalah autokorelasi dalam model regresi. Ui Heteroskedastisitas, adapu prosedurya peguiaya, hipotesis: H 0 : Tidak terdapat masalah heteroskedastsitas dalam model regresi H : Terdapat masalah heteroskedastsitas dalam model regresi Statistik ui yag diguaka adalah Ui Gleser. Nilai p-value utuk harga ideks baha makaa (X ), sadag (X ) da pedidika (X 3 ) sebesar adalah 0,49 > 0,05. Dega demikia, dapat disimpulka meerima H 0 atau tidak terdapat masalah heteroskedastisitas pada model regresi. Pedeteksia pecila dega megguaka scatter plot, didapatka hasil scatter plot atara IHK (Y) dega ilai residual, yag dapat dilihat pada Gambar. Pedeteksia pecila megguaka DfFITS. Hipotesis peguia DfFITS : H 0 : Pecila ke i tidak berpegaruh, dimaa i=,, H : Pecila ke i berpegaruh Nilai kritis utuk peguia DfFITS: k + = = 0,50 Adapu kriteria peguia yag meladasi keputusa adalah: DfFITS = < 0,50, H 0 diterima < 0,50, H 0 ditolak Hasil perhituga DfFITS 7, ke- sebagai sebagai berikut : k DfFITS ei JKG( h DfFITS= -0,5. ) ei h h 40 Program Studi Statistika FMIPA Uiversitas Mulawarma
5 Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN Tabel 4. Hasil Legkap DfFITS No DfFITS DfFITS No DfFITS DfFITS -0,506 0, ,0969 0, ,346 0, ,08 0, ,4 0,4 33-0,0999 0, ,0685 0, ,069 0, ,433 0, ,0086 0, ,665 0, ,034 0, ,0453 0, ,0577 0, ,907 0, ,073 0, ,03 0, ,0505 0, ,777 0, ,07 0,07 0, , ,0579 0,0579 0,0369 0, ,0933 0, ,0966 0, ,839 0, ,0947 0, , , ,0735 0, ,905 0, , , ,79 0,79 7,93056, , , ,5475 0, , , , , ,3 0,3 0 0,0 0,0 50 0, , ,468 0, ,0579 0,0579-0,5 0, ,379 0, ,4 0, ,7369 0, ,885 0, ,847 0, ,934 0, ,0377 0, ,57 0, ,3603 0, ,945 0, ,05 0,05 8-0,0896 0, ,060 0, ,058 0, ,049 0, ,0357 0, ,577 0,577 Berdasarka Tabel 4. data pegamata ke- 5, da 7 dega ilai pecila sebesar 0,907, 0,54757,,93056 memiliki ilai yag lebih besar dari kriteria ui sebesar 0,50. Maka meolak H 0 sehigga disimpulka data ke-5, da 7 merupaka data pecila yag berpegaruh terhadap model regresi. Apabila terdapat pecila pada data maka aka dilautka aalisis dega metode regresi robust dega estimasi-m. Gambar. Scatter Plot Atar IHK dega Residual Utuk medapatka hasil regresi Robust peduga estimasi-m, maka pegeraaya dilakuka dega IRLS. Adapu lagkahlagkah pegeraaya sebagai berikut:. Meghitug parameter regresi awal dega megguaka metode OLS sehigga didapatka ilai β da medapatka ilai ei Yi i utuk mecari ilai pembobot awal. Didapatka model persamaa regresi awal dega metode OLS. 8,48 0,398 X 0,47 X 0, 98 X 3 ˆ. Mecari ilai l media e media( ˆ 0,6745 0,7953 ˆ,790 0, Meghitug ilai i u i e i u -,449,790 ˆ e ) -,084 e60,4505 u 60,34 ˆ, Mecari ilai pembobot W(u i ) sebagai ilai pembobot awal dega dega megguaka kriteria fugsi pembobot Hubber. W W,,60 5. Mecari ilai parameter regresi robust dega estimasi-m,543 0,47 X 0,94 X 0, 0 X 3 Model persamaa regresi robust diatas merupaka model regresi robust utuk iterasi-. Pada iterasi- belum diperoleh ilai yag koverge. Iterasi aka berheti sampai Program Studi Statistika FMIPA Uiversitas Mulawarma 4
6 Jural EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN didapatka ilai ˆ l selisih ilai da Iterasi OLS ˆ yag koverge yaitu l ˆ medekati 0. Tabel 6. Persamaa Model Regresi Persamaa Model Regresi 8,48 0,398X 0,47X 0, 98X 3,543 0,47X 0,94X 0, 0X3,94 0,49X 0,89X 0, 00X3,88 0,49X 0,90X 0, 00X3,959 0,40X 0,89X 0, 99X3,963 0,40X 0,89X 0, 99X3,964 0,40X 0,89X 0, 99X3,965 0,40X 0,89X 0, 99X3,965 0,40X 0,89X 0, 99X3 Berdasarka Tabel 4.6 didapatka hasil iterasi yag koverge, yaitu iterasi ke-7 da iterasi ke-8 medekati atau sama dega 0. Jadi persamaaa model regresi robust dega estimasi-m pada iterasi ke-7, dega persamaa model regresi robust sebagai berikut :,965 0,40 X 0,89 X 0, 99 Iterpretasi pada persamaa adalah ika baha makaa (X ), sadag (X ), da pedidika (X 3 ) sama dega 0, maka harga rata-rata IHK kota Taraka sebesar,965. Setiap peambaha satua ideks harga baha makaa (X ) aka meigkatka harga ratarata IHK kota Taraka sebesar 0,40, apabila sadag (X ), da pedidika (X 3 ) tetap. Setiap peambaha satua harga ideks sadag (X ) aka meigkatka harga rata-rata IHK kota Taraka sebesar 0,89 apabila baha makaa (X ), da pedidika (X 3 ) tetap. Setiap peambaha satua harga ideks pedidika (X 3 ) aka meigkatka harga rata-rata IHK kota Taraka sebesar 0,99 apabila makaa (X ), da sadag (X ) tetap. Berdasarka hasil peguia ormalitas residual megguaka metode regresi robust diperoleh bahwa residual telah berdistribusi ormal. Dapat disimpulka bahwa data residual berdistribusi ormal. Diketahui bahwa ilai R adalah sebesar 0,997. Nilai ii meuukka bahwa 99,6 % variasi IHK dipegaruhi oleh variasi baha makaa, sadag da pedidika. Sedagka 0,4% dipegaruhi oleh faktor lai yag tidak dimasukka dalam model. Terdapat perbedaa ilai R pada regresi metode OLS dega regresi metode robust. Pada metode OLS ilai R sebesar 99,% sedagka pada metode regresi robust ilai R sebesar 99,6%. X 3 Kesimpula Berdasarka hasil peelitia da pembahasa, maka diperoleh kesimpula sebagai berikut:. Pada data Ideks Harga Kosume (IHK) kota Taraka pada tahu terdapat satu pecila yaitu, data pada pegamata ke-5, da 7.. Model aalisis regresi robust dega estimasi-m pada data IHK kota Taraka tahu adalah :,965 0,40 X 0,89 X 0, 99 X 3 3. Faktor-faktor yag mempegaruhi data Ideks Harga Kosume (IHK) Kota Taraka tahu yaitu baha makaa, sadag da pedidika. Daftar Pustaka Bada Pusat Statistik Publikasi Resmi Bada Pusat Statistik Provisi Kalimata Timur. Draper, N da H. Smith. 99. Aalisis Regresi Terapa, Teremaha Edisi Kedua. Jakarta: PT. Gramedia Pustaka Utama. Fox, J. 00. Robust Regressio. Appedix to A R ad S-Plus Compaio to Applied Regressio. Guarati, D Ekoometrika Dasar. Jakarta: Erlagga. Guadi, M. 0. Regresi Robust dega Metode M-Estimator da Aplikasiya pada Regresi Liier Sederhaa: Skripsi (S), FMIPA Uiversitas Mulawarma. Huber, P.J. 98. Robust Statistic. Caada: Joh Wiley & Sos Ic. Motgomery, D. C., Peck, E. A. 99. Itroductio to Liear Regressio Aalysis, d editio. New York: Joh Wiley & Sos, Ic. Rya, T.P Moder Regressio Methods. A Wiley-Itersciece Publicatio: New York. Sembirig, R.K., 995. AalisisRegresi. Badug: ITB. Soermatii Pecila (Outlier). Jatiaggor: Uiversitas Padaara. Sudaa. 00.Metode Statistika. Badug: Tarsito. Widaroo, A Ekoometrika Teori da Aplikasi utuk Ekoomi da Bisis. Ekoisia: Yogyakarta. 4 Program Studi Statistika FMIPA Uiversitas Mulawarma
Perbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciMENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN
Saitia Matematika ISSN: 337-9197 Vol. 0, No. 03 (014), pp. 5 35. MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN Sabam
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciIII. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di
III. MATERI DAN METODE PENELITIAN 3.. Waktu da Tempat Peelitia telah dilakuka pada bula November - Desember 203 di peteraka Kambig yag ada di Kota Pekabaru Provisi Riau. 3.2. Alat da Baha Materi yag diguaka
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciREGRESI RIDGE ROBUST-M
REGRESI RIDGE ROBUST-M DENGAN PEMBOBOT WELSCH (Studi Kasus : Faktor-Faktor Yag Mempegaruhi Harga Jual Dagke Di Kecamata Cedaa, Kabupate Erekag) Nur Aliaa Majid, Raupog 2, Kresa Jaya 3. Program Studi Statistika,
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciBAB II LANDASAN TEORI. regresi linier, metode kuadrat terkecil (MKT), uji simultan, uji asumsi regresi
BAB II LANDASAN TEORI Dalam peelitia ii diberika beberapa teori yag diperluka sebagai pedukug dalam pembahasa selajutya di ataraya adalah variabel radom, regresi liier, metode kuadrat terkecil (MKT), uji
Lebih terperinciMODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR
1 MODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR Fui Rahayu Wilueg, Dra. Nuri Wahyuigsih [1] Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciPENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
Lebih terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciPemilihan Model Terbaik
Pemiliha Model Terbaik Hazmira Yozza Jur. Matematika FMIPA Uiv. Adalas Jadi bayak model yag mugki dibetuk Var. Bebas :,, 3 Model Maa Yag Mampu Mewakili Data 3,, 3, 3,, 3 + model akar, log, hasil kali,
Lebih terperinciPenaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciPendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON
E-Jural Matematika Vol., No., Mei 013, 6-10 ISSN: 303-1751 PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON PUTU SUSAN PRADAWATI 1, KOMANG GDE SUKARSA, I GUSTI AYU MADE
Lebih terperinciDISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar
INFERENSI STATISTIKA DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA518 Topik dalam Statistika I: Statistika Spasial 6 September 01 Utriwei Mukhaiyar DISTRIBUSI SAMPEL Beberapa defiisi Suatu populasi terdiri
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciTri Handhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma Abstrak
PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP) PADA GENERAL LINEAR MIXED MODEL ri Hadhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Uiversitas Guadarma trihadika@staff.guadarma.ac.id
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciUji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.
MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]
PENAKIRAN Peaksira Titik Peaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk σ MA 8 Aalisis Data Utriwei Mukhaiyar Oktober 00 008 by UP & UM METODE PENAKIRAN. Peaksira Titik Nilai tuggal dari suatu
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciTEOREMA WEYL UNTUK OPERATOR HYPONORMAL
Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciREGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas
Lebih terperinciMAKALAH STATISTIKA MATEMATIKA 2 REGRESI LINEAR BERGANDA
MAKALAH STATISTIKA MATEMATIKA 2 REGRESI LINEAR BERGANDA Oleh : Magdalea Iriai Kehi (2013220030) Maria Liliaa Jeia (2013220038) FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN PRODI PENDIDIKAN MATEMATIKA UNIVERSITAS
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL
BAB III PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP PADA GENERAL LINEAR MIXED MODEL Pada Bab III ii aka dibahas megeai taksira parameter pada Geeral Liear Mixed Model berdasarka asumsi
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciPEMODELAN HARGA SAHAM INDEKS LQ45 MENGGUNAKAN REGRESI LINIER ROBUST M-ESTIMATOR: HUBER DAN BISQUARE
Jural Ilmu Matematika da Terapa Maret 015 Volume 9 Nomor 1 Hal. 51-61 PEMODELAN HARGA SAHAM INDEKS LQ45 MENGGUNAKAN REGRESI LINIER ROBUST M-ESTIMATOR: HUBER DAN BISQUARE Lexy J. Siay 1, Mozart W. Talakua
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciPERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK
PERTEMUAN 1-MPC PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK Utuk meigkatka presisi (meguragi varias samplig), desai samplig serig memafaatka auxiliarry variable yag mempuyai hubuga yag erat
Lebih terperinciIMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN VARIABEL INTERVENING
Versi Olie: https://joural.ubm.ac.id/idex.php/alu Vol.I (No. ) : 9-4. Th. 08 Implemetasi Rumus Sobel Pada Regresi Liear ISSN: 60-60 IMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus
BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS Pada bab ii aka dibahas tetag betuk model spasial lag sekaligus spasial error da prosedur Geeralized Spatial Two Stage Least Squares (GS2SLS) utuk megestimasi
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciAnalisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino
Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika
Lebih terperinciHubungan Antara Panjang Antrian Kendaraan dengan Aktifitas Samping Jalan
Hubuga Atara Pajag Atria Kedaraa dega Aktifitas Sampig Jala Frasiscus Mitar Ferry Sihotag Jurusa Tekik Sipil Fakultas Desai da Tekik Perecaaa Uiversitas Pelita Harapa. fmitarfs@yahoo.com, fmitarfs@uph.edu
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciPERBANDINGAN METODE ROBUST LEAST MEDIAN OF SQUARE (LMS) DAN PENDUGA S UNTUK MENANGANI OUTLIER PADA REGRESI LINIER BERGANDA
i PERBANDINGAN METODE ROBUST LEAST MEDIAN OF SQUARE (LMS) DAN PENDUGA S UNTUK MENANGANI OUTLIER PADA REGRESI LINIER BERGANDA Skripsi disusu sebagai salah satu syarat utuk memperoleh gelar Sarjaa Sais Program
Lebih terperinci