PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS"

Transkripsi

1 J. Pjar MIPA Vol. V No. September : 8-85 ISSN 97-7 PENDEATAN ESTIMATOR ERNEL UNTU ESTIMASI DENSITAS MULUS Lala Hayat Program Std Peddka Matematka PMIPA FIP Uverstas Mataram Jl. Majapat No. 6 Mataram 835 e-mal: lalaagera@yaoo.com Abstrak : Msalka dberka data pegamata depede X :... dega gs destas. Ada da pedekata dalam megestmas yat dega pedekata parametrk da pedekata oparametk. Pada pedekata oparametrk dlakka jka asms betk tdak dketa. Dalam al dasmska bawa gs termat dalam kelas gs mls. Sala sat tekk tk megestmas gs mls adala tekk pemls kerel. Tgkat kemlsa gs estmas dtetka ole parameter pemls. Semak besar parameter pemlsya semak mls gs estmas da sebalkya. ata-kata c: destas mls estmator kerel parameter pemls ERNEL ESTIMATOR APPROACHES FOR ESTIMATES SMOOTH DENSITY Abstract: Let X :... be depedet observato data rom a dstrbto wt desty cto. Tere are two basc approaces or estmatg te parametrc ad te oparametrc approaces. I oparametrc approaces a kow desty cto. Te cto s assmed to be a smoot cto so te cto cold be estmated by kerel estmator. Te smootg level o kerel estmator depeds to te smootg parameter. Te bg smootg parameter gves te estmato cto wc over smoot ad te cotrary. ey Words: smoot desty kerel estmator smootg parameter I. PENDAHULUAN Dalam aalsa regres tdak sema varabel pejelas dapat ddekat dega pedekata parametrk karea tdak adaya ormas yag jelas bagamaa betk bga varabel pejelas dega varabel respoya segga ars dgaka pedekata oparametrk. Tja aalsa regres adala meetka ampra tk krva regres m. Jka dberka data pegamata depede X :... tk meetka dstrbs dar X ekvale dega meetka gs destasya. Utk megestmas gs destas dapat dlakka dega da pedekata yat pedekata parametrk da oparametrk. Pedekata oparametrk dlakka jka asms betk tdak dketa. Dalam al dasmska bawa gs termat dalam kelas gs mls yat mempya tra kot ata tertegralka secara kadrat. Permasalaa dalam destas oparametrk adala bagamaa megkostrkska estmas dar gs destas tapa membat asms strktral sepert tetag betk gs tetap aya mesyaratka bawa gs destas tersebt sekrag-kragya mempya da tra yag terbatas. Sala sat tekk tk megestmas gs mls adala tekk pemls kerel []. Metode yag palg sederaa adala stogram. Tekk pemls kerel pada estmator destas merpaka pegembaga dar estmator stogram. Dar Hayat [] dega meggaka pedekata regres oparametrk tk meemka estmator tk gs regres m dperole estmator yag kosste (dega meggaka kerel ormal badwdt.;.; da ) yat estmas total poplas semak medekat total poplas dega semak bertambaya jmla sampel (). Semak besar badwdt maka estmas total poplas semak meja total poplas. Dalam tlsa dbaas tetag pecara estmator kerel dar destas mls sat-sat da coto smlasya dega program S-Pls or Wdows. Estmator Hstogram [] Metode estmas destas secara oparametrk yag palg popler adala stogram. Nam sebearya stogram bkala merpaka alat estmas destas yag bak karea betkya yag sagat mda dpegar ole jmla kelas da lokas la tegaya da jga estmas destas yag daslka tdak kot pada batas kelas. Dketa sampel radom X :... dar sat poplas dega gs destas tak dketa. Berdasarka sampel radom aka destmas gs destasya. Msalka daera la x dbag mejad dsjo terval-terval dega pajag. Pelag observas yag mask ke dalam terval X X adala: X PX X X Dperole estmator stogram tk (x) yat: ˆ ( x ) # X X X tk sema X X X. berart bawa observas yag mask ke dalam terval yag tergatg yak X X member sokoga yag sama besar teradap x. pemla lebar kelas kecl stogram memat bayak batag kecl-kecl sedagka tk besar stogram memat sedkt batag besarbesar. X ( x ) dx 8

2 J. Pjar MIPA Vol. V No. September : 8-85 Estmator erel [] Fgs kerel yag mm dpaka adala gs destas da basaya dlegkap dega asms-asms tertet. Jka X X X... 8 sampel radom dar X sat dstrbs destas da sat gs terbatas da post yag meme sat sebaga berkt: Maka gs yag meme sat d atas dsebt dega erel berorder-r. sat-sat laya adala bawa merpaka gs destas da smetrk sektar ol. I ddasarka atas keyataa bawa: y ( y) dy da y ( y) dy. erel aka dgaka tk megkostrkska estmator destas oparametrk dar x yat: Dega pegals kerel yag aka memegag peraa ˆ x dalam medeska estmator ( ) da meetka varas da basya. Beberapa coto gs erel:. erel Uorm: I. erel Tragle: I 3. erel Epaeckov: I 3. erel Qartc: I erel Trwegt: I 6. erel Gassa: dmaa I adala gs karakterstk. Coto: ( y) dy ˆ ( x) I exp I jka jka r erel Uorm: I aka dtjkka bawa d jka r tk sat blaga r x X...(*) jka jka x X jka jka d d d d Sat-sat Statstk Destas erel Msalka pegamata varabel radom X N yag berdstrbs depede da detk dega destas. Estmas destas kerel berdasarka da parameter yat: Badwdt Fgs destas kerel Dalam estmator kerel parameter pegals merpaka pegotrol kesembaga atara kesesaa krva teradap data da kemlsa krva maka sagat petg tk meetka segga estmator yag dperole jga mal. Berkt draka sat-sat statstk destas kerel. Teorema. [3] Jka Bkt: x ˆ dberka ole persamaa (*) maka tk x ˆ tak bas secara asmtots. area X berdstrbs depede da detk maka: ˆ E x E x X E x X E x X dega tk E Jad estmasya tak bas secara asmtots. Sat bas dapat jga daalss meggaka ekspas Taylor dar x s dsektar x yag dasmska C (kot deresabel da kal). Teorema. [3] Jka ˆ x dberka ole persamaa (*) maka ˆ Bas x x o dega s s ds. Bkt: Bas ˆ x s ds x s x s ds d ˆ x s x ds x sbstts dperole x s x s ds x s s s x x x o x x s ds x s s ds x s s ds o x! x x o x :!

3 Pedekata Estmator erel Utk Estmas Destas Mls. (Lala Hayat) dmaa o Jad estmas destas kerel: Terlat bawa bas merpaka gs kadrat dalam. Ole karea t dbtka yag kecl tk merka basya. Teorema.3 [3] Jka ˆ dberka ole persamaa (*) maka var x ˆ x x o dega s ds. Bkt: area X berdstrbs depede da detk maka: Var ˆ x Var x X var x X dmaa 3 s 3! tk dega x x s ˆ x x o Bas E o o s! tk x X x E Terlat bawa varas proporsoal dega. Ole karea t dbtka yag besar tk merka varasya. Hal bertetaga dega basya segga dperatka MSE yag memberka kotrol atara bas kadrat da varas. d x X s x s ds s x s x s x s ds x o x o x o x o d ds tk dega x x s o x o II. PEMBAHASAN Tela dketa secara mm bawa permasalaa tama pada pemls kerel tdak erletak pada pemla kerel tetap pada pemla badwdt. Pemla badwdt mm leb dtekaka pada peyembaga atara bas da varas. Sat permsa masala yag dapat memperlatka bga atara bas da varas adala MSE karea t dega memmmka MSE maka masala atara bas da varas dapat dmmmka jga. Teorema. [3] Jka x MSE x x x o o Bkt: Dar persamaa (.3) maka MSE ˆ x Var ˆ x + Bas ˆ x. D e g a meggaka teorema.6 da.7 maka dperole: MSE ˆ x x x Teorema. [3] o Jka o maka x kosste tk (x). Bkt: Dar teorema 3. terlat bawa jka maka ˆ x ˆ p x. x ˆ adala estmator MSE Dega kata la p mal yag dperole dar arg m MSE mˆ segga dperole teorema berkt: Teorema.3 [3] Jka maka: 5 (). o / / 5 (). MSEmˆ o. Selajtya ddeska badwdt Bkt: (). Dar teorema [3] dkataka bawa x Jka maka Pedekata MSE tk m x ˆ adala x m MSE( mˆ x)= x x m x x x o o 83

4 J. Pjar MIPA Vol. V No. September : 8-85 dperole: MSE( ) = ˆ m x A B dega A Apabla dambl o /5 x x B m x x MSE mˆ x x x m MSE mˆ 3 A B x A B / 5 m (). Apabla la dperole: MSE mˆ x A m x x x x dperole: / 5 dsbstts ke MSE ˆ o / 5 m B x /5 / 5 5 x m A / 5 / 5 B x x x / 5 m / 5 Coto smlas estmas destas erel Bagamaa pegar gs erel (Tragle Parze Gassa) da badwdt (=.;.5;.;.5). Msalka: Y st t sort( ()) ~ N Estmas destas oparametrk dega meggaka kerel d atas dtjkka pada gambar berkt : 8

5 Dar tampla gambar da 3 dapat dbat kesmpla yat:. Dega badwdt yag tetap tdak ada perbedaa sgka secara vsal (grak) dega berbaya gs kerel.. Dega gs kerel yag tetap terdapat perbedaa yag sgka secara vsal (grak) dega berbaya badwdt. Dmaa semak besar badwdt maka gars grak yag daslka semak mls. III. ESIMPULAN DAN SARAN Dar raa d atas dapat dsmplka bawa tk megestmas gs destas jka ormas model dstrbs X tak dketa maka dapat destmas dega meggaka pedekata oparametrk. Sala sat pedekata oparametrk dega meggaka tekk pemls kerel. Tgkat kemlsa gs estmas dtetka ole parameter pemls. Semak besar parameter pemlsya semak mls gs estmasya da sebalkya. Adap sara yag dapat dkemkaka adala: perl dlajtka pembaasa pada masala gs kerel yag laya sela erel Tragle erel Parze da erel Gassa dega badwdt yag bervaras da perl dkaj jga tekk tk megestmas gs mls yag laya. Pedekata Estmator erel Utk Estmas Destas Mls. (Lala Hayat) DAFTAR PUSTAA [] Hardle W. 99. Appled Noparametrc Regresso Aalyss. Cambrdge Uversty Press Cambrdge. [] Hardle W. 99. Smootg T ecqes W Implemetato S. Sprger Verlag New York [3] Hardle W. 99. Samplg Tecqe. Sprger Verlag Lodo. [] Hayat L.. Regres Noparametrk Utk Megestmas Total Poplas Bergga. Jral Peelta Uverstas Mataram. (5):

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation) Supart da Subaar Estmas Destas Mulus dega Metode Wavelet (Wavelet Method Smooth Desty Estmato) Oleh Supart ) da Subaar ) Let X Abstract =,,, be depedet observato data from a dstrbuto wth a ukow desty fucto

Lebih terperinci

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1. PROSIDING SEMINAR NASIONAL STATISTIA UNIVERSITAS DIPONEGORO ISBN: 978-979-97-- PEMULUSAN SEBARAN DATA MENGGUNAAN PENASIR ERNEL NADARAA-WATSON DAN LINIER LOAL UNTU ERNEL NORMAL Sudaro ) Program Stud Statstka

Lebih terperinci

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN MODIFIKAI PAKIR UTUK RAIO PADA AMPLIG BRPRIGKAT Deva rw, Arsma Ada, Rstam fed Devaerw@ahoo.com Mahasswa Program Matematka Dose Jrsa Matematka Fakltas Matematka da Ilm Pegetaha Alam Kamps Bawda Pekabar,893,Idoesa

Lebih terperinci

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan JMP : Volume 7 Nomor, Ju 05, hal. - 0 REGRESI NONPARAMETRIK KERNEL ADJUSTED Novta Eka Chadra Uverstas Islam Darul Ulum Lamoga ovtaekachadra@gmal.com Sr Haryatm da Zulaela Jurusa Matematka FMIPA UGM ABSTRACT.

Lebih terperinci

Estimasi Densitas Mulus dengan Metode Kernel. (Kernel Method in Smooth Density Estimation)

Estimasi Densitas Mulus dengan Metode Kernel. (Kernel Method in Smooth Density Estimation) Supat da Sudago Estmas Destas Mulus dega Metode Keel (Keel Metod Smoot Desty Estmato) Ole Supat 1) da Sudago ) Let X Abstact = 1,,, be depedet obsevato data fom a dstbuto wt a ukow desty fucto f. Te fucto

Lebih terperinci

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1 Itegras Metode Itegral Rema Metode Itegral Trapezoda Metode Itegral Smpso Itegras Permasalaa Itegras Pertuga tegral adala pertuga dasar yag dguaka dalam kalkulus, dalam bayak keperlua. Itegral secara det

Lebih terperinci

Volume 1, Nomor 1, Juni 2007 ISSN

Volume 1, Nomor 1, Juni 2007 ISSN Volume, Nomor, Ju 7 ISSN 978-77 Barekeg, Ju 7. al.7-3 Vol.. No. PENAKSIRAN FUNGSI DENSITAS TIPE KERNEL DENGAN METODE CROSS-VALIDATION (C-V (Kerel Type Desty Fucto Estmates wt Cross-Valdato Metods MOZART

Lebih terperinci

PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR

PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR Eva Yat Sregar Dose Program Stud Peddka Matematka STKIP Tapaul Selata Jl. Suta Muammad Arf Kel. BatagAyum Jae Padagsdmpua

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb. JMP : Volume Nomor, Oktober 009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK Agust Trpea Br.Sb. Fakultas Sas da Tekk, Uverstas Jederal Soedrma Purwokerto, Idoesa

Lebih terperinci

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.2, September 2015

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.2, September 2015 IftyJural Ilmah Program Stud Matematka STKIP Slwag Badug, Vol 4, No., September 015 UJI KOEFISIEN VARIANSI KONSTAN DALAM REGRESI NONPARAMETRIK Oleh: Asr Ode Samura Tadrs Matematka, IAIN Terate asrsamura@gmal.com

Lebih terperinci

Volume 1, Nomor 2, Desember 2007

Volume 1, Nomor 2, Desember 2007 Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI

Lebih terperinci

Analitik Data Tingkat Lanjut (Clustering)

Analitik Data Tingkat Lanjut (Clustering) 6 September 06 Aatk Data Tgkat Lat Csterg Imam Chossod mam.chossod@gma.com Pokok Bahasa. Kosep Csterg. K-meas vs Kere K-Meas 3. Std Kass 4. Tgas Kosep Csterg Cster data dartka keompok. Dega demka, pada

Lebih terperinci

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

ANALISIS DATA INFLASI DI INDONESIA PASCA KENAIKAN TDL DAN BBM TAHUN 2013 MENGGUNAKAN MODEL REGRESI KERNEL. Suparti 1

ANALISIS DATA INFLASI DI INDONESIA PASCA KENAIKAN TDL DAN BBM TAHUN 2013 MENGGUNAKAN MODEL REGRESI KERNEL. Suparti 1 Aalss Data (Supart) ANALISIS DATA INFLASI DI INDONESIA PASCA KENAIKAN TDL DAN BBM TAHUN 013 MENGGUNAKAN MODEL REGRESI KERNEL Supart 1 1 Staf Pegajar Jurusa Statstka Udp e-mal : supartsudargo@yaoo.co.d

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI POLINOMIAL LOKAL

ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI POLINOMIAL LOKAL IdoMS Joural o Statstcs Vol., No. 1 (014), Page 65-78 ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI POLINOMIAL LOKAL Supart 1, Bud Warsto, Moc Abdul Mukd 3 1,,3 Staf Jurusa Statstka, FSM,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

I. PENDAHULUAN II LANDASAN TEORI

I. PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar Belakag Secara mm prodk asras memerlka peghtga prem Prsp peghtga prem saat semak berkembag dega berbaga pedekata Pedekata palg sederhaa adalah prsp la harapa yat prem bersh sama dega

Lebih terperinci

Deret Taylor dan Analisis Galat

Deret Taylor dan Analisis Galat Deret Taylor da Aalss Galat Des : Adakata da semua turuaya,,,, meerus d dalam selag [a,b]. Msalka : o є[a,b], maka la-la d sektar o da є[a,b], dapat dperluas dekspas ke dalam deret Taylor :...!...! 1!

Lebih terperinci

PENDEKATAN METODE PEMULUSAN KERNEL PADA PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION)

PENDEKATAN METODE PEMULUSAN KERNEL PADA PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PENDEKAAN MEODE PEMULUSAN KERNEL PADA PENDUGAAN AREA KECIL (SMALL AREA ESIMAION) Indawat, Ksman Sadk, Rat Nrmasar Dosen Departemen Statstka FMIPA IPB Maasswa S Departemen Statstka FMIPA IPB ABSRAK Pendgaan

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010 REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAUN Mahasswa Yulda Federka 9 5 6 Dose Pembmbg Ir. Mutah Salamah,M.Kes da Jerry Dw T.P.,S.S,M.S ABSTRAK Pertumbuha

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

PEMODELAN DATA INFLASI INDONESIA PADA SEKTOR TRANSPORTASI, KOMUNIKASI, DAN JASA KEUANGAN MENGGUNAKAN METODE KERNEL DAN SPLINE. Suparti 1 dan Tarno 2

PEMODELAN DATA INFLASI INDONESIA PADA SEKTOR TRANSPORTASI, KOMUNIKASI, DAN JASA KEUANGAN MENGGUNAKAN METODE KERNEL DAN SPLINE. Suparti 1 dan Tarno 2 Pemodela Data (Supart) PEMODELAN DATA INFLASI INDONESIA PADA SEKTOR TRANSPORTASI, KOMUNIKASI, DAN JASA KEUANGAN MENGGUNAKAN METODE KERNEL DAN SPLINE Supart 1 da Taro 2 1 Staf Jurusa Statstka FSM UNDIP,

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

ANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON

ANALISIS REGRESI SEMIPARAMETRIK PADA KASUS HILANGNYA RESPON ANALISIS REGRESI SEMIPARAMERIK PADA KASUS HILANGNA RESPON Irma ahya ), I Nyoma Budatara ), da Kartka Ftrasar ) ) Jurusa Matematka FMIPA, Uverstas Haluoleo Kedar ) Jurusa Statstka FMIPA, IS Sukollo Surabaya

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

X, Y, yang diasumsikan mengikuti model :

X, Y, yang diasumsikan mengikuti model : PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lls Laome Jurusa Matematka FMIPA Uverstas Haluoleo Kedar 933 emal : ls@yaoo.com Abstrak Tulsa membaas model regres oarametrk utuk

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

Model Regresi Sederhana (Lanjutan)

Model Regresi Sederhana (Lanjutan) LECTURE NOTES #3 Model Regres Sederhaa (Lajuta) I. Ut Pegukura da Betuk Fugsoal Terdapat dua su petg ddalam peelta terapa dbdag lmu ekoom, yak: a. Pemahama atas dampak perubaha ut pegukura dar varabel

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang Bab PENDAHULUAN.. Latar Belakag Bayak peelitia yag bertja mecari dasar-dasar tk megadaka prediksi sat variabel dari iormasi-iormasi yag diperoleh dari variablel tersebt. Misalya apakah keadaa caca dapat

Lebih terperinci

Pertemuan VII IV. Titik Berat dan Momen Inersia

Pertemuan VII IV. Titik Berat dan Momen Inersia Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

PERBANDINGAN KEEFEKTIFAN METODE REGRESI ROBUST ESTIMASI-M DAN ESTIMASI- MM KARENA PENGARUH OUTLIER DALAM ANALISIS REGRESI LINEAR

PERBANDINGAN KEEFEKTIFAN METODE REGRESI ROBUST ESTIMASI-M DAN ESTIMASI- MM KARENA PENGARUH OUTLIER DALAM ANALISIS REGRESI LINEAR PERBANDINGAN KEEFEKTIFAN METODE REGRESI ROBUST ESTIMASI-M DAN ESTIMASI- MM KARENA PENGARUH OUTLIER DALAM ANALISIS REGRESI LINEAR (CONTOH KASUS DATA PRODUKSI PADI DI JAWA TENGAH TAHUN 007) skrps dsajka

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

Estimator Imputasi Regresi Untuk Mengestimasi Model Regresi Semiparametrik Dengan Respon Hilang

Estimator Imputasi Regresi Untuk Mengestimasi Model Regresi Semiparametrik Dengan Respon Hilang SEMNAR NASONAL MAEMAKA DAN PENDDKAN MAEMAKA UNY 05-3 Estmator mputas Regres Utuk Megestmas Model Regres Semparametrk Dega Respo Hlag Nur Salam Matematka, FMPA Uverstas Lambug Magkurat. ursalam0@gmal.com.

Lebih terperinci

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan JMP : Vol. 8 No., Des. 016, al. 33-40 ISSN 085-1456 ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI Novita Eka Cadra Uiversitas Islam Darul Ulum Lamoga ovitaekacadra@gmail.com Masriai Mayuddi Uiversitas

Lebih terperinci

KERNEL ORDER TINGGI UNTUK ESTIMASI VALUE AT RISK (VaR) MANAJEMEN RESIKO TENAGA KERJA

KERNEL ORDER TINGGI UNTUK ESTIMASI VALUE AT RISK (VaR) MANAJEMEN RESIKO TENAGA KERJA KERNEL ORDER TINGGI UNTUK ESTIMASI VALUE AT RISK (VaR) MANAJEMEN RESIKO TENAGA KERJA Zulfkar Sstem Ifromas da Tekk Iformatka STMIK Bahrul Ulum Jombag Emal: zulfkarda@gmal.com ABSTRAK Implkas dar maeeme

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab aka mejelaska megea beberapa ladasa teor utuk meerapka regres oparametrk yatu regres oparametrk Sple kuadratk da Thel.. Dervatf Defs. Spegel (986 :58 ) Msalka y f (x) adalah

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda) Jural EKSPONENSIAL Volume 4, Nomor 1, Me 2013 ISSN 2085-7829 Pemodela Regres Ler Megguaka Metode Thel (Stud Kasus: Kompesas Pegawa d Bada Kepegawaa Daerah Kota Samarda) Lear Regresso Modelg Wth Thel Method

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI KERNEL

ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI KERNEL ANALISIS DATA INFLASI DI INDONESIA MENGGUNAKAN MODEL REGRESI KERNEL Supart 1, Da Saftr 1, Ica Puspta Sar 2 da Alvta Racma Dev 3 1) Staf Jurusa Statstka Udp 2) Alum Maasswa Jurusa Statstka Udp 3) Maasswa

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

MODEL SPLINE DENGAN ERROR BERKORELASI. Nalim, I Nyoman Budiantara dan Kartika Fitriasari Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 60111

MODEL SPLINE DENGAN ERROR BERKORELASI. Nalim, I Nyoman Budiantara dan Kartika Fitriasari Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 60111 MODEL SPLINE DENGAN ERROR BERKORELASI Nalm I Nyoma Budatara da Kartka Ftrasar Jurusa Statstka ITS Kampus ITS Sukollo Surabaya 60 Abstract Sple smoothg s a popular method for estmatg the fucto oparametrc

Lebih terperinci

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi 3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk.

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk. ROGRA TUDI ERENANAAN WILAYAH DAN KOTA FAKULTA TEKNIK UNIVERITA EA UNGGUL ETODE ANALII ERENANAAN TL K DR. Ir. Ke arta K, T. b. Kompoe Kemata KULIAH KE ETODA KELOOK (OHORT URVIVAL ETHOD) Lajta elhat pegarh

Lebih terperinci

PERBADINGAN BIAS ESTIMATOR KERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRIK

PERBADINGAN BIAS ESTIMATOR KERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRIK SAINTEBU Jural Sa da Tekolog PERBADINGAN BIAS ESTIMATOR ERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRI BIAS COMPARISON NADARAYA WATSON AND LOCALLY LINEAR ERNEL ESTIMATOR OF NONPARAMETRIC

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci