PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN
|
|
- Indra Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SIDANG LAPORAN TUGAS AKHIR PEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN Oleh : Servianie Purnamasari ( ) Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, M.Si Dosen Penguji : Dr. Dra Ismaini Zain, M.Si Dr. Vita Ratnasari, M.Si
2 BAB I PENDAHULUAN 2
3 Latar Belakang Kelahiran (Fertilitas) Kematian (mortalitas) Perpindahan Penduduk (Suhermanto, 2012) 3
4 Latar Belakang (TUTORIALTO.COM, 2012) Jumlah Penduduk Indonesia tahun 2010 : jiwa tahun 2011 : sekitar 240 juta jiwa Tahun 2012 : jiwa 1. Transmigrasi 2. Keluarga Berencana (KB) LEDAKAN PENDUDUK : -Lingkungan -Sosial -Kesehatan 4
5 Latar Belakang Berjalan Lancar atau Tidak Statistika deskriptif Regresi Spline Data rata-rata anak lahir hidup per perempuan usia tahun di tiga kabupaten atau kota di Jawa Timur yaitu kota Surabaya, kabupaten Situbondo dan kabupaten Bangkalan pada tahun
6 Latar Belakang Wibowo (2010) Analisis Pemilihan Cara Kontrasepsi Dalam Upaya Pelaksanaan Program Keluarga Berencana Di Jawa Timur Dengan Pemodelan Regresi Logistik Multinomial Sulistyorini dan Melanian (2007) Perbandingan Metode Brass dengan Metode Trussel Dalam Menghasilkan Angka Harapan Hidup Dwimayanti (2006) Aplikasi Regresi Spline Untuk Memperkirakan Tingkat Fertilitas Berdasarkan Rata-Rata Paritas 6
7 Permasalahan Penelitian Tujuan Penelitian Permasalahan Penelitian : Bagaimana karakteristik dan pemodelan regresi Spline untuk ratarata banyak anak lahir hidup di kabupaten dan kota di Jawa Timur, yaitu kota Surabaya, kabupaten Situbondo dan kabupaten Bangkalan? Tujuan Penelitian : Mengidentifikasi karakteristik dan memodelkan rata-rata banyak anak lahir hidup di kabupaten dan kota di Jawa Timur, yaitu kota Surabaya, kabupaten Situbondo dan kabupaten Bangkalan dengan menggunakan regresi Spline. 7
8 Manfaat Penelitian 1. Bagi Peneliti : Menerapkan teori statistika dan mengembangkan kemampuan peneliti dalam melakukan penelitian. 2. Bagi Pemerintah : Mampu memberikan informasi sekaligus masukan kepada pemerintah dan pihak BKKBN tentang keberhasilan atau tidaknya program keluarga berencana (KB) yang sudah dijalankan di Jawa Timur yang dilihat dari hasil pemodelan regresi Spline pada rata-rata banyak anak lahir hidup per perempuan usia tahun 8
9 Batasan Masalah Penelitian Data rata-rata banyak anak lahir hidup di Jawa Timur, yang 1 digunakan : kota Surabaya, kabupaten Situbondo, dan Kabupaten Bangkalan 2 Kota Surabaya mewakili kabupaten atau kota yang rata-rata banyak anak lahir hidup adalah rendah kabupaten Situbondo mewakili kabupaten atau kota yang rata-rata banyak anak lahir hidup adalah sedang kabupaten Bangkalan mewakili kabupaten atau kota yang rata-rata banyak anak lahir hidup adalah tinggi. 9
10 BAB II TINJAUAN PUSTAKA 10
11 Tinjauan Statistika Statistika Deskriptif Penyajian Data Pengumpulan Data Dan lain-lain Walpole (1995) 11
12 Tinjauan Statistika Analisis Regresi Nonparametrik Budiantara, 2005 : Pendekatan regresi nonparametrik digunakan apabila informasi mengenai bentuk dan pola hubungan antara variabel prediktor dengan variabel respon tidak diketahui Eubank, 1988 : pola hubungan antara dua variabel atau lebih tidak selalu berpola parametrik seperti linier, kuadratik, kubik dan lainnya tetapi terdapat banyak kasus dimana pola hubungan antar variabel berpola nonparametrik 12
13 Tinjauan Statistika Analisis Regresi Nonparametrik Analisis Regresi Spline Regresi Spline adalah regresi dimana fungsi regresi f dihampiri dengan fungsi Spline. Bentuk umum Regresi Spline orde m Dengan fungsi truncated (potongan) : Dengan menggunakan data sebanyak n, maka bentuk persamaan dapat ditulis : # dengan : Estimator kurva regresi nonparametrik sangat tergantung pada Knot λ = K1, K2, Kk. Untuk mendapatkan Spline terbaik, perlu dipilih titik Knot yang optimal (Budiantara, 2004) 13
14 Tinjauan Statistika Analisis Regresi Spline Pemilihan Regresi Spline dengan Knot Optimum Ukuran kinerja atas estimator tersebut adalah Generalized Cross-Validation (GCV) (Eubank, 1988). Fungsi GCV GCV(λ) diharapkan memiliki nilai yang minimum, sehingga didapat model regresi spline terbaik yang berkaitan dengan nilai λ yang optimal. 14
15 Tinjauan Statistika Analisis Regresi Spline Uji Signifikansi Parameter Uji Signifikansi Parameter Serentak # Hipotesis : H o : β 0 = β 1 =β 2...= β j = 0 H 1 : minimal ada satu β j 0, j=0,1,2,...,k # Statistik uji : F = KT Regresi / KT Error # Daerah kritis : tolak H 0 jika F hitung > F tabel (α;(k,n-k-1)) atau (Pvalue <α) Uji Signifikansi Parameter Individual # Hipotesis : H o : β j = 0 (β j tidak berpengaruh signifikan) H 1 : β j 0 (β j berpengaruh signifikan) # Statistik Uji : # Daerah kritis : tolak H 0 jika t hitung < t ( /2, n-k) (Drapper, 1992) 15
16 Tinjauan Statistika Analisis Regresi Spline Pemeriksaan Asumsi Residual IIDN Asumsi Identik H o : (residual berdistribusi identik) H 1 : (residual tidak berdistribusi identik) Statistik Uji : Daerah kritis : Tolak H 0 jika F hitung > F tabel (α;(k,k-m-1)) atau P-value < α Asumsi Independen Cara mendeteksi residual bersifat independen atau tidak pada penelitian ini menggunakan cara visual yaitu melalui Autocorrelation Function (ACF). Apabila nilai residual tidak melebihi batas interval ± (1,96/sqrt(n)), maka residual bersifat independen (Gujarati, 2006) 16
17 Tinjauan Statistika Analisis Regresi Spline Pemeriksaan Asumsi Residual IIDN Asumsi Berdistribusi Normal Uji kenormalan data juga dapat dilihat dari nilai D hitung yang diperoleh dari hasil uji Kolmogorov-Smirnov. Hipotesis : H 0 : Residual berdistribusi normal H 1 : Residual tidak berdistribusi normal Statistik uji : D hit = supx F n (x) F 0 (x) Daerah penolakan : Tolak H 0, jika nilai Dhitung > D α atau Pvalue <α (residual tidak berdistribusi normal) (Drapper, 1992) 17
18 Tinjauan Non Statistika Konsep Anak Lahir Hidup Anak lahir hidup artinya banyaknya kelahiran hidup dari sekelompok atau beberapa kelompok wanita selama masa reproduksinya. Cara Perhitungan : (BPS, 2012) 18
19 BAB III METODOLOGI PENELITIAN 19
20 Sumber Data Variabel Penelitian Data Sekunder Rata-rata anak lahir hidup per perempuan (ibu) usia tahun di Jawa Timur (SUSENAS, 2011) Variabel Respon (Y) : rata-rata banyak anak yang lahir hidup Definisi operasional : rata-rata anak lahir hidup didapatkan dari jumlah anak lahir hidup yang dimiliki seorang wanita kawin pada kelompok umur tertentu dibagi jumlah wanita pada kelompok umur tertentu. Variabel Prediktor (X) : umur wanita yang terdiri dari beberapa kelompok umur, dimana umur yang diambil adalah nilai tengah dari nilai kelompok umur tersebut Definisi operasional : kelompok umur ibu yang memiliki anak lahir hidup. 20
21 Metode Analisis Data Langkah-langkah dalam metode analisis data sebagai berikut : 1. Analisis Statistika Deskriptif diagram dan grafik 2. Analisis Regresi Nonparametrik Spline a. Membuat scatterplot antara variabel respon dengan variabel prediktor. b. Memilih titik knot yang optimal berdasarkan nilai GCV minimum dengan berbagai model Spline (linier,kuadrat, kubik) dengan satu, dua, atau tiga knot c. Estimasi model dan uji signifikansi parameter secara serentak dan individual d. Output Nilai Koefisien Determinasi (R 2 ) dan MSE e. Melakukan uji IIDN pada residual f. Menginterpretasikan model yang diperoleh g. Membuat kesimpulan dan saran 21
22 BAB IV ANALISIS DAN PEMBAHASAN 22
23 Analisis & Pembahasan Konsep Anak yang masih Hidup Kota Surabaya Kabupaten Situbondo Kabupaten Bangkalan 23
24 Analisis & Pembahasan Analisis Regresi Spline Pemilihan Titik Knot Optimal Spline Knot Titik Knot GCV Minimum R ,9912 Linier 2 17,5 ; , ,5 ; 34,5 ; x , ,9996 Kuadratik 2 26 ; , ; 32,5 ; x Kubik ,9992 Kota Surabaya Spline Knot Titik Knot GCV Minimum R ,9982 Linier 2 20 ; 32, , ; 34,5 ; x , ,9990 Kuadratik 2 32 ; 37, , ; 29 ; x ,9999 Kubik ,9996 Kabupaten Situbondo Parsimony Model Spline Knot Titik Knot GCV Minimum R ,9930 Linier 2 25 ; , ,5 ; 35,5 ; , ,9973 Kuadratik 2 27 ; x , ; 29 ; x Kubik ,9987 Kabupaten Bangkalan 24
25 Analisis & Pembahasan Analisis Regresi Spline Pengujian Signifikansi Parameter Hipotesis : H 0 : β 1 =β 2 = β 3 = 0 H 1 : Minimal ada satu β j 0, j=1,2,3 SERENTAK Statistik Uji : Kota Surabaya Kabupaten Situbondo Kabupaten Bangkalan F hitung > F tabel (0,1;(3,3)) = 5,39 Tolak H 0 25
26 Analisis & Pembahasan Analisis Regresi Spline Pengujian Signifikansi Parameter Hipotesis : H 0 :β j = 0 (β j tidak signifikan) H 1 :β j 0, j=1,2,3 (β j signifikan) PARSIAL Statistik Uji : Kota Surabaya Kabupaten Situbondo Kabupaten Bangkalan t hitung > t (0,1/2,4) = 2,132 Tolak H 0 26
27 Analisis & Pembahasan Analisis Regresi Spline Estimasi Model Kota Surabaya Model Spline Kuadratik Satu Titik Knot di Umur Wanita 25 tahun 27
28 Analisis & Pembahasan Analisis Regresi Spline Estimasi Model Kabupaten Situbondo Model Spline Kuadratik Satu Titik Knot di Umur Wanita 42 tahun 28
29 Analisis & Pembahasan Analisis Regresi Spline Estimasi Model Kabupaten Bangkalan Model Spline Kuadratik Satu Titik Knot di Umur Wanita 25 tahun 29
30 Analisis & Pembahasan Analisis Regresi Spline Koefisien Determinasi dan MSE Kabupaten/Kota Model Koefisien Determinasi (R 2 ) MSE Surabaya Kuadratik 1 titik knot 0, , Situbondo Kuadratik 1 titik knot 0, , Bangkalan Kuadratik 1 titik knot 0, , SANGAT BAIK > 75% Relatif kecil Model Spline yang diperoleh layak digunakan untuk memodelkan rata-rata anak yang dilahirkan hidup di Kota Surabaya, Kabupaten Situbondo dan Kabupaten Bangkalan 30
31 Analisis & Pembahasan Analisis Regresi Spline Pengujian Asumsi Residual IIDN Hipotesis : H 0 : Residual berdistribusi identik H 1 : Residual tidak berdistribusi identik Statistik Uji : Sumber Sumber db db JK JK KT KT KT F F P P Regresi 1 1 0, , ,00 0,00 1,000 1,000 Residual Residual Error Error Residual Error 5 5 0, , , , , , Total Total 6 6 0, , Total 6 0, IDENTIK Kabupaten Kota Bangkalan Situbondo Surabaya P-value > α = 1,000 > 0,1 31
32 Analisis & Pembahasan Analisis Regresi Spline Pengujian Asumsi Residual IIDN Autocorrelation Kota Surabaya Autocorrelation Function for Surabaya (with 5% significance limits for the autocorrelations) Autocorrelation Kabupaten Situbondo Autocorrelation Function for resisitubondo (with 5% significance limits for the autocorrelations) INDEPENDEN Lag Lag Kabupaten Bangkalan Autocorrelation Function for Bangkalan (with 5% significance limits for the autocorrelations) Autocorrelation Lag
33 Analisis & Pembahasan Analisis Regresi Spline Pengujian Asumsi Residual IIDN Hipotesis : H 0 : Residual berdistribusi normal H 1 : Residual tidak berdistribusi normal NORMAL Statistik Uji : Percent Probability Plot Plot of resisitubondo of Surabaya Bangkalan Normal resisitubondo Surabaya Bangkalan Mean Mean E E E-10 StDev StDev NN 77 7 KS KS P-Value P-Value >0.150 >0.150 > 0,15 > 0,1 GAGAL TOLAK H0 RESIDUAL BERDISTRIBUSI NORMAL 33
34 Kesimpulan & Saran Kesimpulan : 1. Rata-rata anak lahir hidup yang dilahirkan oleh wanita kawin di Kota Surabaya, Kabupaten Situbondo, dan Kabupaten Bangkalan menurut kelompok umur wanita cenderung meningkat dengan bertambahnya umur dan memiliki pola yang berubah-ubah pada kelompok umur yang berbeda. 2. Model Spline : a. Kota Surabaya b. Kabupaten Situbondo c. Kabupaten Bangkalan 34
35 Kesimpulan & Saran Saran : (i) Variabel prediktor yang digunakan dapat dikembangkan lebih dari satu variabel prediktor sehingga dapat menjelaskan model lebih baik. (ii) Dalam pemodelan menggunakan Spline dapat digunakan software yang dalam pemilihan modelnya diperoleh dengan cara simultan agar hasil yang diperoleh lebih praktis. 35
36 Daftar Pustaka 36
37 Daftar Pustaka 37
38 Sekian & Terima Kasih ^.^ 38
APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR
APLIKASI REGRESI SPLINE UNTUK MEMPERKIRAKAN TINGKAT FERTILITAS WANITA BERDASARKAN UMUR Oleh : Isnia Dwimayanti (0 09 06) Pembimbing : DR Drs I Nyoman Budiantara, MS ABSTRAK Tingginya tingkat fertilitas
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciPemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya
JURNAL SAINS DAN SENI POMITS Vol., No., (04) 7-0 (0-98X Print) D-7 Pemodelan Regresi Nonparametrik Spline Truncated Dan Aplikasinya pada Angka Kelahiran Kasar di Surabaya Merly Fatriana Bintariningrum
Lebih terperinciAnalisis Regresi Spline Kuadratik
Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciFaktor-Faktor yang Mempengaruhi Contraceptive Prevalence Rate (Cpr) di Indonesia dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol.,., (0) 7-0 (0-9X Print) D-97 Faktor-Faktor yang empengaruhi Contraceptive Prevalence Rate (Cpr) di Indonesia dengan Pendekatan Regresi nparametrik Spline Diana Cristie dan
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. No. (06 7-0 (0-98X Print D-6 Pemodelan Faktor-Faktor yang Mempengaruhi Unmet Need KB di Provinsi Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Anita Trias Anggraeni
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-157 Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Regresi Nonparametrik Spline di Jawa Tengah
Lebih terperinciPENENTUAN MODEL REGRESI SPLINE TERBAIK. Agustini Tripena 1
PENENTUAN MODEL REGRESI SPLINE TERBAIK Agustini Tripena 1 1) Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Pada paper ini
Lebih terperinciKata Kunci kematian maternal, regresi, spline, nonparametrik, GCV
JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Print) D-13 Pendekatan Spline untuk Estimasi Kurva Regresi Nonparametrik (Studi Kasus pada Data Angka Kematian Maternal di Jawa Timur)
Lebih terperinciFaktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di Jawa Timur dengan Pendekatan Regresi Semiparametrik Spline
Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di Jawa Timur dengan Pendekatan Regresi Semiparametrik Spline Oleh : A. Anggita Tauwakal Retno (303008) Dosen Pembimbing : Prof. Dr. Drs.
Lebih terperinciPerbandingan Proses Pembelajaran di FTI dan FMIPA ITS
Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS Oleh Nama : Eva Wahyu Hariyati NRP : 1308 030 003 Dosen Pembimbing : Dra. Lucia Aridinanti, MT Karakter FTI dan FMIPA yang berbeda Orientasi tiap jurusan
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode analisis data yang telah diterapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan metode analisis data yang telah diterapkan secara luas pada berbagai bidang penelitian, sebagai contoh penelitian-penelitian dalam ilmu pengetahuan
Lebih terperinciAnalisis Regresi Spline Multivariabel untuk Pemodelan Kematian Penderita Demam Berdarah Dengue (DBD) di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 0) ISSN: 0-98X D- Analisis Regresi Spline Multivariabel untuk Pemodelan Kematian Penderita Demam Berdarah Dengue (DBD) di Jawa Timur Reza Mubarak dan I Nyoman
Lebih terperinciBAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis dalam statistika yang dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau variabel bebas X dengan
Lebih terperinciPemodelan Spline Truncated dalam Regresi Nonparametrik Birespon
Konferensi Nasional Sistem & Informatika 7 STMIK STIKOM Bali, Agustus 7 Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Luh Putu Safitri Pratiwi Program Studi Sistem Informasi STMIK STIKOM
Lebih terperinciOleh : Edwin Erifiandi (NRP ) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi
Oleh : Edwin Erifiandi (NRP. 1309 201 701) Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MSi PENDAHULUAN Latar Belakang (1) () Salah satu metode statistika untuk memodelkan hubungan antar variabel adalah
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-103 Pemodelan Angka Putus Sekolah Usia SMP Menggunakan Metode Regresi Nonparametrik Spline di Papua Latifatul Mubarokah, I Nyoman
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR
SULVIA MEGASARI 1310 100 037 PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE LINIER UNTUK MEMODELKAN ANGKA KEMATIAN BAYI DI JAWA TIMUR 1 Sulvia Megasari dan I Nyoman Budiantara Jurusan Statistika, Fakultas Matematika
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciSEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.
16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari
Lebih terperinciBAB I PENDAHULUAN. bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi.
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi telah diterapkan pada berbagai bidang, seperti administrasi bisnis, ekonomi, ilmu-ilmu pengetahuan sosial, kesehatan, dan biologi. Keberhasilan dalam
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE
PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE SKRIPSI Disusun Oleh : ANISA SEPTI RAHMAWATI 24010212140046 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN Amalia Ma rufa, Sri Subanti, Titin Sri Martini Program Studi Matematika FMIPA UNS
Lebih terperinciREGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R. Abstract. Keywords: Spline Truncated, GCV, Software R.
REGRESI SEMIPARAMETRIK SPLINE TRUNCATED DENGAN SOFTWARE R Tiani Wahyu Utami 1), Alan Prahutama 2) 1 Program studi Statistika, FMIPA, Universitas Mumammadiyah Semarang email: tianiutami@unimus.ac.id 2 Departemen
Lebih terperinciBAB I PENDAHULUAN. menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk menganalisis hubungan fungsional antara variabel prediktor ( ) dan variabel respon ( ), dimana
Lebih terperinciPEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE. Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3.
PEMODELAN KURS RUPIAH TERHADAP MATA UANG EURO DENGAN PENDEKATAN REGRESI SPLINE Sulton Syafii Katijaya 1, Suparti 2, Sudarno 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff Pengajar Jurusan Statistika
Lebih terperinciTUGAS AKHIR - SS MADE AYU DWI OCTAVANNY NRP
TUGAS AKHIR - SS141501 PEMODELAN FAKTOR-FAKTOR YANG MEMENGARUHI INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT PROVINSI JAWA TIMUR MENGGUNAKAN PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE MADE AYU DWI OCTAVANNY NRP
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (217) ISSN: 2337-352 (231-928X Print) D-11 Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur Menggunakan Regresi Semiparametrik Spline
Lebih terperinciPREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE
PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik
Lebih terperinciBAB III REGRESI SPLINE = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah
BAB III REGRESI SPLINE 3.1 Fungsi Pemulus Spline yaitu Fungsi regresi nonparametrik yang telah dituliskan pada bab sebelumnya = + dimana merupakan fungsi pemulus yang tidak spesifik, dengan adalah faktor
Lebih terperinciREGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS
REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS Dhina Oktaviana P, I Nyoman Budiantara Mahasiswa Jurusan Statistika ITS Surabaya, Dosen Jurusan Statistika ITS Surabaya
Lebih terperinciPemodelan PDRB Sektor Pariwisata di Jawa Timur Menggunakan Regresi Nonparametrik Spline
Pemodelan PDRB Sektor Pariwisata di Jawa Timur Menggunakan Regresi Nonparametrik Spline Oleh : Fauziah Nurul Haq (3 030 007) Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, M. Si. Program Studi
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Deskripsi Data
BAB IV PEMBAHASAN Pada bab ini diberikan deskripsi data, diagram pencar data, titik knot optimal, model regresi nonparametrik spline, pengujian parameter, dan pengujian sisaan. Selanjutnya regresi nonparametrik
Lebih terperinciABSTRAK. Kata Kunci: regresi nonparametrik spline, knot, GCV, angka kematian bayi.
Judul : Pemodelan Regresi Nonparametrik Spline Pada Angka Kematian Bayi di Provinsi Bali Nama : Gede Abdi Hadi Suryawan Pembimbing : 1. I.Gst. Ayu Made Srinadi, S.Si.,M.Si. 2. I Wayan Sumarjaya, S.Si.,M.Stats.
Lebih terperinciPEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kota Medan merupakan ibukota Provinsi Sumatera Utara dan menjadi kota terbesar nomor 3 (tiga) di Indonesia setelah Jakarta dan Surabaya. Selain sebagai kota
Lebih terperinciBAB II TINJAUAN PUSTAKA. variabel prediktor terhadap variabel respons. Hubungan fungsional
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Dalam ilmu statistika, metode yang dapat digunakan untuk menganalisis pola hubungan antara satu variabel atau lebih dengan satu variabel atau lebih lainnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinciPemodelan PDRB Di Indonesia Menggunakan Pendekatan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (17) ISSN: 337-35 (31-98X Print) D-16 Pemodelan PDRB Di Indonesia Menggunakan Pendekatan Regresi Nonparametrik Spline Puspita Khanela, Madu Ratna, dan I Nyoman Budiantara
Lebih terperinciANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE
ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE SKRIPSI Oleh : ALVITA RACHMA DEVI 24010210120017 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPemodelan Regresi Spline Truncated Multivariabel pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Kabupaten/Kota Provinsi Jawa Tengah
JURNAL SAINS DAN SENI POMITS Vol., No.1, (013) 337-350 (301-98X Print) D-19 Pemodelan Regresi Spline Truncated Multivariabel pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Kabupaten/Kota Provinsi Jawa
Lebih terperinciPemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon
Pemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon Angka Harapan Hidup Angka Kematian Bayi Penyaji: Ni Nyoman Trisna Juliandari
Lebih terperinciPEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE
PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE SKRIPSI Disusun oleh SETA SATRIA UTAMA 24010210120004 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciAPLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
E-Jurnal Matematika Vol 6 (1), Januari 2017, pp 65-73 ISSN: 2303-1751 APLIKASI MODEL REGRESI SEMIPARAMETRIK SPLINE TRUNCATED (Studi Kasus: Pasien Demam Berdarah Dengue (DBD) di Rumah Sakit Puri Raharja)
Lebih terperinciPEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL
PEMODELAN REGRESI SPLINE TRUNCATED UNTUK DATA LONGITUDINAL ( Studi Kasus : Harga Saham Bulanan pada Kelompok Saham Perbankan Periode Januari 2009 Desember 2015 ) SKRIPSI Disusun oleh: KHOIRUNNISA NUR FADHILAH
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR
UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip
Lebih terperinciREGRESI SPLINE SEBAGAI ALTERNATIF DALAM PEMODELAN KURS RUPIAH TERHADAP DOLAR AMERIKA SERIKAT SKRIPSI
REGRESI SPLINE SEBAGAI ALTERNATIF DALAM PEMODELAN KURS RUPIAH TERHADAP DOLAR AMERIKA SERIKAT SKRIPSI Oleh: SULTON SYAFII KATIJAYA NIM : J2E009041 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciMODEL REGRESI SEMI PARAMETRIK DENGAN ESTIMATOR SPLINE PARSIAL
MODEL REGRESI SEMI PARAMETRIK DENGAN ESTIMATOR SPLINE PARSIAL Aplikasi Pada Faktor Yang Mempengaruhi Prestasi Belajar (Nilai Praktek) Mahasiswa Sekolah Tinggi Ilmu Kesehatan William Booth Surabaya Erika
Lebih terperinciMODEL REGRESI SPLINE KNOT OPTIMAL UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN BAYI DI JAWA TIMUR
MODEL REGRESI SPLINE KNOT OPTIMAL UNTUK MENGETAHUI FAKTOR FAKTOR YANG MEMPENGARUHI JUMLAH KEMATIAN BAYI DI JAWA TIMUR Elsha Puspitasari, Drs. Hery Tri Sutanto, M.Si 2,,2 Jurusan Matematika, Fakultas Matematika
Lebih terperinciANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 111-116 ISSN: 2303-1751 ANALISIS REGRESI NONPARAMETRIK SPLINE MULTIVARIAT UNTUK PEMODELAN INDIKATOR KEMISKINAN DI INDONESIA Desak Ayu Wiri Astiti 1, I
Lebih terperinciMODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA
MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,
Lebih terperinciBAB I PENDAHULUAN. Daerah daratan adalah daerah yang terletak di atas dan di bawah
BAB I PENDAHULUAN 1.1 Latar Belakang Daerah daratan adalah daerah yang terletak di atas dan di bawah permukaan daratan dimulai dari batas garis pasang tertinggi. Daerah lautan adalah daerah yang terletak
Lebih terperinciPEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip
PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI PENALIZED SPLINE Disusun Oleh : NOVIA AGUSTINA 24010211130039 Skripsi Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinciSeminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS
Seminar Tugas Akhir Oleh: Dhina Oktaviana P 1307 100 068 Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciPEMODELAN CONTRACEPTIVE PREVALENCE RATE DI JAWA TIMUR MENGGUNAKAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE
TUGAS AKHIR SS141501 PEMODELAN CONTRACEPTIVE PREVALENCE RATE DI JAWA TIMUR MENGGUNAKAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE CATUR BUDI PURNAMA NRP 1315 105 006 Dosen Pembimbing Dra. Madu Ratna, M.Si
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK SPLINE UNTUK MEMODELKAN RATA-RATA UMUR KAWIN PERTAMA (UKP) DI PROVINSI JAWA TIMUR
TUGAS AKHIR SS141501 PENDEKATAN REGRESI SEMIPARAMETRIK SPLINE UNTUK MEMODELKAN RATA-RATA UMUR KAWIN PERTAMA (UKP) DI PROVINSI JAWA TIMUR DHIRA AUDHIA PRATIWI NRP 1313 100 019 Dosen Pembimbing Prof. Dr.
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu alat statistika yang banyak digunakan untuk mengetahui hubungan antara sepasang variabel atau lebih. Misalkan X adalah variabel
Lebih terperinciESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE
ESTIMASI KURVA REGRESI PADA DATA LONGITUDINAL DENGAN WEIGHTED LEAST SQUARE Dian Ragil P.. Abstrak Model varying-coefficient pada data longitudinal akan dikaji dalam proposal ini. Hubungan antara variabel
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciPENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 121 126. PENENTUAN GENERALIZED CROSS VALIDATION (GCV) SEBAGAI KRITERIA DALAM PEMILIHAN MODEL REGRESI B-SPLINE TERBAIK Yuyun
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini merupakan data sekunder.
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini merupakan data sekunder. Data ini dikumpulkan dari berbagai sumber, antara lain data Survey Demografi dan
Lebih terperinciPEMODELAN ANGKA KEMATIAN BAYI DI PROPINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE TUGAS AKHIR ST 1325
TUGAS AKHIR ST 325 PEMODELAN ANGKA KEMATIAN BAYI DI PROPINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE LIA DWI JAYANTI NRP 303 00 04 Dosen Pembimbing DR. DRS. I Nyoman Budiantara, MS. JURUSAN
Lebih terperinciPENDEKATAN REGRESI SEMIPARAMETRIK UNTUK PROSES PEMBENTUKAN LIMBAH PABRIK GULA ASEMBAGUS SITUBONDO
PENDEKATAN REGRESI SEMIPARAMETRIK UNTUK PROSES PEMBENTUKAN LIMBAH PABRIK GULA ASEMBAGUS SITUBONDO Niarfie Radythia, 2 Ir. Mutiah Salamah Chamid, M Kes, dan 3 Jerry Dwi TP, S.Si, M.Si Mahasiswa Jurusan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. mendapatkan model dan faktor-faktornya, terlebih dahulu akan dibahas. bagaimana mendapatkan sampel dalam penelitian ini.
BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan hasil dari penelitian yang meliputi model terbaik dari indeks prestasi kumulatif mahasiswa dan faktor-faktor apa saja yang berpengaruh terhadap
Lebih terperinciPEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL
PEMODELAN HARGA CABAI DI KOTA SEMARANG TERHADAP HARGA INFLASI MENGGUNAKAN REGRESI SEMIPARAMETRIK POLINOMIAL LOKAL Alan Prahutama, Suparti, Departemen Statistika, Fakultas Sains dan Matematika,Universitas
Lebih terperinciBAB III METODE PENELITIAN. dan pertumbuhan ekonomi adalah laporan keuangan pemerintah daerah
BAB III METODE PENELITIAN A. Objek Penelitian Objek penelitian dampak kinerja keuangan terhadap alokasi belanja modal dan pertumbuhan ekonomi adalah laporan keuangan pemerintah daerah kabupaten/kota Provinsi
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciMODEL REGRESI SEMIPARAMETRIK MULTIVARIABEL DENGAN ESTIMATOR SPLINE PARSIAL
MODEL REGRESI SEMIPARAMETRIK MULTIVARIABEL DENGAN ESTIMATOR SPLINE PARSIAL Aplikasi Faktor Yang Mempengaruhi Kepuasan Pelayanan Kesehatan Di Rumah Sakit William Booth Surabaya Erika Untari Dewi Email :
Lebih terperinciPEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan)
PEMODELAN REGRESI SPLINE (Studi Kasus: Herpindo Jaya Cabang Ngaliyan) I Made Budiantara Putra 1, I Gusti Ayu Made Srinadi 2, I Wayan Sumarjaya 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK SKRIPSI Disusun oleh KISHARTINI 24010210141008 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciMODEL SPLINE TERBOBOT UNTUK MERANCANG KARTU MENUJU SEHAT (KMS) PROPINSI JAWA TIMUR
MODEL SPLINE TERBOBOT UNTUK MERANCANG KARTU MENUJU SEHAT (KMS) PROPINSI JAWA TIMUR Adi Wicaksono 1, Mutiah Salamah, dan Jerry Dwi Trijoyo Purnomo 1 Mahasiswa Statistika ITS Dosen Statistika ITS ABSTRAK
Lebih terperinciPEMODELAN FAKTOR-FAKTOR YANG MEMENGARUHI CONTRACEPTIVE PREVALENCE RATE DI SURABAYA DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE
TUGAS AKHIR SS141501 PEMODELAN FAKTOR-FAKTOR YANG MEMENGARUHI CONTRACEPTIVE PREVALENCE RATE DI SURABAYA DENGAN PENDEKATAN REGRESI NONPARAMETRIK SPLINE NHABELLA CAROLLINE NRP 1313 100 084 Dosen Pembimbing
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
5 II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan antara variabel respon dengan satu atau beberapa variabel prediktor. Misalkan
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN) SKRIPSI Oleh : YANI PUSPITA KRISTIANI 24010211120018
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Gambaran Umum Provinsi Jawa Timur Penelitian ini dilakukan mulai bulan September 2012 di Jakarta terhadap Laporan Keuangan Daerah Provinsi Jawa Timur untuk periode tahun
Lebih terperinciINTERVAL KONFIDENSI UNTUK PARAMETER MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED
TESIS SS14501 INTERVAL KONFIDENSI UNTUK PARAMETER MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED MULTIVARIABEL (Studi Kasus Pada Data Indeks Pembangunan Gender di Provinsi Jawa Timur) RIFANI NUR SINDY S.
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciBAB IV PEMBAHASAN DAN HASIL PENELITIAN
BAB IV PEMBAHASAN DAN HASIL PENELITIAN IV.1 Analisis Deskriptif IV.1.1 Gambaran Mengenai Return Saham Tabel IV.1 Descriptive Statistics N Range Minimum Maximum Mean Std. Deviation Return Saham 45 2.09-0.40
Lebih terperinciBAB 3 METODE PENELITIAN. jenis data yang berbentuk angka (metric) yang terdiri dari:
BAB 3 METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu jenis data yang berbentuk angka (metric) yang terdiri dari: 1. Data laporan
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN Berdasarkan tujuan penelitian, maka pada bab ini akan dilakukan estimasi model regresi nonparametrik berdasarkan estimator polinomial lokal kernel dengan meminimumkan Weigted
Lebih terperinciBAB III METODE PENELITIAN. populasi disebut parameter populasi dan ukuran-ukuran pada sampel disebut. sampel merupakan bagian dari populasi.
36 BAB III METODE PENELITIAN 3.1 Populasi dan Sampel Menurut Atmaja (2009 ) Populasi berarti kumpulan objek yang akan diteliti sedangkan sampel merupakan bagian dari populasi. Ukuran pada populasi disebut
Lebih terperinciAnalisis Faktor yang Berpengaruh Terhadap Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Menggunakan Regresi Data Panel
JURNAL SAINS DAN SENI ITS Vol. 6, No., (07 ISSN: 337-3 (-98X Print D- Analisis Faktor yang Berpengaruh Terhadap Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Menggunakan Regresi Data Panel Wahyu
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciDAFTAR ISI ABSTRACT. BAB I PENDAHULUAN 1.1 LatarBelakang Pembatasan Masalah TujuanPenulisan
`DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN HALAMAN PERSEMBAHAN KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR LAMPIRAN INTISARI ABSTRACT i ii iii iv v vii x xi xii xiv
Lebih terperinci