BAB 2 LANDASAN TEORI
|
|
- Hamdani Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 6 BAB LANDASAN TEORI.1 Regres Lner Analss regres dgunakan untuk mengetahu hubungan antara varabel terkat (Y) dengan satu atau lebh varabel bebas (X). Menurut Har et al (009) regres lnear sederhana dapat efektf dengan ukuran sampel sebanyak 0 observas. Menurut Nawar (010), model regres lner untuk satu varabel bebas yatu model regres lner sederhana, dnyatakan dalam persamaan berkut: YY = ββ 0 + ββ 1 XX + εε.1 Keterangan: = 1,,..., Y X = varabel terkat = varabel bebas ββ 0, ββ 1 = parameter regres εε = ssaan/galat Nla ββ 0 dan ββ 1 adalah parameter regres yang tdak dketahu nlanya dan akan dcar nla estmasnya. Model penduga regres lner sederhana untuk persamaan.1 adalah sebaga berkut: YY = ββ 0 + ββ 1XX. Keterangan: YY = nla YY yang destmas ββ 0, ββ 1 = penduga parameter
2 7. Metode Kuadrat Terkecl Metode kuadrat terkecl merupakan salah satu penduga parameter (nla ββ 0, ββ 1) model regres lner sederhana. Menurut Sembrng (1995), metode kuadrat terkecl merupakan metode yang memnmumkan jumlah kuadrat ssa (selsh antara data yang sebenarnya dengan data dugaan dar model regres yang terbentuk). Dar persamaan regres lner sederhana.1, nla resdu (ssaan) ke- pada model yatu: εε = YY YY.3 εε = YY ( ββ 0 + ββ 1XX ).4 Prnsp dasar metode kuadrat terkecl adalah memnmumkan jumlah kuadrat ssaan yang dnyatakan sebaga berkut: Mnmum =1 εε.5 =1 εε = YY YY =1 = YY ( ββ 0 + ββ 1XX ) =1 =1 εε = YY ββ 0 ββ 1XX =1.6 Keterangan: YY YY = data sebenarnya = data dugaan ββ 0, ββ 1 = penduga parameter εε = ssaan kuadrat Andakan =1 εε dnotaskan dengan PP, PP merupakan fungs dar nla ββ 0 dan ββ 1 sehngga nla-nla PP dapat dtentukan dengan menurunkan persamaan (.6) terhadap ββ 0 dan ββ 1 kemudan menyamakan tap turunaya dengan nol, dperolehlah nla sebaga berkut: PP = =1 εε = YY ββ 0 ββ 1XX =1 PP = =1 YY ββ 0 =1 YY ββ 1 =1 YY XX + (ββ 0 + ββ 1XX ) =1
3 8 = 0 ββ =1 YY 0 + =1 ββ 0 + ββ 1XX = 0 0 = ββ =1 YY + =1 ββ 0 + ββ 1XX = 0 0 =1 YY = ββ 0 + ββ 1 XX dan =1.7 = 0 0 ββ =1 YY XX + =1 ββ 0 + ββ 1XX XX = 0 1 = ββ =1 YY XX + =1 ββ 0 + ββ 1XX XX = 0 1 =1 YY XX = ββ 0 =1 XX + ββ 1 XX =1.8 Dar persamaan.7 maka akan dcar nla ββ 0 sebaga berkut: =1 YY = ββ 0 + ββ 1 =1 XX ββ 0 = =1 YY ββ 1 =1 XX ββ 0 = YY ββ 1XX.9 Selanjutnya, dar persamaan.8, akan dcar nla ββ 1 sebaga berkut: =1 YY XX = ββ 0 =1 XX + ββ 1 XX = YY =1 ββ 1 =1 XX =1 = YY =1 =1 XX ββ 1 =1 XX =1 YY XX YY =1 =1 XX maka dperolehlah ββ 1 yatu: ββ 1 = YY XX =1 YY =1 =1 XX XX =1 1 XX =1 XX + ββ 1 XX = ββ 1 =1 XX =1 + ββ 1 =1 XX + ββ 1 =1 XX = ββ 1 1 ( XX =1 ) + XX =1.10 =1.3 Rataan Kuadrat Ssa (Mean Square Error) Menurut Sembrng (1995), salah satu untuk menentukan kecocokan model dengan rataan kuadrat ssa ss, jka semakn kecl rataan kuadrat ssanya maka
4 9 semakn bak modelnya. Ukuran n memperhtungkan banyaknya parameter dalam model melalu pembagan dengan derajat kebebasaya. Untuk menentukan rataan kuadrat ssa dnyatakan dalam rumus sebaga berkut: ss = JJJJJJ JJJJJJ JJJJJJ = pp pp.11 Keterangan: JKS = Jumlah Kuadrat Ssa JKT = Jumlah Kuadrat Total = (YY YY ) JKR = Jumlah Kuadrat Regres = (YY YY ) pp YY YY YY = Banyaknya sampel = Banyaknya parameter = Data sebenarnya = Data dugaan = Rataan data sebenarnya.4 Penclan.4.1 Pengertan Penclan Menurut Sembrng (1995), secara umum penclan alah data yang tdak mengkut pola umum model..4. Dampak Penclan Menurut Soemartn (007), keberadaan data penclan akan mengganggu dalam proses analss data dan harus dhndar dalam banyak hal. Salah satu penyebab tdak terpenuh asums kenormalan galat adalah penclan (Gujarat, 1991). Dalam kataya dengan analss regres, penclan dapat menyebabkan hal-hal berkut: 1. Resdual yang besar dar model yang terbentuk. Varans pada data tersebut menjad lebh besar 3. Taksran nterval memlk rentang yang lebar
5 Pendeteksan Penclan Menurut Soemartn (007) beberapa metode dan nla yang dapat dgunakan untuk mendeteks ada atau tdak adanya penclan alah sebaga berkut: 1. Metode Grafk Metode grafk merupakan salah satu cara pendeteksan penclan yang mudah dpaham karena menamplkan data secara grafs (gambar) tanpa melbatkan perhtungan yang rumt. Namun, kelemahan metode n yatu yang menentukan data tersebut sebaga penclan atau tdak tergantung pada kebjakan (judgement) penelt, karena metode n hanya mengandalkan vsualsas gambar. Pendeteksan penclan dengan metode grafk d antaranya alah: a. Dagram Pencar (Scatter Plot) Metode n dlakukan dengan cara memplot data dengan observas ke- ( = 1,,, ). Selan tu, setelah dperoleh model regres maka dapat dlakukan dengan cara memplot antara resdual (ee) dengan nla predks Y (YY ). Jka terdapat satu atau beberapa data yang terletak jauh dar pola kumpulan data keseluruhan maka hal n mengndkaskan adanya penclan. b. Boxplot Metode boxplot merupakan metode yang palng umum yatu dengan menggunakan nla kuartl dan jangkauan. Jangkauan (IQR, Interquartle Range) ddefnskan sebaga selsh kuartl 1 terhadap kuartl 3, atau IQR = QQ 33 QQ 11. Pendeteksan penclan dapat dtentukan jka nla yang kurang dar 1,5IQR terhadap kuartl 1 dan nla yang lebh dar 1,5IQR terhadap kuartl 3.
6 11 Gambar.1 Skema Identfkas Data Penclan dengan IQR atau Box Plot. Leverage Values, DFFITS, Cook s Dstance, dan DfBETA(s) Cara mendeteks penclan dapat juga dengan menentukan nla Leverage, DFFITS, Cook s Dstance, dan DfBETA(s). Defns dar masng-masng nla tersebut alah sebaga berkut: a. Leverage Values; menamplkan nla leverage (pengaruh) terpusat. b. DFFITS atau Standardzed DfFIT; menamplkan nla perubahan dalam harga yang dpredks blamana case tertentu dkeluarkan dan sudah dstandarkan. c. Cook s Dstance; menamplkan nla jarak Cook. d. DfBETA(s); menamplkan nla perubahan koefsen regres sebaga hasl perubahan yang dsebabkan oleh pengeluaran case tertentu. Dgunakan untuk mendeteks penclan pada varabel bebas.
7 1 Ketentuan dalam pendeteksan penclan dengan nla-nla tersebut adalah: JJJJJJJJ ( 11) aa. LLLLLLLLLLLLLLLL > bb. DDDDDDDDDDDD > ssssssss pp PPPPPPPPPPPPPPPP(OOOOOOOOOOOOOO) cc. CCCCCCkk ss DD > FF(00. 55; pp, pp) dd. DDDDDDDDDDDD(ss) > ssssssss() Gambar. Krtera Pengamblan Keputusan Adanya Penclan atau Tdak Keterangan: n = jumlah observas (sampel). p = jumlah parameter..5 Regres Robust Menurut Drafer dan Smth (1981), penolakan begtu saja suatu penclan bukanlah prosedur yang bjaksana, adakalanya penclan memberkan nformas yang tdak bsa dberkan oleh ttk data laya. Metode kuadrat terkecl (MKT) merupakan metode yang bak untuk menduga ββ pada model regres lner. Tetap jka dalam peneltan dketahu terdapat pengamatan yang merupakan penclan, maka penggunaan MKT akan menghaslkan kesmpulan yang tdak sempurna. Sebaga alternatf dgunakan regres robust. Secara umum robust memlk art kekar. Regres robust merupakan alat yang pentng untuk menganalss data yang terkontamnas oleh penclan dan memberkan hasl yang lebh fleksbel. Regres robust tetap menggunakan seluruh data, tetap dengan memberkan bobot yang kecl untuk data penclan (Soemartn, 007: 1). Regres robust dgunakan untuk mendeteks penclan dan memberkan hasl terhadap adanya penclan (Chen, 00).
8 Regres Robust Penduga-S Penduga-S (Scale) pertama kal dperkenalkan oleh Rousseeuw dan Yoha (1984) d mana metode n merupakan keluarga hgh breakdown pont yatu ukuran umum propors dar data penclan yang dapat dtangan sebelum pengamatan tersebut mempengaruh model predks. Dsebut penduga-s karena mengestmas berdasarkan skala. Skala yang dgunakan adalah smpangan baku ssaan. Pendugaan koefsen regres pada model regres lner dengan MKT dlandas pada peubah εε = YY YY pada persamaan: =1 xx ee = 0.1 Bentuk yang lebh umum dar pendugaan parameter pada model regres adalah pemecahan terhadap: =1 ψψ(uu )xx = 0.13 D mana uu = ee cccc Dengan S ddefnskan sebaga:.14 SS mm = mmmmmmmmmmmm ee, = 1,,...,.15 D mana ee adalah ssaan yang dperoleh dar MKT. Penyelesaan koefsen regres pada persamaan.13 dsebut dengan penduga-m dan dapat dselesakan dengan MKT terbobot berkut: β = (X WX) -1 X WY d mana W (matrks dagonal ) = dagonal utama [ww 1, ww,, ww ], ww merupakan pembobot pengamatan ke- (Myers, 1990). Jka ww = ψψ(uu ) uu maka persamaan.13 menjad: ww uu xx = 0 =1.16
9 14 Tahapan teras dalam penaksran koefsen regres (Wnahju, 010) adalah: 1. Dhtung penaksr β, dnotaskan b menggunakan least square, sehngga ddapatkan y ˆ, 0 dan ε,0 = y y ˆ, 0, ( = 1,,... n) yang dperlakukan sebaga nla awal (y adalah hasl ekspermen). ψ ( ε,0). Dar nla-nla resdual n dhtung ˆ σ 0, dan pembobot awal w,0 =. ( ε ) Nla ψ(ε ) dhtung sesua fungs Huber, dan ε,0 = ε,0 / ˆ σ Dsusun matrk pembobot berupa matrk dagonal dengan elemen w 1,0, w,0,..., w n,0, dnama W Dhtung penaksr koefsen regres: b Robust ke 1 = (X T W 0 X) -1 X T W 0 Y 5. Dengan menggunakan b Robust ke 1 dhtung pula y yˆ, 1 atau ε Selanjutnya langkah sampa dengan 5 dulang sampa ddapatkan ε n konvergen. Nla ε. m yang konvergen adalah selsh antara bb mm+1 dan bb mm = 1 mendekat 0; mm = banyak teras. n = 1 n = 1 n = 1,0. m Persamaan.15 menunjukkan bahwa penduga-m hanya menggunakan medan pada pembentukan nla pembobot. Kelemahan medan adalah kurangnya pertmbangan pada pola sebaran data dan bukan merupakan fungs dar keseluruhan data. Rousseeuw dan Yoha (1984) memperkenalkan penduga-s yang merupakan pengembangan dar penduga-m. Penduga-S menggunakan smpangan baku ssaan untuk mengatas kelemahan dar medan. Menurut Salban dan Yoha (006) penduga-s (ββ SS) dnyatakan dalam bentuk rumus sebaga berkut: ββ SS = mn atau =1 ρρ ee SS ss ββ SS = mn ρρ yy XX ββ jj =1.17 SS ss ββ sehngga, Penyelesaan persamaan.17 adalah dengan cara menurunkaya terhadap
10 15 ββ SS = XX =1 ψψ ee SS ss = 0.18 ψψ dsebut fungs pengaruh yang merupakan turunan dar ρρ, sedangkan SS ss ddefnskan sebaga: =1 ( 1) SS ss = (ee MM ) ee MM =1.19 D mana ee MM adalah ssaan yang dperoleh melalu penduga-m. Persamaan.18 dapat dselesakan melalu MKT terbobot secara teras yang dsebut Iteratvely Reweghted Least Squares (Iteras kuadrat terkecl terbobot kembal). Ssaan awal yang dgunakan pada penduga-s adalah ssaan yang dperoleh dar penduga-m. Selanjutnya dkatakan bahwa Iteras kuadrat terkecl terbobot kembal merupakan proses pendugaan melalu metode kuadrat terkecl terbobot dlanjutkan dengan menghtung ssaan dan pembobot ww(uu ) yang baru dan dlakukan pendugaan secara berulang-ulang sampa konvergen. Kekonvergen tercapa jka perubahan jumlah mutlak ssaan, =1 εε :mm dar teras terakhr ke teras berkutnya kurang dar 0,01 (Salban dan Yoha, 006). Fungs ρρ pada persamaan.17 dsebut fungs krtera ρρ dsarankan memaka fungs obyektf berkut (Tukey, 1977, dalam Chen, 00): ρρ(u ) = c [1 1 ( u c ) 3 ] c 6, uu c 6, uu > c dengan fungs pengaruh: ΨΨ(uu ) = ρρ (uu ) = uu (1 ( u c ) ), uu c 0, uu > c Oleh karena ww = ΨΨ(uu ) (uu ), sehngga:.0 ww = [1 (u c ) ], uu c 0, uu > c.1 Rousseeuw dan Leroy (1987) menyarankan nla cc = 1,547 agar mendapatkan nla breakdown pont 50%. Fungs pengaruh atau penmbang n dsebut fungs Tukey atau bsquare weght atau bweght. Selanjutnya dterangkan juga bahwa secara umum de dalam bweght adalah bahwa ssaan yang kecl mendapatkan
11 16 bobot yang besar. Secara rngkas, fungs obyektf dan pembobot dar estmator Least Square, Huber, dan Tukey Bsquare dapat dlhat pada Tabel.1. Tabel.1 Fungs Objektf, Fungs Influence dan Fungs Pembobot untuk Least Square, Huber, dan Tukey Bsquare Metode Least Huber Tukey Bsquare Square Fungs ( e ) /, untuk e r 3 ρ LS ( e ) = ( e ) ( ) k e 1 1 untuk 6 r ρ H ( e ) = ρ B ( e ) = objektf r e r /, untuk e > r r / 6 untuk e > r e r Fungs nfluence Fungs Pembobot ψ ( e ) LS ( e ) = e w LS w ( e ) ( e ) = 1 e untuk e r ψ = H r untuk e > r ( ) ( ) e e 1 untuk e r r ψ B e = 0 untuk e > r r untuk e < r H 1 untuk e r = r / e untuk e > r Sumber: Fox (00), Montgomery (199) w B 1 ( ) ( ) r e = e 0 untuk untuk e e > r r Langkah-langkah menentukan regres robust penduga-s (Salban dan Yoha, 006) adalah sebaga berkut: a. Ddapatkan vektor penduga awal bb 1, bb,, bb pp dar model regres dengan MKT ddapatkan galat ee 0. b. Dar ssaan awal dhtung SS MM sesua persamaan (.15) untuk mendapatkan uu berdasarkan persamaan (.14). c. Menghtung nla ww sesua persamaan (.1). d. Dengan menggunakan MKT terbobot ddapatkan penduga kuadrat terkecl terbobot: β = (X WX) -1 X WY e. Menjadkan ssaan langkah (d) sebaga ssaan awal pada langkah (b), sehngga ddapatkan nla SS MM dan pembobot ww yang baru. f. Iteras dulang sampa ddapatkan kekonvergenan sehngga dperoleh bb MM 0, bb MM MM 1,, bb pp yang merupakan penduga-m sehngga ddapatkan ssaan ee MM.
12 17 g. Dar ssaan yang dperoleh pada langkah (f), dhtung robust SS ss sesua persamaan(.19) untuk mendapatkan nla uu sesua persamaan (.14). h. Menghtung nla ww sesua persamaan (.1).. Dgunakan MKT terbobot untuk mendapatkan penduga kuadrat terkecl terbobot: β = (X WX) -1 X WY j. Menjadkan ssaan yang dperoleh pada langkah () sebaga ssaan pada langkah (g), sehngga ddapatkan nla SS ss dan pembobot ww yang baru. k. Iteras ulang sampa ddapatkan kekonvergenan sehngga dperoleh bb SS 0, bb SS SS 1,, bb pp yang merupakan penduga-s..5. Regres Robust Penduga Least Trmmed Squares (LTS) Least Trmmed Squares (LTS) merupakan metode penduga regres robust yang menggunakan konsep pengepasan metode kuadrat terkecl (ordnary least squares) untuk memnmumkan jumlah kuadrat ssaan (Akbar dan Maftukhah, 007). Menurut Rousseeuw dan Leroy (1987), penduga LTS (ββ ) dnyatakan dalam bentuk rumus sebaga berkut: h ββ LLLLLL = mn =1 (rr ) :. Keterangan: (rr ) 1: (rr ) : (rr ) : = ssaan kuadrat yang durutkan h = + pp+1 = +pp+1 n = banyaknya sampel p = banyaknya parameter Jumlah h menunjukkan sejumlah subset data dengan kuadrat fungs obyektf terkecl. Nla h pada persamaan akan membangun breakdown pont yang besar sebandng dengan 50%. Kuadrat ssa pada persamaan (.) berasal dar persamaan estmas regres lner menggunakan konsep metode kuadrat terkecl dengan banyaknya ssaan kuadrat (ee ) : yang akan dolah adalah sebanyak h resdual.
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciRIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN
RIDGE-MM SEBAGAI SALAH SATU METODE REGRESI RIDGE YANG ROBUST TERHADAP DATA PENCILAN Sudartanto 1, Nono Suwarno 2, Ahmad Taofk 3 JurusanStatstka FMIPA-UNPAD, Fapet UNPAD, Jurusan Agrotek UIN emal : sudartanto@unpad.ac.d;
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciKEKEKARAN REGRESI LINIER GANDA DENGAN ESTIMASI MM (METHOD OF MOMENT) DALAM MENGATASI PENCILAN
KEKEKARAN REGREI LINIER GANDA DENGAN ETIMAI MM (METHOD OF MOMENT) DALAM MENGATAI PENCILAN KRIPI Dajukan kepada Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Neger Yogyakarta untuk memenuh sebagan
Lebih terperinciESTIMASI PARAMETER REGRESI ROBUST DENGAN METODE ESTIMASI-S PADA PENJUALAN ENERGI LISTRIK DI JAWA TENGAH TAHUN 2009
ESTIMASI PARAMETER REGRESI ROBUST DENGAN METODE ESTIMASI-S PADA PENJUALAN ENERGI LISTRIK DI JAWA TENGAH TAHUN 2009 oleh GRIYA ARTIANA M007033 SKRIPSI dtuls dan dajukan untuk memenuh sebagan persyaratan
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciAnalisis Regresi 2. Mendeteksi pencilan dan penanganannya
Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciREGRESI LINIER SEDERHANA (MASALAH ESTIMASI)
REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciAnalisis Regresi Linear Sederhana
Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks
Lebih terperinciMODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED
MODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED Harm Sugart 1 1 FMIPA Unverstas Terbuka. Tangerang Selatan Emal korespondens : arm@ut.ac.d Abstrak Eksplotas sumber daya
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciPENENTUAN DENSITAS PERMUKAAN
PENENTUAN DENSITAS PERMUKAAN Pada koreks topograf ada satu nla yang belum dketahu nlanya yatu denstas batuan permukaan (rapat massa batuan dekat permukaan). Rapat massa batuan dekat permukaan dapat dtentukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciIndependent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi
Independent Var. Dependent Var. Test Nomnal Interval Independent t-test, ANOVA Nomnal Nomnal Cross Tabs, Ch Square, dan Koefsen Kontngens Nomnal Ordnal Mann Whtney, Kolmogorov- Smrnow, Kruskall Walls Ordnal
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres 1 Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya E[Y x] E[Y x] y b
Lebih terperinci2 TINJAUAN PUSTAKA. Model Persamaan Struktural (MPS)
3 2 TINJAUAN PUSTAKA Model Persamaan Struktural (MPS) Model persamaan struktural (MPS) merupakan salah satu analss multvarat yang dapat menganalss hubungan peubah secara kompleks. Analss n pada umumnya
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN EORI.. Regres... Pengertan Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan kta meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu atau lebh peubah bebas
Lebih terperinciREGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan nla harapannya ) E [Y x ] E [Y x] =
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB III METODE PENELITIAN. Metode dalam penelitian merupakan suatu cara yang digunakan oleh peneliti
BAB III METODE PENELITIAN 3.1 Desan Peneltan Metode dalam peneltan merupakan suatu cara yang dgunakan oleh penelt dalam mencapa tujuan peneltan. Metode dapat memberkan gambaran kepada penelt mengena langkah-langkah
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB LANDASAN TEORI Unverstas Sumatera Utara . Pengertan Regres Istlah regres pertama kal dperkenalkan oleh Francs Galtom. Menurut Galtom, analss regres erkenaan dengan stud ketergantungan dar satu varael
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciV ANALISIS VARIABEL MODERASI DAN MEDIASI
Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.3.1 Tempat Peneltan Peneltan n dlaksanakan d SMP Neger Gorontalo khususnya pada sswa kelas VIII. 3.3. Waktu Peneltan Peneltan n dlaksanakan selama
Lebih terperinciPRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel
PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB IV PERHITUNGAN DAN ANALISIS
BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter
Lebih terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jens dan Pendekatan Peneltan Jens peneltan n termasuk peneltan korelasonal (correlatonal studes. Peneltan korelasonal merupakan peneltan yang dmaksudkan untuk mengetahu ada
Lebih terperinciUji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi
Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciHubungan Model Kurva Pengeluaran Konsumsi Rumah Tangga di Provinsi Sulawesi Selatan dengan Elastisitasnya
Vol. 8, No., 9-101, Januar 01 Hubungan Model Kurva Pengeluaran Konsums Rumah Tangga d Provns Sulawes Selatan dengan Elaststasnya Adawayat Rangkut Abstrak Seleks kurva pengeluaran konsums masyarakat Sulawes
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciIII. METODOLOGI PENELITIAN
44 III. METODOLOGI PENELITIAN A. Metode Peneltan Menurut Arkunto (00:3) peneltan ekspermen adalah suatu peneltan yang selalu dlakukan dengan maksud untuk melhat akbat dar suatu perlakuan. Metode yang penuls
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciPEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)
PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Stud Kasus : Metode Secant) Melda panjatan STMIK Bud Darma, Jln.SM.Raja No.338 Sp.Lmun, Medan Sumatera Utara Jurusan Teknk Informatka e-mal : meldapjt.78@gmal.com
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciReferensi: 1) Smith Van Ness Introduction to Chemical Engineering Thermodynamic, 6th ed. 2) Sandler Chemical, Biochemical adn
Referens: 1) Smth Van Ness. 2001. Introducton to Chemcal Engneerng Thermodynamc, 6th ed. 2) Sandler. 2006. Chemcal, Bochemcal adn Engneerng Thermodynamcs, 4th ed. 3) Prausntz. 1999. Molecular Thermodynamcs
Lebih terperinciBAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinci