BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.
|
|
- Ida Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II aa jelasa mater-mater atu teor ret, aalss regres logst, a aalss regres logst rare evet.. Teor Kret.. Pegerta Kret Kata ret berasal ar bahasa Romaw atu Creere ag arta percaa. Apabla hal tersebut hubuga ega tugas ba, maa meml pegerta bahwa ba selau retur percaa utu memjama sejumlah uag epaa asabah (ebtur) area ebtur apat percaa emampuaa utu membaar luas pjamaa setelah jaga watu ag tetua. Pegerta megea ret perbaa Ioesa terapat alam etetua Pasal aga UU Perbaa Ioesa 99/998. Uag-uag tersebut meetapa: Kret aalah peeaa uag atau tagha ag apat samaa ega betu ret berasara persetujua atau esepaata pjam-memjam atara ba ega pha la ag mewajba pha pemjam utu meluas utaga setelah jaga watu tertetu ega pembera buga. Meurut Bahsa (), suatu pjam-memjam uag aa ataa sebaga ret perbaa selama memeuh usur-usur sebaga berut:. Aaa peeaa uag atau tagha ag apat persamaa ega peeaa uag. 5 repostor.usba.ac.
2 6. Aaa persetujua atau esepaata pjam-memjam atara ba ega pha la. 3. Aaa ewajba meluas utag. 4. Aaa jaga watu tertetu. 5. Aaa pembera buga ret... Kret Macet Para asabah ag telah memperoleh fasltas ret ar ba ta seluruha apat megembala utaga ega lacar sesua ega watu ag telah perjaja. Paa eataaa alam prat selalu aa sebaga asabah ag ta apat megembala ret epaa ba ag telah memjama. Abat asabah ta apat membaar luas utaga, maa aa tergambar perjalaa ret meja macet atau terhet. Keaaa ag ema apabla tjau ar seg huuma perata sebut waprestas atau gar jaj. Sebagamaa ag telah etahu bahwa pembera ret merupaa perjaja pjam memjam uag a pgembala ret atau membaar agsura ret sebut sebaga prestas. Apabla ebtur ta apat membaar luas utaga setelah jaga watu pembela tersebut terlewat, maa perbuataa sebut perbuata waprestas. Dar seg macam-macama terapat lma macam ag eal selama aalah:. Debtur ta melasaaa sama seal apa ag telah perjaja.. Debtur melasaaa sebaga apa ag telah perjaja. 3. Debtur terlambat melasaaa sebaga apa ag telah perjaja. 4. Debtur meeraha sesuatu ag ta perjaja, atau 5. Debtur melaua perbuata ag larag alam perjaja. repostor.usba.ac.
3 7 Meurut Supramoo (9), apabla macam-macam waprestas hubuga ega ret macet, maa aa tga macam perbuata ag tergolog waprestas, atu:. Nasabah sama seal ta apat membaar agsura ret (beserta bugaa).. Nasabah membaar sebaga agsura ret (beserta bugaa). 3. Nasabah membaar luas ret (beserta bugaa) setelah jaga watu ag perjaja berahr. Dar uraa pembahasa atas ret macet apat ber pegerta, aalah ret atau utag ag ta apat luas oleh ebtur area sesuatu alasa sehgga ba selau retur harus meelesaa masalaha epaa pha etga atau melaua eseus barag jama..3 Regres Logst Regres logst pertama al guaa paa peelta bomes, tetap tahu terahr suah baa ag megguaa regres logst alam peelta lmu sosal a pemasara. Baru-baru, regres logst telah meja alat populer alam aplas bss (Agrest, ). Regres logst merupaa salah satu metoe statsta ag guaa utu megaalss hubuga beberapa fator ega sebuah varabel respo ag bersfat otomus (ber). Msala ta meml varabel bebas ଵ, ଶ,, a satu varabel respo Y ag bersfat otom. Nla varabel Y = meataa ejaa suses a Y = meataa ejaa gagal. Meurut Hosmer a Lemeshow (989) moel regres logst ag pegaruh oleh varabel bebas apat ataa sebaga la harapa ar Y ega bera la repostor.usba.ac.
4 8 (.) ep ep Y E ega Y E a Y mempua la atau. Nla Y E merupaa peluag suses, ega oefse regres varabel bebas. Dar moel (.) aa apat: ep ep ep ep ep ep ep ep ep ep ep (.) ep Trasformas logt terapa paa moel regres logst, logt g l (.3) Trasformas logt bertujua utu memperoleh fugs ag lear supaa apat lhat hubuga atara varabel respo (Y) ega varabel bebas (X). Fugs g() lear terhaap parameter a meml rage (, ) tergatug ar rage varabel bebas X. Pembuta persamaa (.3) aalah sebaga berut: Dar persamaa (.) a (.) aalah: repostor.usba.ac.
5 9 ep ep ep ep ep l l (.4) l.3. Peasra Parameter Moel Metoe peasra parameter ag basa guaa alam regres logst aalah metoe MLE (Mamum Lelhoo Estmato). Setap observas utu moel regres logst aalah varabel raom ar strbus Beroull. Varabel respo Y meml sebara Beroull ega parameter ߨ a fugs sebara peluaga aalah: P ag la utu atau utu,, Meurut Hosmer a Lemeshow (989), fugs lelhoo strbus Beroull utu sampel bebas aalah l (.5) Utu memuaha mecar la,.,, ag memasmuma fugs lelhoo guaa betu logartma atural ar fugs lelhoo, ag sebut sebaga fugs log-lelhoo. Logartma atural fugs peluag bersamaa apat tuls sebaga berut: repostor.usba.ac.
6 l L l l l l l l l l l l l l (.6) Selajuta htug turua pertama ar ܮ(ߚ) masg-masg terhaap p,.,, emua sarata sama ega ol. L l l Dar moel (.4) aa apat: l l l a l l repostor.usba.ac.
7 Turua ar l terhaap l l l Sehgga apata hasl sebaga berut: Ja, ) (.7 l L repostor.usba.ac.
8 ) (.8 l L... ) (.9 l p L Dar persamaa (.7), (.8), a (.9) mash teraug ݕ, ar turua pertama atas sult utu htug secara maual oleh sebab tu guaa batua software. Selajuta aa htug turua eua, turua eua aa lhat apaah aa solus ag u atau ta. Betu turua parsal eua ar fugs log-lelhoo aalah: L L L L L Betu umum ar turua parsal eua fugs log-lelhoo aalah: repostor.usba.ac.
9 3 L r L. r maa, j =,,,, p. Da peasr matrs varasa aalah maa ' V (.) aalah peluag suses, - aalah peluag gagal a bebas ega =,,.,. aalah varabel.4 Regres Logst paa Data Rare Evet Msala varabel respo Y, Y, Y, Y merupaa sampel aca ag berstrbus Beroull ega ߨ = ( = ) a ߨ = ( = ) utu =,,,. Dalam moel regres logst peluag ߨ aalah fugs strbus umulatf logst paapersamaa.. Trasformas logt sebagamaa jelasa paa baga regres logst atu persamaa.3. Metoe masmum lelhoo guaa utu measr parameter. Kelemaha paa regres logst atu apabla haapa paa ata rare evet. Data rare evet meujua bahwa paa varabel respo ber terapat puluha hgga rbua ata ag meml la ol lebh baa baga la satu. Paa ata rare evet aa meebaba Pr(Y = ) uerestmates seaga utu Pr(Y = ) overestmates. Masalah sampel terbatas (fte sample) aa meebaba peasra ag bas. Msala, asus seerhaa moel regres logst ega haa satu varabel bebas sebagamaa gambara alam Gambar 3.. repostor.usba.ac.
10 4 Y = Y = X Gambar. Ilustras Bas paa Data Rare Evet Apabla la, maa aa megabata sebaga besar Y = aa beraa sebelah r a Y = aa e aa tetap aa beberapa baga ag salg tumpag th. Dalam asus, perlu car la tt potog masmum utu membeaa atara la Y = a Y =. Peetua tt potog berata ega estmas masmum lelhoo ar. Namu, berhubug la Y = lebh baa baga ega la Y = maa la estmas ma(x Y = ) aa bagus, tetap la estmas utu m(x Y = ) aa urag bagus areaa jumlah pegamata Y = sagat set. Hal tu sebaba oleh la mmum sampel ag selalu lebh besar atau sama ega la mmum alam populas. Sehgga la tt potog aa meja bas e arah aa a abata Pr(Y = ) aa ecl (uerestmate)..4. Kores Bas terhaap Koefse maa Utu megores bas apat tasr oleh weghte least-square: X ' WX X ' W bas ( ) (.).5Q w w (.) ' Q eleme agoal utama X X WX X (.3) ' repostor.usba.ac.
11 5 W ag w (.4) Dega vetor pembobot w sebaga berut, w w Y w ( Y ) (.5) maa w sebaga pembobot utu la satu a w sebaga pembobot la ol. Seaga aalah propors ejaa suses ala populas a aalah propors ejaa suses ala sampel. Metoe WLS paa regres logst rare evet muah utu terapa area ompoea sama ega metoe WLS paa regres logst. Dega sebaga varabel respo, X sebaga varabel bebas a W sebaga pembobot. Seaga utu peasr ores basa atu, ~ bas( ) (.6).4. Kores terhaap P(Y = ) Kores peasr bas, ~, aa set bas a meml varas ecl sehgga mea square error lebh ecl arpaa peasr. Utu meapata pres peluag maa bsa laua ega memasua ores peasr bas ( ~ ) e alam persamaa logt sebaga berut: ~ Pr ~ ~ ep ~ ep (.7) Namu, hal ta optmal area megabaa etapasta paa ~. Oleh area tu perlu laua ores ulag terhaap ~. Betu ores peluaga sebaga berut: Pr ~ C (.8) repostor.usba.ac.
12 6 ega fator oresa aalah C ~ '.5 ~ ) ~ ( ~ ) V (.9) ( maa a matrs varas moel regres logst. V V ~ V (.) sebagamaa jelasa paa baga peasra parameter repostor.usba.ac.
Regresi Logistik pada Data Rare Event
Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,
Lebih terperinciANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.
ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa
Lebih terperinciSTATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran
KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).
Lebih terperinciadalah nilai-nilai yang mungkin diambil oleh parameter jika H
Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk
Lebih terperinciBAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)
BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut
Lebih terperinciII. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan
II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas
Lebih terperinciANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud
Lebih terperinciBAB 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 terperinciIr. Tito Adi Dewanto
Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug
Lebih terperinciBAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam
BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu
Lebih terperinciANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)
ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP
Lebih terperinci8.4 GENERATING FUNCTIONS
8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah
Lebih terperinciLANGKAH-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 terperinciHIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1
HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w
Lebih terperinciJurnal Sains & Matematika Vol.15 No.4, 2007 ISSN
Supart Sharta Wahyu Putra a Ruu Satoso Pemlha Threshol Optmal... Pemlha Threshol Optmal paa Estmator Regres Wavelet thresholg ega Proseur U Hpotess Multpel Supart Sharta Wahyu Putra a Ruu Satoso 3 3 Sta
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu
Lebih terperinciRegresi & Korelasi Linier Sederhana
Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah
Lebih terperinciInterpretasi Kombinatorial Bilangan Euler. Rektor Sianturi 1. Abstrak
Retor Satur, Iterpretas Kombatoral Blaga Iterpretas Kombatoral Blaga Euler Retor Satur 1 bstra Kombatoral blaga Euler alah suatu proses yag meghtug bayaya alteratf permutas ar hmpua blaga ega umlah geap.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data
Lebih terperinciKAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT
Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real
Lebih terperinciBAB 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 terperinciREGRESI & KORELASI LINIER SEDERHANA
1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)
Lebih terperinciREGRESI & KORELASI LINIER SEDERHANA
. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciBAB 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 terperinciPENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA
PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda
Lebih terperinciBAB 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 terperinciRegresi 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan
Lebih terperinciPENAKSIR 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 terperinciANALISIS 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 terperinciPEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON
Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus
Lebih terperinciPERTEMUAN 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 terperinciDi 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 terperinciGambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciBAB 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 terperinciPERBANDINGAN ESTIMATOR REGRESI NONPARAMETRIK MENGGUNAKAN METODE FOURIER DAN METODE WAVELET
PERBANDINGAN ESTIMATOR REGRESI NONPARAMETRIK MENGGUNAKAN METODE FOURIER DAN METODE WAVELET Supart urusa Matemata FMIPA UNDIP l. Prof. H. Soearto, S.H, Semarag 575,Y Abstract. Let { } (X be epeet observato
Lebih terperinciBAB 3 Interpolasi. 1. Beda Hingga
BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperinciPendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin
4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua
Lebih terperinciKoefisien Korelasi Spearman
Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah
Lebih terperinciBAB I PANDAHULUAN. 1.1 Latar Belakang
BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,
Lebih terperinciPemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa
Lebih terperinci11/10/2010 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 terperincititik tengah kelas ke i k = banyaknya kelas
STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e
Lebih terperinciBAB 2 LANDASAN TEORI. menentukan hubungan antara variabel independen (x) dengan variabel dependen (y).
BAB LANDASAN EORI Aalss Regres Aalss regres adalah salah satu metode ag dapat dguaa utu meetua hubuga atara varabel depede dega varabel depede Utu pegamata dega p varabel depede, maa model regres tersebut
Lebih terperinciPemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi
JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa
Lebih terperinciX 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 terperinciPENDAHULUAN 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 terperinciPENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA
PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus
Lebih terperinciBAB II KAJIAN TEORI. tertentu (Martono, 1999). Sistem bilangan real dinotasikan dengan R. Untuk
5 BAB II KAJIAN TEOI A. Sstem Blaga eal Sstem blaga real adalah hmpua blaga real ag dserta dega operas pejumlaha da perala sehgga memeuh asoma tertetu (Martoo, 999). Sstem blaga real dotasa dega. Utu lebh
Lebih terperinciEKSISTENSI 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 terperinciH dinotasikan dengan B H
Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )
Lebih terperinciPemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi
Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember
Lebih terperinciBAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,
Lebih terperinciBAB 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 terperinciJEMBATAN PADA GRAF FUZZY INTUITIONISTIC
JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc
Lebih terperinciRegresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )
Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar
Lebih terperinciπ(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciEstimator Robust S Pada Model Seemingly Unrelated Regression. The S Robust Estimator in Seemingly unrelated Regression Model
Jural ILMU DASAR Vol. 9 No. Jul 008 : 5-7 5 Estmator Robust S Pada Model Seemgl Urelated Regresso he S Robust Estmator Seemgl urelated Regresso Model Sulato Jurusa Matemata FMIPA Uverstas Arlagga ABSRAC
Lebih terperinciBAB 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 terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode
II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas
Lebih terperinciPenarikan Contoh Acak Sederhana (Simple Random Sampling)
Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu
Lebih terperinciPemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion
Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline
JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu
Lebih terperinciSTATISTIKA 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 terperinciBukti Teorema Sisa China dengan Menggunakan Ideal Maksimal
Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya
Lebih terperinciII. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema
II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinci9. SOAL-SOAL STATISTIKA
9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra
Lebih terperinciRegresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja
Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual
Lebih terperinciImplementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear
JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog
Lebih terperinciKarakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara
Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta
Lebih terperinciOPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK
Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta
Lebih terperinciAnalisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)
Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number
Lebih terperinciBAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu
BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka
Lebih terperinciBAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan
BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,
Lebih terperinciSTUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE
STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.
Lebih terperinciPRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.
Lebih terperinciBAB 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 terperinciBAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen
BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu
Lebih terperinciSTATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:
STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu
Lebih terperinciMateri Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat
Mater Bahasa Pemrograma Blaga Bulat (Iteger Programmg) Kulah - Pegatar pemrograma blaga bulat Beberapa cotoh model pemrograma blaga bulat Metode pemecaha blaga bulat Metode cuttg-plae Metode brach-ad-boud
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciBAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
Lebih terperinciRuang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA
Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka
Lebih terperinciE ax by c ae X be Y c. 6.1 Pengertian Umum
6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga
Lebih terperinciAplikasi Model Regresi Logit dan Probit pada Data Kategorik
Vol. 6, No.2, 07-4, Jauar 200 Aplkas Model Regres Logt da Probt pada Data Kategork Georga M. Tugk Abstrak Pembahasa dua model alteratf utuk data ber atu model Regress Logt da Probt. Regress Logt dguaka
Lebih terperinci