BAB IV ANALISIS DAN PEMBAHASAN
|
|
- Siska Yuwono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV ANALISIS DAN PEMBAHASAN Analisa pemodelan fungsi hubungan pada variabel repon dengan variabel prediktor akan dijelaskan pada bab ini. Analisis yang digunakan pada penelitian ini adalah menggunakan metode Geographically Weighted Regression (GWR) yang akan diolah menggunakan software R versi variabel respon yang digunakan pada penelitian ini adalah persentase jumlah keluarga miskin di tiaptiap kecamatan di Kabupaten Demak pada tahun 2012, sedangkan variabel prediktor yang digunakan pada penelitian ini adalah persentase jumlah RTP (X 1 ), persentase jumlah pengguna air PDAM (X 2 ), dan kepadatan penduduk (X 3 ) di tiap-tiap kecamatan di Kabupaten Demak pada tahun Pemeriksaan Asumsi Kenormalan Pemeriksaan asumsi kenormalan sisaan menggunakan uji Kolmogorof- Smirnov (KS) menghasilkan nilai KS sebesar dengan nilai-p (>0.15) lebih besar dari taraf nyata 10%, sehingga diperoleh keputusan terima H 0 yang berarti bahwa sisaan menyebar normal. Probability Plot of RESI1 Normal Percent Mean -3,86992E-15 StDev 0,7167 N 14 KS 0,113 P-Value >0, RESI1 1 2 Gambar 4.1 Diagram uji kenormalan Kolmogorof-smirnov Pada Gambar 4.1 tersebut dapat dilihat bahwa plot sisaan analisis regresi menyebar mengikuti garis lurus yang menunjukkan sisaan menyebar normal.
2 4.2 Uji Keragaman Spasial (Heterokedastisitas) Pengujian keragaman spasial menggunakan uji Breusch-Pagan (BP) menghasilkan nilai BP sebesar 6,76 dengan nilai-p (0,079) yang kurang dari taraf nyata 10%, sehingga diperoleh keputusan tolak H 0 yang berarti bahwa terdapat keragaman spasial pada data kemiskinan pada tiap kecamatan di Kabupaten Demak tahun Adanya keragaman spasial pada kemiskinan tersebut menunjukkan bahwa setiap kecamatan di Kabupaten Demak memiliki karakteristik tersendiri, sehingga diperlukan pendekatan lokal untuk memodelkan dan untuk mengatasi keragaman yang terjadi pada kemiskinan. 4.3 Analisis Deskriptif Tingkat Kemiskinan di Kabupaten Demak dan Faktor-faktor yang mempengaruhinya. Analisis deskriptif ini bertujuan untuk memberikan gambaran deskripsi mengenai rata-rata, varians, nilai minimum dan maksimum pada variabel respon dan prediktor. Tabel 4.1 Statistika Deskriptif Tingkat Kemiskinan dan Faktor-faktor yang Mempengaruhinya Variabel Rata-rata Varians Minimum Maksimum Persentase Jumlah 7,143 5,685 3,287 11,026 Keluarga Miskin(Y) Persentase Jumlah 7,141 2,678 5,033 9,872 RTP(X 1 ) Persentase Jumlah 7, , ,531 Rumah Tangga Pengguna air PDAM(X 2 ) Kepadatan Penduduk(X 3 ) 1200, E Tabel 4.1 berikut menunjukkan bahwa persentase jumlah keluarga miskin di Kabupaten Demak memiliki rata-rata sebesar 7,143 dengan varians sebesar
3 5,685, nilai minimum 3,287 dan nilai maksimum sebesar 11,026. Sedangkan untuk persentase jumlah RTP di Kabupaten Demak memiliki rata-rata sebesar 7,141 dengan varians sebesar 2,678, nilai minimum 5,03 dan nilai maksimum sebesar 9,872. Untuk persentase jumlah rumah tangga pengguna air PDAM di Kabupaten Demak memiliki rata-rata sebesar 7,142 dengan varians sebesar 199,998, nilai minimum 0 dan nilai maksimum sebesar Kepadatan penduduk di Kabupaten Demak memiliki rata-rata sebesar 1200,71 dengan varians sebesar 1410E5, nilai minimum 720 dan nilai maksimum sebesar Model Geographically Weighted Regression Model Geographically Weighted Regression (GWR) adalah pengembangan dari model regresi dimana setiap parameter dihitung pada setiap titik lokasi, sehingga setiap titik lokasi geografis mempunyai nilai parameter regresi yang berbeda-beda. Langkah pertama untuk analisis GWR adalah menentukan bandwidth yang akan digunakan dalam fungsi pembobot. Dalam penelitian ini untuk menentukan bandwidth optimum menggunakan nilai CV minimum yang nantinya akan digunakan dalam fungsi pembobot kernel bisquare diperoleh nilai bandwidth sebesar 65,28938km dengan nilai CV minimum sebesar 160,1857. Nilai bandwidth optimum tersebut kemudian disubtitusikan kedalam fungsi pembobot kernel bisquare sehingga fungsi pembobotnya menjadi: [ ] 2 Persamaan di atas menunjukkan bahwa pada fungsi pembobot kernel bisquare ini menggambarkan batas jarak suatu wilayah yang masih memberikan pengaruh cukup besar terhadap wilayah lain di sekitarnya. Jika jarak antara lokasi ( ke-i dengan lokasi ke-j lebih besar atau sama dengan 65,28938 km, maka lokasi tersebut akan diberi bobot nol, sedangkan jika jarak antar lokasi ke-i dengan lokasi ke-j kurang dari 65,28938 km akan diberi bobot mendekati satu seiring semakin dekatnya jarak antara lokasi ke-i dengan lokasi ke-j.
4 Tabel 4.2 Nilai Minimum dan Maksimum Estimasi Parameter Model GWR Variabel Koefisien Parameter Minimum Median Maksimum Intersep 1,727 2,468 11,240 X 1-0,894 0,021 0,993 X 2-0,033-0,027 0,409 X 3 0,0006 0,003 0,004 SSE 43,976 R 2 40,79% Tabel 4.2 menunjukkan bahwa estimasi parameter setiap variabel X 1 memiliki koefisien parameter bernilai negatif dari -0,894 hingga 0,993 antara variabel persentase rumah tangga miskin (X 1 ) dengan persentase jumlah keluarga miskin (Y) terjadi di Kecamatan Bonang, Karanganyar, Mijen, dan Wedung. Nilai negatif pada variabel X 1 menunjukkan bahwa adanya hubungan negatif antara variabel persentase jumlah RTP dengan persentase jumlah keluarga miskin, yang artinya berkurangnya jumlah RTP pada suatu wilayah akan mengurangi jumlah keluarga miskin di suatu wilayah tersebut. Hal ini terjadi diduga karena jumlah RTP pada keempat kecamatan tersebut lebih sedikit daripada kecamatan yang lainnya. Pada tabel 4.2 juga diketahui bahwa nilai variabel pada X 2 memiliki koefisien parameter bernilai negatif dari -0,033 hingga 0,409 antara persentase jumlah rumah tangga pengguna air PDAM (X 2 ) dengan persentase jumlah keluarga miskin (Y) terjadi di semua kecamatan di Kabupaten Demak. Nilai negatif pada variabel X 2 menunjukkan bahwa adanya hubungan negatif antara variabel persentase jumlah rumah tangga pengguna air PDAM dengan persentase jumlah keluarga miskin, yang artinya berkurangnya jumlah rumah tangga pengguna air PDAM pada suatu wilayah akan mengurangi jumlah keluarga miskin di suatu wilayah tersebut. Seharusnya jumlah rumah tangga pengguna air PDAM memiliki hubungan yang berbanding terbalik terhadap jumlah keluarga miskin, yang berarti peningkatan jumlah pengguna air PDAM akan mengurangi
5 jumlah keluarga miskin, karena kualitas air yang dikonsumsi akan sangat berpengaruh terhadap kualitas hidup suatu keluarga. Nilai R 2 yang diperoleh dari model GWR pada tabel 4.2 sebesar 40,79%. Hal ini berarti keragaman persentase jumlah keluarga miskin disebabkan oleh persentase rumah tangga miskin, persentasejumlah rumah tangga pengguna air PDAM dan kepadatan penduduk sebesar 40,79%, sedangkan 49,23 % sisanya disebabkan oleh adanya faktor lainnya. 4.5 Pengujian Kesesuaian Model Goodness of fit dari model GWR atau pengujian kesesuaian untuk model GWR dilakukan untuk mengetahui faktor lokasi yang berpengaruh terhadap tingkat kemiskinan di Kabupaten Demak. Tabel 4.3 Uji Kesesuaian Model GWR SSE Df F hitung P value Model GWR 43,977 9,023 2,775 0,052 Berdasarkan tabel 4.3 di atas didapatkan nilai F hitung pada model GWR sebesar 2,77 dengan nilai p value (0,052) yang berarti nilai p value kurang dari taraf nyata 10% (0,05<0,1). Hal ini berarti tolak H 0 karena nilai p value lebih kecil dari taraf nyata 10%, yang artinya ada faktor pengaruh geografis pada model. 4.6 Pengujian Parameter Model GWR Pengujian parameter model pada GWR bertujuan untuk mengetahui faktor-faktor yang berpengaruh terhadap tingkat kemiskinan untuk tiap kecamatan di Kabupaten Demak. Oleh karena itu, setiap wilayah memiliki model dengan karakteristik parameter yang berbeda dengan wilayah lainnya. Suatu parameter dikatakan signifikan jika nilai t hitung lebih besar dari t tabel dengan taraf nyata 10%. Nilai t tabel yang diperoleh adalah sebesar 1,81. Hal ini berarti, jika nilai t hitung pada masing-masing parameter lebih besar dari 1,81 maka parameter tersebut berpengaruh terhadap tingkat kemiskinan.
6 Tabel 4.4 Nilai parameter pada model GWR per Kecamatan di Kabupaten Demak No Kecamatan X 1 X 2 X 3 t X1 t X2 t X3 1 Mranggen 0,047-0,003 0,0041 0,128-0,631 1,901 2 Karangawen 0,075-0,032 0,0042 0,198-0,616 1,911 3 Guntur 0,053-0,029 0,004 0,146-0,570 1,895 4 Sayung 0,004-0,030 0,0040 0,001-0,571 1,881 5 Karangtengah 0,015-0,028 0,0039 0, ,869 6 Bonang -0,035-0,025 0,0038-0,097-0,475 1,826 7 Demak 0,013-0,026 0, ,035-0,494 1,842 8 Wonosalam 0,048-0,027 0, ,104-0,508 1,854 9 Dempet 0,064-0,027 0, ,176-0,521 1, Gajah 0,028-0,023 0,0038 0,077-0,445 1, Karanganyar -0,894 0,041 0,0006-1,409 0,560 0, Mijen -0,024-0,019 0,0037-0,066-0,370 1, Wedung -0,054-0,022 0,0038-0,149-0,416 1, Kebonagung -0,099-0,029 0,0041 0,272-0,567 1,899
7 Tabel 4.5 nilai sisaan dan R 2 pada masing-masing kecamatan No Kecamatan Sisaan R 2 1 Mranggen 1,856 0,422 2 Karangawen 1,312 0,424 3 Guntur 1,068 0,405 4 Sayung 0,912 0,396 5 Karangtengah 0,900 0,386 6 Bonang 1,412 0,360 7 Demak 2,066 0,373 8 Wonosalam 0,757 0,380 9 Dempet 1,011 0, Gajah 0,816 0, Karanganyar 1,495 0, Mijen 0,905 0, Wedung 1,224 0, Kebonagung 0,874 0,410
8 Tabel 4.6 Parameter yang signifikan pada model GWR per Kecamatan di Kabupaten Demak No Kecamatan Variabel 1 Mranggen X 3 2 Karangawen X 3 3 Guntur X 3 4 Sayung X 3 5 Karangtengah X 3 6 Demak X 3 7 Bonang X 3 8 Wonosalam X 3 9 Dempet X 3 10 Gajah - 11 Karanganyar - 12 Mijen - 13 Wedung - 14 Kebonagung X 3 Berdasarkan tabel 4.4 diperoleh hasil bahwa ada 10 kecamatan yang dipengaruhi oleh variabel kepadatan penduduk (X 3 ), dan ada 4 kecamatan yaitu kecamatan Gajah, Karanganyar, Mijen, dan Wedung yang tidak berpengaruh pada ketiga variabel yang digunakan dalam penelitian ini karena nilai t hitung masingmasing variabel pada 4 kecamatan tersebut tidak ada yang signifikan terhadap nilai t tabel. Hal ini diduga karena ada variabel lain yang lebih signifikan selain variabel persentase jumlah RTP, persentase jumlah rumah tangga pengguna air PDAM, dan kepadatan penduduk terhadap tingkat kemiskinan pada tiap kecamatan di Kabupaten Demak. Keempat kecamatan tersebut merupakan wilayah yang memiliki letak geografis yang berdekatan satu sama lain atau dengan kata lain memiliki keterkaitan antar wilayah.
9 Secara umum, pemodelan tingkat kemiskinan menggunakan metode GWR dengan fungsi pembobot kernel bisquare menunjukkan bahwa ada satu variabel prediktor yang berpengaruh terhadap tingkat kemiskinan di hampir seluruh kecamatan di Kabupaten Demak, yaitu variabel kepadatan penduduk. Hal ini diduga karena kepadatan penduduk di masing-masing wilayah masih tinggi tetapi tidak diimbangi dengan adanya lapangan kerja yang luas, yang dapat menyerap sumber daya manusia yang ada di setiap wilayah tersebut, sehingga tidak menambah banyaknya pengangguran yang ada di wilayah tersebut. Tingginya kepadatan penduduk di suatu wilayah mempunyai dampak terhadap proses dan hasil usaha pembangunan. Tingginya kepadatan penduduk tersebut apabila mampu berperan sebagai tenaga kerja yang berkualitas akan merupakan modal pembangunan yang besar dan akan sangat menguntungkan bagi usaha-usaha pembangunan di segala bidang untuk kesejahteraan masyarakat wilayah tersebut. Nilai PDRB suatu wilayah sangat mempengaruhi tingkat kesejahteraan wilayah tersebut, hal ini di duga yang menyebabkan suatu daerah mempunyai tingkat kemiskinan yang tinggi. Kecamatan yang mempunyai jumlah rumah tangga miskin paling besar di Kabupaten Demak adalah Kecamatan Mijen, karena nilai PDRB pada kecamatan ini sangat kecil dibandingkan dengan nilai PDRB di kecamatan lain, yaitu sebesar Rp Kecamatan dengan model terbaik adalah Kecamatan Karangawen dengan nilai R 2 sebesar 42,4%. Hal ini berarti keragaman persentase jumlah keluarga miskin disebabkan oleh kepadatan penduduk sebesar 42,4%, sedangkan 47,96 % sisanya disebabkan oleh adanya faktor lainnya.
10 4.7 Interpretasi Model Berikut ini adalah model GWR dengan variabel yang mempengaruhi yang terbentuk pada masing-masing kecamatan di Kabupaten Demak: Kecamatan Mranggen Ŷ = 2, ,0041X 3 bertambah sebesar 0,0041 apabila variabel kepadatan penduduk bertambah Kecamatan Karangawen Ŷ = 1, ,0042X 3 bertambah sebesar 0,0042 apabila variabel kepadatan penduduk bertambah Kecamatan Guntur Ŷ = 2, ,004X 3 bertambah sebesar 0,004 apabila variabel kepadatan penduduk bertambah Kecamatan Sayung Ŷ = 2, ,0040X 3 bertambah sebesar 0,0040 apabila variabel kepadatan penduduk bertambah
11 Kecamatan Karangtengah Ŷ = 2, ,0039X 3 bertambah sebesar 0,0039 apabila variabel kepadatan penduduk bertambah Kecamatan Bonang Ŷ = 2, ,0038X 3 bertambah sebesar 0,0038 apabila variabel kepadatan penduduk bertambah Kecamatan Demak Ŷ = 2, ,00394X 3 bertambah sebesar 0,00394 apabila variabel kepadatan penduduk bertambah sebesar satu persen dengan syarat variabel prediktor yang lain adalah Kecamatan Wonosalam Ŷ = 2, ,00396X 3 bertambah sebesar 0,00396 apabila variabel kepadatan penduduk bertambah sebesar satu persen dengan syarat variabel prediktor yang lain adalah Kecamatan Dempet Ŷ = 2, ,00399X 3 bertambah sebesar 0,00399 apabila variabel kepadatan penduduk bertambah sebesar satu persen dengan syarat variabel prediktor yang lain adalah
12 Kecamatan Kebonagung Ŷ = 1,73 + 0,0041X 3 bertambah sebesar 0,0041 apabila variabel kepadatan penduduk bertambah
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN FUNGSI KERNEL BISQUARE TERHADA FAKTOR- FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN DEMAK 1 Marlita Vebiriyana, 2 M. Yamin Darsyah, 3 Indah
Lebih terperinciSMALL AREA ESTIMATION UNTUK PEMETAAN KEMISKINAN DI KABUPATEN DEMAK
SMALL AREA ESTIMATION UNTUK PEMETAAN KEMISKINAN DI KABUPATEN DEMAK Moh. Yamin Darsyah 1 Setia Iriyanto 2 Iswahyudi Joko S 3 1) Prodi Statistika FMIPA UNIMUS, Semarang 2) Prodi Manajemen FE UNIMUS, Semarang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN Pada bab analisis dan pembahasan ini akan jelaskan tentang pola persebaran jumlah penderita kusta dan faktor-faktor yang mempengaruhinya, kemudian dilanjutkan dengan pemodelan
Lebih terperinciBAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR)
BAB III REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) 3.1 Regresi Poisson Regresi Poisson merupakan suatu bentuk analisis regresi yang digunakan untuk memodelkan data
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciPemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (017) ISSN: 337-350 (301-98X Print) D-8 Pemodelan Angka Harapan Hidup di Papua dengan pendekatan Geographically Weighted Regression Ardianto Tanadjaja, Ismaini
Lebih terperinciBAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS)
28 BAB III MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SEMIPARAMETRIC (GWLRS) 3.1 Geographically Weighted Logistic Regression (GWLR) Geographically Weighted Logistic Regression adalah metode untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Pesta demokrasi Indonesia tahun 2014 ini adalah salah satu harapan baru yang diinginkan seluruh masyarakat Indonesia agar bisa membawa dampak yang baik bagi negara
Lebih terperinciBAB I PENDAHULUAN. terus dihadapi di sejumlah daerah di Indonesia, tidak terkecuali Provinsi Sumatera
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan kemiskinan merupakan salah satu persoalan mendasar yang terus dihadapi di sejumlah daerah di Indonesia, tidak terkecuali Provinsi Sumatera Barat. Berdasarkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah Atiya Maulani, 2013
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, tidak jarang dihadapkan pada berbagai masalah yang berkaitan dengan dua atau lebih variabel dalam suatu bentuk hubungan tertentu
Lebih terperinciPEMERINTAH KABUPATEN DEMAK RINGKASAN APBD MENURUT URUSAN PEMERINTAHAN DAERAH DAN ORGANISASI TAHUN ANGGARAN 2015
LAMPIRAN II : PERATURAN NOMOR : 5 TAHUN 2014 TANGGAL : 30 DESEMBER 2014 PEMERINTAH KABUPATEN DEMAK RINGKASAN APBD MENURUT URUSAN PEMERINTAHAN DAN ORGANISASI TAHUN ANGGARAN 2015 Halaman 1 Tidak Langsung
Lebih terperinciSekapur Sirih. Demak, Agustus 2010 Kepala Badan Pusat Statistik Kabupaten Demak. Ir. Endang Tri Wahyuningsih, MM. NIP
Sekapur Sirih Sensus Penduduk 2010 (SP2010) merupakan salah satu kegiatan besar Badan Pusat Statistik (BPS) sesuai yang diamanatkan Undang-undang Nomor 16 tahun 1997 tentang statistik serta sejalan dengan
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi
BAB I PENDAHULUAN Dalam bab ini akan dibahas mengenai hal-hal yang melatarbelakangi penulisan tesis, rumusan masalah, tujuan dan manfaatnya, tinjauan-tinjauan pustaka dari hasil penelitian terkait serta
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh
Lebih terperinci2015 REGRESI SPASIAL DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR)
1 BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan salah satu cabang ilmu matematika yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasikan
Lebih terperinciMODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH
MODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH Nungki Fauzi T A N, Isnandar Slamet, Muslich Program Studi
Lebih terperinciPENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) SKRIPSI Disusun Oleh : SINDY SAPUTRI 24010210141007 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA) SKRIPSI Disusun Oleh : NOVIKA PRATNYANINGRUM 24010211140095
Lebih terperinciProsiding Seminar Nasional Matematika, Statistika, dan Aplikasinya September 2017, Samarinda, Indonesia ISBN:
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 017 3 September 017, Samarinda, Indonesia ISBN: 978-60-5031-0-3 Analisis Data Spasial Menggunakan Metode Geographically Weighted Regression
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan
Lebih terperinciBAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)
BAB III GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) 3.1 Data Spasial Data spasial memuat informasi tentang atribut dan informasi lokasi. Sedangkan data bukan spasial (aspatial data) hanya memuat informasi
Lebih terperinciLEMBARAN DAERAH KABUPATEN DEMAK TAHUN 2008 NOMOR : 8
LEMBARAN DAERAH KABUPATEN DEMAK TAHUN 2008 NOMOR : 8 PERATURAN DAERAH KABUPATEN DEMAK NOMOR 8 TAHUN 2008 TENTANG ORGANISASI DAN TATA KERJA KECAMATAN DAN KELURAHAN KABUPATEN DEMAK DENGAN RAHMAT TUHAN YANG
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis regresi linier sederhana 2. Analisis regresi linier berganda. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Istilah
Lebih terperinciISSN: Vol. 1 No. 1 Agustus 2012
ISSN: 2303-1751 Vol. 1 No. 1 Agustus 2012 e-jurnal Matematika, Vol. 1, No. 1, Agustus 2012, 94-98 ISSN: 2303-1751 PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 717-726 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 383-393 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA
Lebih terperinci2016 APLIKASI MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) MENGGUNAKAN SOFTWARE MATLAB
1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari sering dihadapkan dengan hubungan yang melibatkan dua atau lebih peubah atau variabel. Persamaan matematik yang menggambarkan persamaan
Lebih terperinciBAB I PENDAHULUAN. Tingkat kesejahteraan suatu negara salah satunya dapat dilihat dari tingkat
BAB I PENDAHULUAN 1.1 Latar Belakang Tingkat kesejahteraan suatu negara salah satunya dapat dilihat dari tingkat kesehatan masyarakat atau derajat kesehatannya. Indikator kesehatan suatu negara dapat dilihat
Lebih terperinciPEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE
Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 17 3 September 17, Samarinda, Indonesia ISBN: 978-6-531--3 PEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY
Lebih terperinciREGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN
REGRESI TERBOBOTI GEOGRAFIS DENGANN FUNGSI PEMBOBOT KERNEL GAUSSIAN DAN KERNEL BISQUARE PADA ANGKA HARAPAN HIDUP (Studi Kasus : Angka Harapan Hidup Kabupaten/Kota di Provinsi Jawa Timur) LUKMAN MAULANA
Lebih terperinci: Persentase Penduduk Dengan Sumber Air Minum Terlindungi PDAM : Pengeluaran Perkapita Penduduk Untuk Makan Sebulan
22 BAB III MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) 3.1 Variabel Penelitian Variabel penelitian yang digunakan dalam penelitian ini adalah data derajat kesehatan tahun 2013 pada 27 kabupaten
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 691-700 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI
Lebih terperinciPEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI
PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DI PROVINSI BALI M ARRIE KUNILASARI ELYNA 1, I GUSTI AYU MADE SRINADI 2, MADE SUSILAWATI 3 1,2,3, Jurusan Matematika,
Lebih terperinciBUPATI DEMAK PROVINSI JAWA TENGAH PERATURAN BUPATI DEMAK NOMOR 1 TAHUN 2018 TENTANG
BUPATI DEMAK PROVINSI JAWA TENGAH PERATURAN BUPATI DEMAK NOMOR 1 TAHUN 2018 TENTANG BESARAN UANG PERSEDIAAN PADA ORGANISASI PERANGKAT DAERAH DAN UNIT PELAKSANA TEKNIS DAERAH PADA ORGANISASI PERANGKAT DAERAH
Lebih terperinciKata Kunci : MGWMLM, GWMLM, DAS.
ANALISIS PENGARU CURA UJAN DAN MORFOMETRI PADA PENINGKATAN DEBIT DAN SEDIMEN DI DAS KONTO ULU DENGAN PENDEKATAN MIXED GEOGRAPICALLY WEIGTED MULTUVARIATE LINIER MODEL 1 Memi Nor ayati, 2 Purhadi 1 Jurusan
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
24 BAB IV HASIL DAN PEMBAHASAN Bagian awal bab ini disajikan pemetaan untuk mendeskripsikan jumlah DBD dan faktor yang mempengaruhi di Kota Semarang. Bagian selanjutnya dilakukan pemodelan untuk mendapatkan
Lebih terperinciS - 17 MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PENDERITA DIARE DI PROVINSI JAWA TENGAH DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE
S - 17 MODEL GEOGRAPHICALLY WEIGHTED REGRESSION PENDERITA DIARE DI PROVINSI JAWA TENGAH DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE Indriya Rukmana Sari 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih 3
Lebih terperinciBAB III METODE PENULISAN
BAB III METODE PENULISAN Metode penulisan yang berkaitan tujuan penulisan ini adalah sebagai berikut: 3.1 Mengidentifikasi variabel prediktor pada model MGWR langkahlangkah a. Mengasumsikan data, untuk
Lebih terperinciBUPATI DEMAK PROVINSI JAWA TENGAH PERATURAN BUPATI DEMAK NOMOR 34 TAHUN 2016 TENTANG
SALINAN BUPATI DEMAK PROVINSI JAWA TENGAH PERATURAN BUPATI DEMAK NOMOR 34 TAHUN 2016 TENTANG PERUBAHAN ATAS PERATURAN BUPATI DEMAK NOMOR 19 TAHUN 2015 TENTANG PEDOMAN PENATAAN DAN PEMBINAAN PASAR TRADISIONAL,
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 535-544 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION
PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION SKRIPSI Disusun Oleh : Khusnul Yeni Widiyanti 24010210130070
Lebih terperinciPemodelan Faktor Penyebab Kecelakaan Lalu Lintas Berdasarkan Metode Geographically Weighted Regression di Jawa Timur
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-58 Pemodelan Faktor Penyebab Kecelakaan Lalu Lintas Berdasarkan Metode Geographically Weighted Regression di Jawa Timur Putu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
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 1.1 Latar belakang Masalah Annisa Nurul Aini, 2013
BAB I PENDAHULUAN 1.1 Latar belakang Masalah Statistika merupakan salah satu cabang ilmu matematik yang mempelajari bagaimana merencanakan, mengumpulkan, mempresentasikan, menganalisis, dan menginterpretasi
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN 1.1 Deskripsi Variabel Penelitian Statistika deskriptif bertujuan untuk mendeskripsikan atau menggambarkan objek penelitian yang diambil dari sampel atau populasi sehingga
Lebih terperinciPEMODELAN BALITA GIZI BURUK DI KABUPATEN NGAWI DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION. Latifah Ayunin 1 dan Sutikno 2
PEMODELAN BALITA GIZI BURUK DI KABUPATEN NGAWI DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION Latifah Ayunin 1 dan Sutikno 2 1 Mahasiswa Jurusan Statistika, ITS, Surabaya 2 Dosen Pembimbing, Jurusan Statistika,
Lebih terperinciPEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL
PEMODELAN KEMISKINAN MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DENGAN FUNGSI PEMBOBOT FIXED KERNEL Hasriana 1, Raupong 2, Nirwan Ilyas 3 1 Program Studi Statistika FMIPA Universitas Hasanuddin
Lebih terperinci(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi. buruk di Jawa Timur.
(R.5) Pemodelan Regresi Poisson Terboboti Geografis Pada Kasus Gizi Buruk di Jawa Timur Ida Mariati Hutabarat 1, Asep Saefuddin 2 1Jurusan Matematika Uncen. 2 Departemen Statistika IPB 1Jl.Kamp Wolker
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1. Gambaran Persebaran Penduduk Miskin Provinsi Jawa Tengah merupakan salah satu provinsi di Indonesia yang memiliki kabupaten atau kota sejumlah 35 kabupaten dan kota (BPS,
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 terperinciHASIL DAN PEMBAHASAN Deskripsi Data
HASIL DAN PEMBAHASAN Deskripsi Data Jawa Timur merupakan salah satu provinsi di Indonesia yang mempunyai 38 kabupaten/kota, terdiri atas 29 kabupaten dan 9 kota. Secara umum wilayah Provinsi Jawa Timur
Lebih terperinciSKRIPSI. Disusun Oleh : RAHMA NURFIANI PRADITA
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA KABUPATEN/ KOTA DI JAWA TIMUR MENGGUNAKAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION SKRIPSI Disusun Oleh : RAHMA NURFIANI
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam rangka meningkatkan kesejahteraan masyarakat di suatu negara, maka dibutuhkan pembangunan. Pada September tahun 2000, mulai dijalankannya Millennium Development
Lebih terperinciPENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA BERDASARKAN FAKTOR SOSIODEMOGRAFI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN REGRESI POISSON DAN BINOMIAL NEGATIF DALAM MEMODELKAN JUMLAH KASUS PENDERITA AIDS DI INDONESIA
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Propinsi Jawa Timur Tahun 2008 Jawa Timur adalah provinsi yang terdiri dari 29 kabupaten dan 9 kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi
Lebih terperinciPREDIKSI PERKEMBANGAN LAHAN PERTANIAN BERDASARKAN KECENDERUNGAN ALIH FUNGSI LAHAN SAWAH DI KABUPATEN LAMONGAN
PREVIEW III TUGAS AKHIR PREDIKSI PERKEMBANGAN LAHAN PERTANIAN BERDASARKAN KECENDERUNGAN ALIH FUNGSI LAHAN SAWAH DI KABUPATEN LAMONGAN Dosen Pembimbing Putu Gde Ariastita, ST., MT. Merisa Kurniasari 3610100038
Lebih terperinciDAFTAR ISI LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...
DAFTAR ISI Halaman LEMBAR JUDUL... LEMBAR PERNYATAAN... LEMBAR PENGESAHAN... LEMBAR PEDOMAN PENGGUNAAN SKRIPSI... KATA PENGANTAR... ABSTRAK... DAFTAR ISI...... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN. faktor faktor yang mempengaruhi, model regresi global, model Geographically
BAB 4 ANALISA DAN PEMBAHASAN Pada bab ini dibahas tentang pola penyebaran angka buta huruf (ABH) dan faktor faktor yang mempengaruhi, model regresi global, model Geographically Weighted Regression (GWR),
Lebih terperinciGAMBARAN UMUM LOKASI PENELITIAN
V GAMBARAN UMUM LOKASI PENELITIAN 5.1. Wilayah dan Topografi Kabupaten Demak berada di bagian utara Propinsi Jawa Tengah yang terletak antara 6º43'26" - 7º09'43" LS dan 110º48'47" BT dan terletak sekitar
Lebih terperinciPEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN FUNGSI PEMBOBOT FIXED GAUSSIAN KERNEL DAN ADAPTIVE GAUSSIAN KERNEL (Studi Kasus Laju Pertumbuhan Penduduk Provinsi Jawa Tengah) SKRIPSI
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU PERTUMBUHAN PENDUDUK KOTA SEMARANG TAHUN 2011 MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU PERTUMBUHAN PENDUDUK KOTA SEMARANG TAHUN 2011 MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SKRIPSI DisusunOleh : Catra Aditya Wisnu Aji NIM : J2E
Lebih terperinciKata kunci: Data Spatial, Heterogenitas Spatial, Geographically Weigthed Regression, Bandwidth, Fungsi Pembobot
GEOGRAPHICALLY WEIGTHED REGRESSION DALAM MENAKSIR MODEL OUTPUT SEKTOR INDUSTRI MENENGAH BESAR TAHUN 2012 Lani Amaliah 1, Nusar Hajarisman 2, Anna Chadijah 3 1 Program Magister Statistika Terapan UNPAD,
Lebih terperinciBAB III METODE PENELITIAN. Bangli, Kabupaten Karangasem, dan Kabupaten Buleleng.
BAB III METODE PENELITIAN A. Lokasi Penelitian Dalam penelitian ini, penulis menggunakan lokasi penelitian wilayah Provinsi Bali yang merupakan salah satu provinsi yang ada di Indonesia. Luas Provinsi
Lebih terperinciBUPATI DEMAK PROVINSI JAWA TENGAH PERATURAN DAERAH KABUPATEN DEMAK NOMOR 5 TAHUN 2016 TENTANG
SALINAN BUPATI DEMAK PROVINSI JAWA TENGAH PERATURAN DAERAH KABUPATEN DEMAK NOMOR 5 TAHUN 2016 TENTANG PEMBENTUKAN DAN SUSUNAN PERANGKAT DAERAH KABUPATEN DEMAK DENGAN RAHMAT TUHAN YANG MAHA ESA BUPATI DEMAK,
Lebih terperinciAnalisis Geographycally Weighted Regression Pada Data Kemiskinan Provinsi Jawa Tengah
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 327-334 p-issn: 2580-4596; e-issn: 2580-460X Halaman 327 Analisis Geographycally Weighted Regression
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 461-469 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN
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 terperinciBAB II DASAR TEORI. Gambar 2.1 : Perbedaan Antara Proses Stationer dan Proses Non-Stationer
BAB II DASAR TEORI Model adalah penyederhanaan dunia nyata (real world) ke dalam suatu bentuk terukur (Deliar, 27). Bentuk terukur tersebut adalah asumsi yang dianggap dapat merepresentasikan dunia nyata
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 171-180 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data Tabel 5.1. Hasil Pengumpulan data penelitian dalam kilometer per liter dapat dilihat pada Tabel 5.18 Data Hasil
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Analisis adalah suatu metode dengan mendiskripsikan faktor faktor yang menjelaskan
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Analisis Data Analisis adalah suatu metode dengan mendiskripsikan faktor faktor yang menjelaskan pengaruh pendapatan retribusi pelayanan parkir dan retribusi
Lebih terperinciKABUPATEN DEMAK. Jumlah rumah tangga usaha pertanian di Kabupaten Demak Tahun 2013 sebanyak rumah tangga
.3321 Jumlah rumah tangga usaha pertanian di Kabupaten Demak Tahun 2013 sebanyak 131.469 rumah tangga Jumlah perusahaan pertanian berbadan hukum di Kabupaten Demak Tahun 2013 sebanyak 6 Perusahaan Jumlah
Lebih terperinciFaktor - Faktor yang Mempengaruhi Alih Fungsi Lahan Pertanian Sebagai Upaya Prediksi Perkembangan Lahan Pertanian di Kabupaten Lamongan
JURNAL TEKNIK POMITS Vol., No. 1, (013) ISSN: 337-3539 (301-971 Print) 1 Faktor - Faktor yang Mempengaruhi Alih Fungsi Lahan Pertanian Sebagai Upaya Prediksi Perkembangan Lahan Pertanian di Kabupaten Lamongan
Lebih terperinciREKAPITULASI SEKOLAH PENERIMA DANA BOS DIKMEN KABUPATEN DEMAK TAHUN 2016 TAHUN ANGGARAN 2016 JUMLAH NO JENIS SEKOLAH JUMLAH DANA
Pencairan Bulan Oktober - Desember Tahun 2016 REKAPITULASI SEKOLAH PENERIMA DANA BOS DIKMEN TAHUN ANGGARAN 2016 NO JENIS SEKOLAH DANA SEKOLAH 1 SMA / SMA TERBUKA 33 14.808 5.182.800.000 2 SMK / SMK SATU
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini bersumber dari data sekunder mulai dari tahun 2005 sampai dengan tahun 2010. Data tersebut didapat dari beberapa
Lebih terperinciAlgoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Algoritme Least Angle Regression untuk Model Geographically Weighted Least Absolute Shrinkage and Selection Operator S-20 Yuliana 1, Dewi Retno Sari
Lebih terperinciREKAPITULASI SEKOLAH PENERIMA DANA BOS DIKMEN KABUPATEN DEMAK TAHUN 2016 TAHUN ANGGARAN 2016 JUMLAH NO JENIS SEKOLAH JUMLAH DANA
Pencairan Bulan Juli - September Tahun 2016 REKAPITULASI SEKOLAH PENERIMA DANA BOS DIKMEN TAHUN ANGGARAN 2016 NO JENIS SEKOLAH DANA SEKOLAH 1 SMA / SMA TERBUKA 34 12.408 4.342.800.000 2 SMK / SMK SATU
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinciPEMODELAN REGRESI SPLINE UNTUK RATA- RATA BANYAK ANAK YANG DILAHIRKAN HIDUP DI KOTA SURABAYA, KABUPATEN SITUBONDO DAN KABUPATEN BANGKALAN
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 (1310 030
Lebih terperinciBAB I PENDAHULUAN A. LATAR BELAKANG. Pemerintah Kabupaten Demak
BAB I PENDAHULUAN Pemerintah Kabupaten Demak A. LATAR BELAKANG Dengan diberlakukannya Undang-undang Nomor 33 Tahun 2004 tentang Perimbangan Keuangan Pusat dan Daerah dan Undang-undang Nomor 23 Tahun 2014
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciPemodelan dan Pemetaan Pendidikan di Provinsi Jawa Timur Menggunakan Geographically Weighted Regression
Pemodelan dan Pemetaan Pendidikan di Provinsi Jawa Timur Menggunakan Geographically Weighted Regression Danniar Ardhanacitri dan Dr Vita Ratnasari, SSi, MSi Jurusan Statistika, Fakultas MIPA, Institut
Lebih terperinciGeo Image (Spatial-Ecological-Regional)
Geo Image 6 (2) (2017) Geo Image (Spatial-Ecological-Regional) http://journal.unnes.ac.id/sju/index.php/geoimage EVALUASI SEBARAN LOKASI DAN TINGKAT KEPUASAN KONSUMEN STASIUN PENGISIAN BAHAN BAKAR UMUM
Lebih terperinciABSTRAK. Kata kunci : regresi Poisson, GWPR, Angka Kematian Bayi (AKB)
PEMODELAN ANGKA KEMATIAN BAYI DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWPR) DI PROVINSI JAWA TIMUR Septika Tri Ardiyanti 1, Purhadi 2 1 Mahasiswa Jurusan Statistika ITS. 2 Dosen Jurusan
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilakukan di Provinsi Lampung yang terdiri dari 14 kabupaten/kota
41 III. METODE PENELITIAN 3.1. Tempat dan Waktu Penelitian dilakukan di Provinsi Lampung yang terdiri dari 14 kabupaten/kota meliputi rumah tangga miskin yang dijadikan sampel Susenas di Provinsi Lampung
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 terperinciADLN PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN ANGKA PARTISIPASI SEKOLAH JENJANG MENENGAH ATAS DI JAWA TIMUR DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN DALAM MEMPEROLEH
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. Indonesia. Teknik sampling pada penelitian ini adalah menggunakan purposive
BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1 Hasil Pengumpulan Sampel Penelitian ini bertujuan untuk menguji pengaruh pendapatan asli daerah (PAD), sisa lebih perhitungan anggaran (SiLPA), luas wilayah, dan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. belajar kimia SMA Negeri 1 Jogonalan Kabupaten Klaten.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Diskripsi Data Diskripsi hasil penelitian ini didasarkan pada skor dari kuesioner yang digunakan untuk mengetahui pengaruh motivasi dan iklim
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH SKRIPSI Disusun Oleh: RIFKI ADI PAMUNGKAS 24010212140066 DEPARTEMEN STATISTIKA FAKULTAS SAINS
Lebih terperinciREGRESI TERBOBOTI GEOGRAFIS UNTUK ANALISIS PENDAPATAN ASLI DAERAH KABUPATEN/KOTA DI PROVINSI ACEH
Xplore, 2013, Vol. 1(1):e1(1-8) c 2013 Departemen Statistika FMIPA IPB REGRESI TERBOBOTI GEOGRAFIS UNTUK ANALISIS PENDAPATAN ASLI DAERAH KABUPATEN/KOTA DI PROVINSI ACEH Hanifatun Nufusia, Aam Alamudi,
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 terperinciTabel 1 Sudut terjadinya jarak terdekat dan terjauh pada berbagai kombinasi pemilihan arah acuan 0 o dan arah rotasi HASIL DAN PEMBAHASAN
sudut pada langkah sehingga diperoleh (α i, x i ).. Mentransformasi x i ke jarak sebenarnya melalui informasi jarak pada peta.. Melakukan analisis korelasi linier sirkular antara x dan α untuk masingmasing
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder tingkat kabupaten/kota tahun 2010, yang bersumber dari Badan Pusat Statistik (BPS), Kementerian
Lebih terperinci